vLLM 实测:Agent 会话中位 43 轮,输入 142K 输出仅 444 token
vllm_project · x · 2026-09-09
vLLM 基于真实编码 Agent 追踪数据揭示 agentic 流量特征:
- 会话中位 43 轮
- 中位输入 142K token,输出仅 444 token
- 前缀缓存命中率超 96%
- 44% 的会话会 fork 子 agent
特征是「长前缀、极短输出、大量复用」。配套数据显示 DeepSeek V4 Pro 在严格 p90 交互性 SLO(每用户 50+ tok/s)下单 GPU 每秒可承载 83K token,前沿档达 130K;同等缓存命中率下服务 Opus 5 成本高 106 倍,说明为开源权重模型调优推理栈的空间巨大。
所属事件:vLLM 发布 AgentX 全栈优化：成本较 Opus 5 低 106 倍(7 条相关)→
「编程与Agent」频道最新
- Kolab 基准：真人屏幕录像揭示 AI Agent 高估自身协作质量 — minnesotanlp · 2026-10-27
- 开发者吐槽 Claude 烧 token：同样工作 GPT 省 3 倍用量更便宜 — haider1 · 2026-10-27
- InfoWorld：别把模型当地基，Agent 架构必须做到 48 小时可换模型 — rseroter · 2026-10-27
- 便宜模型跑 Agent 反而更贵：线性往返堆爆上下文窗口 — vasuman · 2026-10-27
- 5 千行 Rust 单二进制看板 Kanzo：给 Claude Code 当任务板 — allmudi · 2026-10-27
- 「人类审批就安全」是幻觉：approval fatigue 与 Agent 风险设计 — Efistoffeles · 2026-10-27