vLLM 双向 KV 传输：多轮 Agent 首字延迟最高降 3.3 倍
先了解这件事
vLLM 推出双向 KV 缓存传输：decode 节点把已计算的 KV 块回传给 prefill 节点，使多轮对话的历史上下文可跨轮复用，避免重复预填充。在 1P1D 部署、Amazon EC2 P5en 加 AWS EFA 的测试中，最长提示下 Qwen3-32B 的首字延迟（TTFT）降低约 1.6 倍，zai-org/GLM-5-FP8 降低约 3.3 倍。 vLLM 称该功能也可运行于其他受支持的配置，但性能会因硬件、模型、负载和网络配置而异。使用需 vLLM v0.21.0 或更高版本配合 NixlConnector，在 prefill 和 decode 服务端均启用 bidirectional_kv_xfer，并使用具备 KV 缓存感知的路由器。 相关设置包括：kv_recompute_threshold 默认 64 token，用于决定是否重算；双向模式下 KV 块保留时长由 decoder_kv_blocks_ttl 控制，默认 480 秒，并公布其位置与过期时间，使对话的提示前缀和已生成回复的 KV 可供下一轮使用。
AI 根据报道生成 · 2 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
- AWS Machine Learning BlogAWS 用 vLLM 双向 KV 传输降低多轮智能体负载的 TTFT
AWS 在 vLLM 中实现双向 KV 传输，让 decode 节点把已计算的 KV 块回传给 prefill 节点，避免多轮对话重复预填充。在 Amazon EC2 P5en 实例的 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。
- vLLM Blog精选vLLM 引入双向 KV 传输，多轮智能体负载 TTFT 最高降低 3.3 倍
vLLM 新增双向 KV 传输能力，让 decode 节点把已计算的 KV 块回传给 prefill 节点，避免多轮对话中重复计算历史上下文。在 1P1D 部署、Amazon EC2 P5en 加 AWS EFA 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
- 10
- 可比范围峰值
- 1010月20日 01:00
- 近 24 小时变化
- –
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。