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
- Anthropic 营收三年暴涨 4000 倍,上半年已入账 163 亿美元 — daniel_mac8 · 2026-10-27
- Tenstorrent 芯片跑通蛋白质生成模型,宣称无 HBM 短缺之忧 — gajesh · 2026-10-27
- YC 系创企 Hopper 出击语音推理：TTFT 80ms、价格为 GPT-4.1 的 15% — ycombinator · 2026-10-27
- a16z 数据:A100 租赁价格 2026 年仍在涨,旧卡并未贬值 — VraserX · 2026-10-27
- Anthropic S-1 曝超 8000 亿美元未入表的未来算力承诺 — GaryMarcus · 2026-10-27
- Anthropic 约 11GW 算力合同中 NVIDIA GPU 占约 42% — ns123abc · 2026-10-27