一句话定义
Cache-to-Cache（C2C，跨模型缓存语义直传）是一种让两个大语言模型（LLM）绕开文本、把各自的 KV 缓存（Key-Value Cache）里承载的语义状态直接传给对方的通信方式。
先搞清 KV 缓存是什么
LLM 每生成一个字，都要先“读一遍”前面全部内容。为了不重复读，推理引擎会把每一层算好的注意力中间结果——键（Key）和值（Value）——存下来，这就是 KV 缓存。它相当于模型读文章时做的读书笔记：下次用到同一段前缀，直接翻笔记，不必重读。
C2C 和普通缓存复用差在哪
普通 KV 缓存复用有三个前提：同一个模型、同一段 token、同一套推理引擎。比如AI 词典：系统提示词">系统提示词固定，或同一份长文档被反复提问，缓存就能一直吃下去。
C2C 把范围推进到“不同模型之间”：A 模型算完的缓存，直接喂给 B 模型当输入。
为什么难
不同模型的层数、隐藏维度、注意力头数都不一样，缓存张量的形状和数值含义对不上。所以 C2C 中间必须垫一层“翻译器”，把 A 的缓存投影进 B 的表示空间。常见做法是训练一个轻量映射模块，用成对文本让 A 的缓存学着对齐 B 的缓存。
打个比方：A 用速记符号写笔记，B 只认自己那套符号，直接递过去没用，得先有个翻译把速记转成 B 能读的形式。
能省掉哪部分计算
省掉的是 B 的预填充（prefill）阶段——B 不必再把 A 输出的那段文本重新分词、重算一遍注意力。在多智能体（multi-agent）流水线里，这一步常常最费时间，上游输出越长越明显。
还有一笔隐性收益是信息保真度：文本是压缩过的，A 的不确定性和上下文结构在写成字的那一刻就丢了不少，缓存里保留的状态要丰富得多。
和相邻概念的区别
对从业者的实际意义
如果你在做多智能体、级联推理（cascade），或“小模型打底、大模型兜底”的路由架构，C2C 指出了一个方向：模型之间的接口不一定是文本。文本是给人看的中间格式，机器之间本可以走更密的通道。
但边界也要清楚。缓存体积通常比文本大得多，跨进程、跨机器传输本身要带宽；映射模块的精度直接决定下游质量，对不齐就是噪声；这套机制还和具体推理引擎、模型版本强绑定，不像文本接口那样即插即用。它目前更偏研究阶段的方向，工程上能落到什么程度，要看各家推理框架的实际支持，以官方页面为准。
对普通职场人的启示反而简单：多智能体系统里“传话”的成本常被低估，C2C 想省的就是这笔账。