AWS 在 vLLM 中实现双向 KV 传输优化多轮 Agent TTFT
先了解这件事
AI 综述
2026 年 10 月 20 日，AWS Machine Learning Blog 发文介绍其在 vLLM 中实现的双向 KV 传输机制。该机制让 decode 节点在后续轮次把已计算好的 KV 返回 prefill 节点复用，从而避免重复计算对话历史，针对的是多轮智能体负载的首 token 延迟（TTFT）问题。在 Amazon EC2 P5en 实例配合 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。目前该报道为事件唯一来源，尚无其他进展。
AI 根据报道生成 · 2 小时前更新
最新进展10月20日 00:03
AWS 博客介绍 vLLM 双向 KV 传输，多轮 Agent 负载 TTFT 最高降约 3.3 倍。报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- AWS Machine Learning BlogAWS 在 vLLM 中用双向 KV 传输改善多轮智能体负载的 TTFT
AWS 在 vLLM 中实现双向 KV 传输，让 decode 节点在后续轮次把已算好的 KV 返回 prefill 节点复用，避免重复计算对话历史。在 Amazon EC2 P5en 实例加 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
还没有足够的连续观测数据，暂不绘制趋势。