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
- 分类
- 产品与应用
- AI 评分
- 72
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。
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/