推理与成本

KV 缓存

KV Cache

把历史 token 的注意力键值存下来,避免每生成一个字都重算。

又称 KV Cache

本词条最后核验 2026-11-21 · 由本站编辑整理,欢迎指正

01 详细解释

自回归生成时,前面所有 token 的 K、V 其实没变,缓存起来就能把每步计算量从「与长度平方相关」降到线性。没有它,长对话根本跑不动。

代价是显存:缓存大小与层数、头数、序列长度成正比。上下文越长、并发越多,缓存越吃显存,这也是长文本推理贵的主要原因。

02 什么时候会碰到它
账单变贵、响应变慢、要压成本时

同样一个模型,费用能差十倍,差别全在缓存、批处理、量化、并行和让它想多久。做容量规划、选部署方式、谈单价,都绕不开这几个词。

03 和这几个词怎么区分
04 接着读这几篇
05 用得到的工具

下面这些站点来自 AI 导航(nav.ppv9.com)的同一份工具清单,按本词条的相关度挑选。

小7分享网 · 聚焦 AI 的实用博客

每天一篇,跟进 AI 行业动态、实测新工具、拆解实战教程。不堆术语,不炒概念,只写真正用得上的内容。

浏览全部文章关于本站

欢迎回来

登录 小7分享网,继续你的精彩

还没有账号?立即注册

忘记密码 ?

创建账号

注册后即可体验完整功能

已有账号?直接登录

我们将发送一封验证邮件至你的邮箱, 请正确填写以完成账号注册和激活