Dynamo 不再把请求路由给“记得 prompt 的 GPU”
Abhishekcur · x · 2026-07-28
这条在讲多 GPU 推理服务里的 KV 路由问题：不能简单把请求都发给“已经记住 prompt 的那张卡”。
- 如果只追求 prompt locality，很容易出现一张 GPU 越来越忙、其他 GPU 却闲着的情况。
- 真正合理的做法，是把“记忆”与其他系统状态一起综合权衡，而不是只看谁记得 prompt。
- 作者认为，这正是 Dynamo 设计里最关键的点。
所属事件:NVIDIA Dynamo 用定价统一 LLM GPU 路由(14 条相关)→
「Infra」频道最新
- 拆解大疆无人机后 Sarah Guo 断言：深圳的制造知识学不来只能重建 — bookwormengr · 2026-09-23
- Ben Lorica：Agent 让数据栈不再容忍旧数据，「相关」不够要「实时为真」 — bigdata · 2026-09-23
- 128GB Strix Halo 跑 Qwen3.6 35B-A3B 稳定 50 tok/s,用户问现在最优解是什么 — jankeydankey · 2026-09-23
- Together AI 上线灰度发布：模型升级不停机，分步切流自动回滚 — togethercompute · 2026-09-23
- 专为大规模运行 Agent 的专用硬件亮相 — cyrilzakka · 2026-09-23
- 三元权重压缩 27B 模型仅 5.9GB,推理能力保留 95% — cephaloform · 2026-09-23