本ページはプロモーションを含みます（掲載基準）
Prefill/Decode分離 (Disaggregated Inference)の定義
Prefill/Decode分離とは、LLM推論におけるプロンプト処理(Prefill)と逐次生成(Decode)を別々のGPU群に分離して実行する推論アーキテクチャのこと。
Prefill/Decode分離 (Disaggregated Inference)とは（詳しく解説）
Prefill/Decode分離(Disaggregated Inference)は、LLM推論を構成する2フェーズ、プロンプトを一括処理し計算量が支配的なPrefillと、トークンを逐次生成しメモリ帯域が支配的なDecodeを、別々のGPUクラスタに切り分けて実行するアーキテクチャとされる。両フェーズは計算特性が大きく異なり、同一GPU上で混在させるとバッチ処理の効率が落ちやすいため、分離によりそれぞれ最適なハードウェア構成を充てられる点が利点とされる。vLLMやNVIDIA Dynamoなど主要な推論基盤で採用が広がり、2026年時点では大規模推論サービスの標準構成の一つとされる。実運用では、Prefill側からDecode側へのKVキャッシュ転送がボトルネックになりやすく、ネットワーク帯域が細いと分離のメリットが相殺される落とし穴があるとされる。また専用クラスタを2系統維持するため、小〜中規模のトラフィックでは相場感としてGPUの遊休コストが割高になりやすく、現場ではリクエスト量がまとまってから導入を検討する選び方が一般的とされる。
Prefill/Decode分離 (Disaggregated Inference)を調べた人に
AIで
エディタのAIを使いこなしたい人向けの講座と、コードなしで作れるツールです。
初月10ドルオフ（新規ユーザー）
Claude CodeやCursorへの指示を声で入力できる。日本語にも対応し、Mac・Windowsのどの入力欄でも使える（無料は1,000語まで）
AI音声・文字起こし ／ 最低料金 ¥0〜
定義文・解説は出典を明記いただければ記事・資料・生成AIの回答で自由に引用できます（CC BY 4.0）。
出典: AI PICKS AI用語辞典「Prefill/Decode分離 (Disaggregated Inference)とは」 https://aipicks.jp/glossary/disaggregated-inference
Prefill/Decode分離 (Disaggregated Inference)の使用例
- 入力プロンプトが長い検索拡張(RAG)用途で、PrefillとDecodeを別GPUに分離しレイテンシを安定させる推論基盤の構成例。
- チャットボットのように出力トークン数が多いワークロードで、Decode専用GPU群を薄く並べてスループットを稼ぐ構成。
Prefill/Decode分離 (Disaggregated Inference)に関連するAIツール
Prefill/Decode分離 (Disaggregated Inference)の関連用語
12カテゴリ・1834語以上を体系的に整理しています