vLLM 通过双向 KV 缓存传输提升多轮智能体工作负载的首令牌生成时间

vLLM 引入双向 KV 缓存传输机制，使解码节点能将先前生成的 KV 缓存返回给预填充节点，减少多轮对话中的重复计算，从而提升首令牌生成时间（TTFT）。在使用 Amazon EC2 P5en 实例和 AWS EFA 的多轮基准测试中，该机制使 Qwen3-32B 的 TTFT 最多缩短 1.6 倍，zai-org/GLM-5-FP8 最多缩短 3.3 倍。