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。
一次推理的两段:先并行读完整个提示,再逐 token 生成回答。
本词条最后核验 2026-11-21 · 由本站编辑整理,欢迎指正
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。
塞进 1 万 token 的文档后再问一句,等待时间主要花在 prefill 上。
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。
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。