9.5 配置调优：容量、Token Budget 与并发上限

参数 / 约束	限制什么	调大后要观察什么
`max_num_seqs`	本轮可运行序列数上限	KV 容量、长尾请求、Decode batch
`max_num_batched_tokens`	本轮计算 token 预算	Prefill chunk、TTFT / TBT 与临时激活
`max_model_len`	单请求允许的上下文上限	长请求的容量与位置能力，不是全局 token 预算
`gpu_memory_utilization`	引擎显存预算的比例配置	可用 KV 块、其他进程空间；不是 GPU 算力利用率
KV 可分配块	运行时容量约束	抢占、重算、Prefix 保留与临时投机槽位

Chunked Prefill 下较小的 token budget 可以减少长 Prefill 对已有 Decode 的干扰，却可能延后长 Prompt 的 TTFT；较大预算有利于更快推进 Prefill，也增加单轮耗时和峰值工作区。固定值不是跨 GPU 的最佳答案，按真实输入 / 输出长度与到达率扫描。vLLM 调优说明

实验矩阵：短入短出、长入短出、短入长出、混合长短请求；每组记录等待、TTFT、TBT P99、实际 batch token、抢占与 KV 占用。先判断是否被 KV 容量卡住，再判断是 Prefill 预算还是并发预算不足。