AWS 为 vLLM 加入双向 KV 传输降低多轮 TTFT
热点事件持续更新
AWS 为 vLLM 加入双向 KV 传输降低多轮 TTFT
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
AWS 团队为 vLLM 加入双向 KV 传输：在后续对话轮次中，decode 节点把已经计算好的 KV 块回传给 prefill 节点，使这两个阶段都能复用此前算过的上下文，不必重复计算对话历史，从而降低多轮智能体负载的首 token 延迟（TTFT）。AWS 称，在 Amazon EC2 P5en、EFA 互联的 1P1D 部署上，最长提示下 Qwen3-32B 的 TTFT 降低约 1.6 倍，GLM-5-FP8 降低约 3.3 倍。 要启用该功能，需要 vLLM v0.21.0 及以上版本配合 NixlConnector，在 prefill 和 decode 服务端都开启 bidirectional_kv_xfer，并使用能感知 KV 缓存的路由器。AWS 表示，其他受支持配置也能运行该功能，但效果会随硬件、模型、负载和网络配置而变化。
AI 根据报道生成 · 2 小时前更新
最新进展10月20日 00:03
AWS 在 vLLM 中实现双向 KV 传输，降低多轮智能体负载的 TTFT报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- AWS Machine Learning BlogAWS 在 vLLM 中实现双向 KV 传输，降低多轮智能体负载的 TTFT
AWS 团队为 vLLM 加入双向 KV 传输，让 decode 节点在后续轮次把已算好的 KV 块回传给 prefill 节点，避免重复计算对话历史。在 Amazon EC2 P5en 实例、EFA 互联的 1P1D 部署上，最长提示下 Qwen3-32B 的 TTFT 降低约 1.6 倍，zai-org/GLM-5-FP8 降低约 3.3 倍。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。