搜索

vLLM于2026年10月6日发布0.31.0，汇集717次提交、307名贡献者（96名新加入）。重点优化DeepSeek-V4.1-Flash性能、快速重启与投机解码，并调整安全默认值。国内可用性与价格未知，本条未实测。

vLLM仓库发布proto-v0.5.0标签，对应说明为Release vllm-proto 0.5.0，由BugenZhao于2026年10月9日完成标记。现有资料没有列出更新内容、资产文件、价格和国内可用性，相关细节均未知。

vLLM项目仓库出现proto-v0.6.0标签，页面显示为vllm-proto 0.6.0，由njhill于2026年10月14日标记。发布说明与两项资产均加载失败，功能变化、接口参数、价格及国内可用性均未知。目前只能确认版本标签存在，尚不能判断升级影响。

vLLM发布0.32.0，汇集814次提交与363位贡献者。新版带来结构化决策接口、通用解析器、更广的低精度KV缓存和Model Runner V2优化，并新增EmbeddingGemma 2等模型；同时修复安全缺陷并调整多项默认行为。国内是否可用、定价均未知。

英伟达放出GLM-5.3-Flash的NVFP4本地量化权重：总参3200亿、激活180亿，支持文本、图像、视频，上下文约100万。模型卡称约166GiB显存，双路RTX PRO 6000或DGX Spark可用vLLM；新缩放格式上游未支持，须社区容器。国内与价格未知。

英伟达发布阿里Qwen3.8-Flash-Next的NVFP4量化版，总参1250亿、激活60亿，支持文本图像视频，上下文可至100万token。模型卡显示Blackwell配合vLLM验证，GPQA与工具基准接近BF16；新尺度压缩尚未进入上游vLLM，须用专用容器。国内可用性与价格未知。

上海人工智能实验室发布35B混合专家智能体模型Sage-A1.5，基于Qwen3.6与Agents-A1，主打子任务并行编排、过程核验和开放科学探索。模型卡列出多项基准成绩，并说明可用Transformers、vLLM和SGLang加载。价格、国内可用性未知，本文未实测。

Fish Audio推出Drama 3语音合成模型，主打多角色长内容，单段文本最多标记16个说话人，并支持声音克隆与自然语言控制。总参数350亿、每token激活约30亿，可经SGLang-Omni或vLLM-Omni部署流式服务。价格与国内可用性未知，公开性能基于H200，本条未实测。

vLLM 0.32.0加入/v1/systemone结构化决策接口，扩展多模态模型与低精度缓存支持，并修复多项资源耗尽问题。升级同时移除Python 3.10支持、收紧默认跨域策略和调整依赖范围，服务端与前端调用都需要做兼容检查。

Drama 3 面向多角色场景与长篇配音，支持声音克隆、自然语言表演控制和最多十六个角色标签。模型采用 350 亿总参数、约 30 亿活跃参数架构，HF Space 提供直接生成入口；权重使用 Fish Audio 社区许可，商用须核对条款。长文本会自动分块。

vLLM 0.31.0发布，重点优化DeepSeek推理、投机解码和大规模服务，并新增权重预加载及实验性引擎快照。版本也调整多模态请求参数的信任开关和若干量化配置，已有部署应先核对破坏性变更，再评估重启时间和服务表现。