KV缓存与内存分层基准讨论
AccBalanced · x · 2026-07-11
这条转发围绕 AI 推理中的 KV cache 管理、内存与存储分层展开，重点关注未来的 tiering hierarchy 会如何设计。
引用内容里提到一个来自 Oracle Cloud 的 WEKA AMG 基准：测试的是现代模型上的真实 agent swarm 工作负载，而不是传统合成压测。结果声称在高并发、真实 SLO 的前提下，能够达到 每 GPU、每瓦 10 倍 tokens 的提升，并据此讨论 Hopper 系统中 DRAM 带宽与 NVLink、节点级内存带宽之间的关系。
「Infra」频道最新
- 推理服务关键指标盘点:流式速度 TPOT 与可用性如何影响体验 — abhijithneil · 2026-09-11
- PlanetScale 推出分片 Postgres,768 台服务器组成 1PB 单库 — dhruv2038 · 2026-09-11
- 7900 XTX 24GB 能否跑 Qwen，Reddit 征集 ROCm 实测数据 — thenomadexplorerlife · 2026-09-11
- 实测戳破 RTK 省钱神话:token 省了,账单分文未降 — Bartaseth · 2026-09-11
- SF Compute 创始人：现在买算力是「绝对糟糕的体验」 — IgorCarron · 2026-09-11
- 开源 SmolVM:2026 年 Agent 不止用浏览器,而是拥有整台电脑 — aniketmaurya · 2026-09-11