产品与应用

小红书 RedKnot 推理引擎:将 KV Cache 按注意力头拆解实现长文本加速

原文标题:让 KV Cache「按头分家」:小红书 RedKnot 如何重做长文本推理新引擎

AI 摘要

RedKnot 将 KV Cache 沿注意力头维度拆解,通过头分类稀疏(局部头占 83.4%–96.8%)、稀疏 FFN 和 SegPagedAttention 三个机制统一算法与存储粒度。在 8 卡 H800 上,TTFT 最高加速 1.6–3.54×,单卡并发提升 4.7–7.8×,预填充 FLOPs 削减 67%–79.5%。DeepSeek-V4-Flash 上 128K 上下文 TTFT 加速达 5.16×,KV 传输最多省 6.3×。精度通常不低于稠密 F1 的 95%。

关键信息

  • RedKnot 将 KV Cache 沿注意力头维度拆解,通过头分类稀疏(局部头占 83.
  • 8%)、稀疏 FFN 和 SegPagedAttention 三个机制统一算法与存储粒度。
  • 在 8 卡 H800 上,TTFT 最高加速 1.
  • 54×,单卡并发提升 4.
  • 8×,预填充 FLOPs 削减 67%–79.

速览

发布时间
更新时间
来源
公众号:小红书技术(dots.llm)
分类
产品与应用
AI 评分
72
阅读原文 前往信息源阅读完整正文
推荐理由

小红书把 KV Cache 从 token 级拆成按头分家,这个思路让长文本推理的 TTFT 和并发都有数量级提升,开源出来对做推理引擎的同学是个福音。

相关实体

来源与版权

本文基于 AIHOT 公开 API 的精选标题与 AI 摘要整理,已注明来源并回链;原文版权归原媒体与作者所有,本站不镜像全文。

原文链接 · AIHOT 条目

如何引用

引用本文时请保留标题、日期与永久链接,并注明来源为橙子新闻。

橙子新闻:小红书 RedKnot 推理引擎:将 KV Cache 按注意力头拆解实现长文本加速。2026年6月29日。https://new.nat6.net/news/cmqz49v7400e4sldyr126zupc/

查看全部 →