跳到正文
热点事件持续更新

WavePP 在多个模型场景下显著提升 TensorRT-LLM 预填充吞吐量

1 篇报道1 个报道来源12 小时前更新

先了解这件事

AI 综述

WavePP 是在 TensorRT-LLM 上构建的预填充运行时,核心机制为通过重叠请求接纳与流水线执行,异步查找跨阶段可复用的前缀,以解决现有预填充运行时的性能瓶颈。 在 GLM 5.2 和 MiniMax M2.7 的 40 种测试设置中,该方案在 37 种场景下提升了吞吐量;在高缓存复用、并发度 128 的极端条件下,吞吐量分别实现了 2.91 倍和 2.02 倍的显著提升。 进一步评估显示,在 28 种 Kimi K3 设置中,WavePP 在所有并发度 8 及以上的场景中,均展现出高于 TRT-LLM、SGLang 和 vLLM 等基准系统的最快吞吐量,确立了其在高并发预填充场景的性能优势。

AI 根据报道生成 · 12 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. Hacker News LLM
    WavePP:基于前缀复用的高吞吐量 LLM 预填充流水线并行运行时

    WavePP 是在 TensorRT-LLM 上构建的预填充运行时,通过重叠请求接纳与流水线执行,异步查找跨阶段可复用的前缀。 在 GLM 5.2 和 MiniMax M2.7 的 40 种测试设置中,有 37 种提升了吞吐量;在高缓存复用、并发度 128 时,吞吐量分别提升 2.91 倍和 2.02 倍。

本事件热度走势

可比范围当前
7
可比范围峰值
1011月20日 18:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。