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
- Unconventional AI 收购 NeuReality,冲刺算力效率提升 1000 倍 — NaveenGRao · 2026-10-27
- 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
- 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