vLLM 推出基于推送的 KV 传输以优化分离式推理性能

vLLM 引入基于推送的 NIXL 连接器，将 KV 缓存传输协调移出关键路径。在 Amazon EC2 P5en 实例上测试 Qwen3-32B 模型显示，该方案相比拉取模式可将首字延迟（TTFT）降低至多 3 倍，每输出 token 时间（TPOT）改善达 30%。此功能已作为加速器无关特性贡献给 vLLM 开源项目。