推理与成本

预填充与解码

Prefill & Decode

一次推理的两段:先并行读完整个提示,再逐 token 生成回答。

又称 Prefill / Decode 预填充 解码阶段

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

Prefill 阶段把输入提示一次性算完、生成 KV 缓存,是计算密集型、决定 TTFT;Decode 阶段每次只算一个新 token,靠读缓存,是访存密集型、决定 TPS。

两者瓶颈不同,所以长提示加短回答、和短提示加长回答,成本结构完全不一样。现在有框架把两阶段拆到不同机器上分别优化,也是基于这个区分。

✦举个例子

塞进 1 万 token 的文档后再问一句,等待时间主要花在 prefill 上。

✓实战提示

长文档场景优先做提示缓存或压缩输入,比优化生成参数更能压低 TTFT。

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

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