vLLM 接入 TileRT 低延迟解码
vllm_project · x · 2026-07-16
vLLM 和 TileRT 展示了一个解耦推理栈的具体案例：
- 将 prefill 和 decode 拆开后，decode 侧可以按工作负载自由替换。
- TileRT 在 vLLM V1 的 connector interface 上接入 vLLM prefill，没有改动 vLLM 代码、也不需要 fork 或 patch。
- 默认仍使用 vLLM 自带 decode 追求吞吐；当场景更看重延迟时，可以切到 TileRT decode，适合 agents 和实时助手。
- 两边都保持 OpenAI-compatible 接口和 prefix caching，切换本质上是路由层面的选择。
- 文中还提到 TileRT 报告在 GLM-5.1-FP8、8×B200、带 MTP 的单用户 decode 约 618 tok/s，接近其无 MTP 情况的 2 倍。
所属事件:vLLM与TileRT推出解耦模块化推理栈(3 条相关)→
「Infra」频道最新
- 马斯克断言:机器人 RAM 需求将超其他一切,超级智能算力将移向深空 — elonmusk · 2026-10-27
- RTX 5090 卖到 7000 美元，PC 游戏社区集体否认 AI 热潮 — PAstynome · 2026-10-27
- Wan2GP 上架 Pinokio：6GB 显存一键跑 AI 视频生成 — cocktailpeanut · 2026-10-27
- Wan2GP AMD 版一键安装上线，6GB 显存即可跑 AI 视频生成 — cocktailpeanut · 2026-10-27
- AWS 详解 Agent 提示缓存：显式+隐式双模式省下重复 token 账单 — AWS ML Blog · 2026-10-27
- 6 个月被抢超 1 亿美元：盗贼用 GPS 欺骗劫走数据中心货物 — Ars Technica AI · 2026-10-27