热点事件持续更新

vLLM 新增推送式 KV 传输连接器

1 篇报道1 个报道来源1 小时前更新

先了解这件事

AI 综述

vLLM 新增了推送（push）模式的 NIXL connector，把 prefill 完成后的传输协调与准备工作移出关键路径，以降低首 token 延迟（TTFT）并提升每 token 输出时间（TPOT）。AWS 称，在基于 Amazon EC2 P5en 实例、通过 EFA 互联的 1P1D 部署上，Qwen3-32B 模型的测试显示，push 模式相比默认 pull 模式 TTFT 最高提升 3 倍、TPOT 最高提升 30%。机制上，decode 实例在分配本地块时即向 prefill 实例发送注册通知；prefill 完成或注册到达后即触发 NIXL WRITE 直接写入目标内存，省去消费端 ID 发现的往返。传输准备在 prefill 侧的后台线程执行，避免占用 decode 实例的 token 生成周期。该特性先在 AWS Trainium 集群上构建验证，随后以加速器无关的形式贡献给 vLLM，上述性能结果来自 GPU 集群。使用 push 模式需在 prefill 和 decode 两端服务器都把 NixlConnector 配置为 NixlPushConnector。AWS 建议在可以接受提前选定 decode 节点、且以降低 TTFT 为优先时选用 push 连接器；需要双向 KV 传输、或要在 prefill 后按负载再选 decode 实例的工作负载，仍更适合 pull 连接器。AWS 称该特性可在其他受支持配置上运行，但性能会随硬件、模型、工作负载和网络配置不同而变化。

AI 根据报道生成 · 55 分钟前更新

最新进展10月20日 00:05

vLLM 推出基于 push 的 KV 传输，提升分离式推理的 TTFT 与 TPOT

报道时间线

沿着报道，了解事件的不同侧面。

10月20日

00:05
AWS Machine Learning Blog
vLLM 推出基于 push 的 KV 传输，提升分离式推理的 TTFT 与 TPOT
vLLM 新增 push 模式的 NIXL connector，将 prefill 后的传输协调与准备工作移出关键路径，从而降低 TTFT 并提升 TPOT。在基于 Amazon EC2 P5en 实例、通过 EFA 互联的 1P1D 部署上，Qwen3-32B 模型的测试显示 push 模式相比默认 pull 模式 TTFT 最高提升 3 倍、TPOT 最高提升 30%。push 模式让 decode 实例在分配本地块时即向 prefill 实例发送注册通知，prefill 完成或注册到达后即触发 NIXL WRITE 直接写入目标内存，省去消费端 ID 发现往返。传输准备在 prefill 侧的后台线程执行，避免占用 decode 实例的 token 生成周期。该特性先在 AWS Trainium 集群上构建验证，随后以加速器无关的形式贡献给 vLLM，上述结果来自 GPU 集群。

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。