月の暗い面、この波で事前埋め込みを異なる場所に投げて走らせ、KVキャッシュはイーサネットを通じて耐えられる、1Tモデルのスループットは直接54％増加、異種スケジューリングを理解した

ME News 報道、月の闇面と清華が arXiv にて Prefill-as-a-Service を提案、大規模モデル推論の事前埋め込み段階をデータセンター間で実行。
ハイブリッドアテンションモデルを用いて KV キャッシュのスループットを大幅に低減し、キャッシュをイーサネット経由で伝送し、ローカルクラスターのデコードに戻すことを可能に。
PrfaaS アーキテクチャは独立した事前埋め込みクラスターを構築し、長いコンテキストの未ヒットリクエストのみをルーティング、短いリクエストはローカルの PD に残す；また、長さ閾値ルーティングや帯域幅感知スケジューリングを導入。
実測では 1T パラメータのハイブリッドモデルが、同構成の PD より 54%、素朴な異種モデルより 32% のスループット向上を実現。