Google Cloud Ships llm-d 1.0 With Cache-Aware Routing for TPU and GPU Fleets

Google, Red Hat and IBM released llm-d 1.0, an open-source Kubernetes-native stack for distributed LLM inference. It adds multi-tenant flow control, zero-downtime upgrades and agent-aware routing across vLLM, SGLang, TPUs and GPUs. The post Google Cloud Ships llm-d 1.0 With Cache…

Читать первоисточник — Marktechpost

Мы не копируем чужой контент. Эта страница — честная подборка с прямой ссылкой на оригинал.