开源缓存层 LMCache 提速推理
JafarNajafov · x · 2026-07-17
LMCache 是一个开源的 KV cache 层，主打把可复用文本存到 GPU、CPU、磁盘甚至 S3，并能在任意 vLLM 或 SGLang 实例中复用。
- 它不只是 prefix caching，而是支持prompt 任意位置的可复用文本跨节点复用。
- 结合 vLLM 后，作者称在多轮 QA 和 RAG 负载上，团队能获得 3–10 倍更低的 TTFT，同时显著节省 GPU 计算周期。
- 目前已被 Google Cloud、CoreWeave、GMI Cloud、Redis、Weka、NVIDIA Dynamo 采用。
- 项目为 Apache 2.0 许可，安装方式是 pip install lmcache。
所属事件:LMCache 被视为推理 KV 缓存层(5 条相关)→
「Infra」频道最新
- AI 消耗量分三波浪潮：2026 年 2 月 Agent 用量已超人类 — AccBalanced · 2026-09-11
- 英伟达已成主流 Robotaxi 栈核心：训练仿真车载计算全覆盖 — pdamodaran · 2026-09-11
- AI 工程师必懂的 12 种 KV Cache 压缩技术一文讲透 — blaizedsouza · 2026-09-11
- 影子算力市场走向台前,Meta 对外出售过剩 GPU 算力成标志性信号 — DavidLinthicum · 2026-09-11
- 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