AWS 介绍 vLLM 双向 KV 传输降低多轮 TTFT

AWS 在机器学习博客中介绍，vLLM 通过双向 KV 缓存传输，让 decode 节点在后续对话轮次把已算好的 KV 缓存回传给 prefill 节点，从而避免重复计算对话历史。在基于 Amazon EC2 P5en 的 1P1D 部署测试中，该机制使 Qwen3-32B 的 TTFT 最高降低 1.6 倍、zai-org/GLM-5-FP8 最高降低 3.3 倍。 要使用该机制，vLLM 版本需为 v0.21.0 或更高，并使用 NixlConnector，在 prefill 和 decode 服务器上均启用 bidirectional_kv_xfer，同时使用 kv-cache-aware 路由器。AWS 称，结果会随工作负载和配置变化；其他受支持的配置也能运行该功能，但性能会因硬件、模型、工作负载和网络配置而异。

AI 根据报道生成 · 5 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。