vLLM 发布分离式推理指南并优化多轮 TTFT

先了解这件事

vLLM 官方博客发布分离式推理（Disaggregated Serving）实用指南，作者为 IBM Research 的 Martin Hickey，讲解 prefill/decode 分离、无 GPU render 前端及两者组合的原理与运行方法，并说明每种拆分在什么场景下值得使用。指南内容以 vLLM v0.30.0 或更高版本为前提，并指出 tests/ 目录中的 proxy 只是示例，适合开发用途，不适用于生产环境。

随后 vLLM 又介绍双向 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。vLLM 称在 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；使用需 vLLM v0.21.0 或更高版本配合 NixlConnector，并在 prefill 与 decode 服务器上启用 bidirectional_kv_xfer。vLLM 表示该特性也可运行于其他受支持配置，但性能会因硬件、模型、负载和网络配置而异。