待验证50% 置信事实精确时间
传统LLM推理引擎在处理KV Cache时存在严重的内存碎片问题，对于13B参数模型，单个请求的KV Cache可能占用数GB内存，而实际利用率可能低于50%
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/2
首次发现
有效期至：2026/9/30
来源
vLLM Deep Dive: How PagedAttention Enables High-Throughput LLM Inference
githubvllm-project2026/6/6
相关事实
待验证对于70B参数的模型，8K上下文的KV Cache可能额外占用数GB显存77% 相似待验证数千亿参数模型处理128K上下文窗口时，KV Cache可能占据数十GB显存77% 相似待验证在长上下文场景（如128K token窗口模型）中，KV Cache的显存占用可能超过模型权重本身76% 相似待验证对于拥有32层、32头注意力的典型7B模型，每个token需约0.5MB显存存储KV Cache，生成1000个token则需额外约500MB显存74% 相似已验证KV Cache的显存占用随序列长度线性增长，700亿参数采用GQA的模型处理10万Token时KV Cache占用可能高达数十GB73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/54031API
curl https://kongchang.com/api/v1/knowledge/claims/54031MCP
get_claim(id=54031)