热点事件历史事件

AWS 为 vLLM 增加双向 KV 传输，多轮对话 TTFT 最高降 3.3 倍

1 篇报道1 个报道来源6 天前更新

先了解这件事

AI 综述

AWS 在 vLLM 中实现双向 KV 传输：decode 节点把已算好的 KV 缓存回传给 prefill 节点，使多轮对话中已计算的上下文可跨轮复用，避免重复计算。在 Amazon EC2 P5en 实例、EFA 网络、1P1D 部署的测试中，最长提示下 Qwen3-32B 的首 token 延迟（TTFT）降低约 1.6 倍，zai-org/GLM-5-FP8 降低约 3.3 倍。使用该功能需 vLLM v0.21.0 或更高版本并搭配 NixlConnector，在 prefill 和 decode 服务端均启用 bidirectional_kv_xfer，并使用能感知 KV 缓存的路由器。AWS 称该功能也可运行于其他受支持配置，但性能会随硬件、模型、负载和网络配置变化。

AI 根据报道生成 · 6 天前更新

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

00:03
AWS Machine Learning Blog
AWS 在 vLLM 中实现双向 KV 传输，降低多轮智能体负载的 TTFT
AWS 为 vLLM 增加双向 KV 传输，让 decode 节点把已算好的 KV 回传给 prefill 节点，避免多轮对话中重复计算上下文。在 Amazon EC2 P5en 实例、EFA 网络、1P1D 部署的测试中，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: 3
可比范围峰值: 1010月20日 01:00
近 24 小时变化: -50%

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。