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。