vLLM 推出双向 KV 传输降低多轮 Agent TTFT
热点事件持续更新
vLLM 推出双向 KV 传输降低多轮 Agent TTFT
1 篇报道1 个报道来源21 小时前更新
先了解这件事
AI 综述
2026年10月12日，vLLM 博客发布双向 KV 传输机制说明、性能数据与复现指南。该机制让 decode 节点在后续轮次把已计算的 KV 块回传给 prefill 节点，避免重复计算对话历史。在 Amazon EC2 P5en 加 AWS EFA 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。据该博客，双向模式下 KV 块按可配置生命周期保留（decoder_kv_blocks_ttl，默认 480 秒）并公布位置与过期时间，使对话的提示前缀与生成回复的 KV 在下一轮仍可用；kv_recompute_threshold 默认 64 tokens 控制是否重算。复现需 vLLM v0.21.0 或更高版本配合 NixlConnector，在 prefill 与 decode 服务器均启用 bidirectional_kv_xfer，并使用 KV-cache 感知路由器。该功能也可在其他受支持配置上运行，但性能会因硬件、模型、负载与网络配置而异。
AI 根据报道生成 · 3 小时前更新
最新进展10月12日 08:00
vLLM 推出双向 KV 传输，多轮智能体负载 TTFT 最高降 3.3 倍报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- vLLM Blog精选vLLM 推出双向 KV 传输，多轮智能体负载 TTFT 最高降 3.3 倍
vLLM 博客介绍双向 KV 传输机制，让 decode 节点在后续轮次把已计算的 KV 块回传给 prefill 节点，避免重复计算对话历史。在 Amazon EC2 P5en 加 AWS EFA 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
- 可比范围当前
- 6
- 可比范围峰值
- 610月13日 03:00
- 近 24 小时变化
- –
0246
03:0004:0005:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。