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
- Engram 随机读取不适合 SSD，CPU 内存低延迟共享或成正解 — bookwormengr · 2026-09-11
- 劝退帖:推理工程是真金白银的硬活,八成尝鲜者已悄然放弃 — abhijithneil · 2026-09-11
- Hugging Face《Ultra Scale Playbook》:GPU 集群训练 LLM 的免费技术书 — mdancho84 · 2026-09-11
- 从聊天到 Agent,推理延迟正在成为生产级瓶颈 — Euphoric_Sea632 · 2026-09-11
- 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