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。