TokenSpeed重构KV缓存架构
AccBalanced · x · 2026-07-17
TokenSpeed 介绍了它的调度器重构：原来使用基于 Radix Tree 的内存池，但随着注意力模式变复杂，这套设计已不再适合，于是改成了 flat、block-based 的 KV cache 架构。
新的实现采用单一的扁平分页池，并提供异构视图，这样更容易支持不同的 attention 机制。帖子还提到，社区里也有类似思路，例如 vLLM 的 Jenga 和 LMDeploy 的 TurboMind。
这次重构大约发生在 TML 的 Inkling 发布前后，因此新架构可以从第一天起就支持 Inkling。作者也表示会继续和开源社区一起推进。
所属事件:LLM推理KV Cache架构演进与重构(2 条相关)→
「Infra」频道最新
- Anthropic S-1 曝超 8000 亿美元未入表的未来算力承诺 — GaryMarcus · 2026-10-27
- Anthropic 约 11GW 算力合同中 NVIDIA GPU 占约 42% — ns123abc · 2026-10-27
- EdgeRock-4B KV cache 256K 上下文仅 72 MiB,比 Qwen3.5-4B 小 99.1% — alifcoder · 2026-10-27
- RTX 5080 十天涨价 40%:1658 美元飙至 2318 美元 — Frizzy-MacDrizzle · 2026-10-27
- 12GB 显存实测:不设 VRAM 上限,出图从 24 秒变 11 分钟 — Impossible-Mail-4619 · 2026-10-27
- Neon 自吃狗粮：文档搜索全部改用自家 Lakebase Search 等 AI 组件 — matei_zaharia · 2026-10-27