CoMixKV：多智能体系统 KV 缓存协同混合精度量化
原文标题：Coordinated Mixed-Precision KV Cache Quantization for Efficient LLM-based Multi-agent Systems
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 CoMixKV，首个在共享显存预算下跨同时驻留的多个智能体缓存联合分配精度的混合精度 KV 缓存量化框架，结合在线敏感度估计与智能体-层比特宽度联合分配，无需校准数据或额外前向。在 Qwen3-32B 上峰值 KV 缓存显存降低 32.08%，推理加速 1.38 倍。
深读 · 结论先行AI 生成展开看要点与影响 ↓
CoMixKV 首次在共享显存预算下跨多智能体联合分配 KV 缓存精度，Qwen3-32B 上显存降 32.08%、加速 1.38 倍。
- •首个在共享显存预算下对同时驻留的多个智能体缓存联合分配比特宽度的混合精度 KV 量化框架
- •在线敏感度估计基于局部注意力误差界，用近期 Q/K/V 推导，无需校准数据、试量化或额外前向
- •共享控制器结合剩余可量化容量与字节级存储成本，最小化总估计误差，并随智能体启停动态刷新分配
- •在 4 个基准、3 个骨干模型、平均 2/3/4-bit 设置下精度优于所对比的量化基线
- •量化只作用于新写入块，近期状态保留原生精度，已量化块不再改动
为什么重要：多智能体系统同时驻留的 KV 缓存是显存瓶颈，独立套用单模型量化策略会忽略各智能体精度需求差异；该工作把精度分配提升到系统级，直接影响多智能体部署的显存成本与推理速度。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
谷歌 Gemini 4 Carbon 全面超越 Opus 5.5，首发 Token 半价
AI 摘要谷歌发布 Gemini 4 Carbon，宣称在多项能力上全面超越 Opus 5.5，并推出首发 Token 半价优惠。该模型可连续数日修复 Bug，且具备免疫提示词注入的安全特性，加剧头部大模型竞争。
谷歌发布 Gemini 4 Carbon，主打网络安全能力跃升
AI 摘要谷歌推出前沿模型 Gemini 4 Carbon，在编程、智能体任务和网络安全方面显著提升，登顶 Artificial Analysis 智能指数，领先 Claude Opus 5.5 与 GPT-6 Astra。该模型目前仅向部分网络安全防御公司开放，定价与 Argon 相同，为每百万输入 token 2 美元、输出 10 美元。
谷歌发布 Gemini 4，API 限时半价
AI 摘要谷歌正式发布 Gemini 4，被视为重回大模型第一梯队的关键动作，同时推出 API 限时半价优惠。该发布对模型竞争格局与开发者成本结构均有直接影响。
谷歌 Meta 发布前沿模型，AI 竞赛重启
AI 摘要谷歌发布 Gemini 4 Argon，Meta 推出新前沿模型，两家公司声称可与 OpenAI 和 Anthropic 的旗舰模型匹敌。谷歌以激进定价策略切入市场，入门期价格比竞争对手低至80%。AI 前沿竞争格局重新洗牌。