LMCache 用KV缓存提速LLM
kalyan_kpl · x · 2026-07-19
LMCache 是一个用于 LLM serving 的扩展，目标是降低首 token 延迟（TTFT）并提升吞吐，尤其适合长上下文场景。
它的做法是把可复用文本的 KV cache 存到多种位置，包括 GPU、CPU DRAM 和本地磁盘；当相同文本再次出现时直接复用缓存，从而减少 GPU 计算和用户等待时间。作者称，和 vLLM 结合后，在多轮问答、RAG 等场景里可带来约 3–10 倍的延迟/算力节省。
「Infra」频道最新
- AI 数据中心时代用电论战：有人还在纠结灯泡省电与调整时区 — mgostIH · 2026-10-27
- 法律 AI 公司 Legora 在 Modal 上并行跑 2000 个 agent eval — blelbach · 2026-10-27
- 云厂商发布速度打分：AWS 95 分领先，Azure 90、谷歌云 82 — DavidLinthicum · 2026-10-27
- 卖掉 5090 换多机？一公司主拆解本地推理硬件扩展五套方案 — Anarchaotic · 2026-10-27
- AWS 教程:SageMaker SDK v3 搭建车队级边缘视觉模型流水线 — AWS ML Blog · 2026-10-27
- Embedl 把 Qwen3.8-27B 压进 Jetson Thor:解码 40 tok/s,精度反超 FP16 — No-Dragonfly6246 · 2026-10-27