vLLM AFD 测试显示吞吐提升 11.3%，TTFT 降低 47%
vllm_project · x · 2026-07-24
这条回复进一步解释了为什么在 MoE serving 中要把 attention 和 FFN 拆开：attention 的容量受请求状态和 KV-cache 压力影响，expert/FFN 的容量则受 token routing 和负载影响，两者不一定适合共享同一拓扑。
帖子还给出了早期受控实验结果，基于 DeepSeek-V3.2 W8A8 与 昇腾 910C：
- 64A/16F 布局在 16K 时把每 die 解码吞吐提升 11.3%，在 32K 时提升 9.0%，对比的是 EP64 基线。
- CAM async prefill 在 12 req/s 下把中位 TTFT 从 15.1 秒降到 8.0 秒，约降低 47%。
作者也提醒了一个关键 caveat：解耦并不总能带来收益，attention 与 FFN 的比例很重要，48A16F 甚至低于基线。
所属事件:vLLM 发布实验性 AFD 插件提升 MoE 推理性能(3 条相关)→
「Infra」频道最新
- 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
- Hugging Face《Ultra Scale Playbook》:GPU 集群训练 LLM 的免费技术书 — mdancho84 · 2026-09-11
- 从聊天到 Agent,推理延迟正在成为生产级瓶颈 — Euphoric_Sea632 · 2026-09-11
- 推理服务关键指标盘点:流式速度 TPOT 与可用性如何影响体验 — abhijithneil · 2026-09-11
- PlanetScale 推出分片 Postgres,768 台服务器组成 1PB 单库 — dhruv2038 · 2026-09-11