vLLM 用双向 KV 传输优化多轮智能体负载的 TTFT
Improve TTFT for Multi-Turn Agentic Workloads with Bi-Directional KV Transfer in vLLM
AI 导读vLLM 通过双向 KV 传输让 decode 节点把已计算的 KV 缓存回传给 prefill 节点，避免多轮对话中重复计算上下文。在 Amazon EC2 P5en 的 1P1D 部署上，该特性将 Qwen3-32B 的 TTFT 降低最多 1.6 倍，zai-org/GLM-5-FP8 降低最多 3.3 倍。
来源：vLLM 官方博客 · vllm.ai
事件后续1
查看事件全部- vLLM 分离式推理（Disaggregated Serving）实用指南vLLM 官方博客 · 14 天前