待验证50% 置信事实精确时间
在vLLM中真正执行物理显存分配的是GPUModelRunner，Worker更多扮演资源编排者角色
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/9/10
首次发现
有效期至：2026/12/9
来源
涉及实体
相关事实
待验证vLLM采用调度-执行分离架构，调度侧负责请求管理、序列调度和逻辑资源分配，执行侧负责实际的模型推理和物理显存管理71% 相似已验证vLLM通过PagedAttention技术实现了高效的KV Cache管理，将GPU显存利用率提升数倍70% 相似待验证真正的物理显存分配发生在vLLM的Worker侧，而逻辑层面的block pool与block table由调度侧建立68% 相似待验证vLLM采用连续批处理技术允许不同用户请求在同一GPU批次中并行处理，提升吞吐量的同时使请求间内存边界管理更精细68% 相似待验证现代大模型对外服务往往依托 vLLM、SGLang、TensorRT-LLM 等推理框架，运行在 AWS、CoreWeave、Lambda 等 GPU 云服务商的算力之上66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/888496API
curl https://kongchang.com/api/v1/knowledge/claims/888496MCP
get_claim(id=888496)