9 月 20 日，阶跃星辰正式发布新一代旗舰基座模型 Step 5 Preview。该模型基于稀疏 MoE 架构，总计 6000 亿参数、每次激活 270 亿参数，原生支持视觉输入与 100 万 token 上下文窗口。在 AA 综合智能指数中得分 44，软件工程评测达 67.7 分，单任务成本仅为 Claude Opus 5 的八分之一。完整开源权重计划于 10 月 15 日发布。
月之暗面于 9 月 24 日推出 Kimi「OK Computer」Agent 模式，基于万亿参数 Kimi K2 模型，赋予 AI 自主规划并完成复杂多步任务的能力。模式可在虚拟计算机环境中运行，支持网站开发、大规模数据分析、图文生成及高质量 PPT 制作，无需预设工作流即可执行。
vLLM 联合 NVIDIA 公布 SemiAnalysis InferenceMAX 基准测试结果：在 Blackwell B200 GPU 上，GPT-OSS 120B 和 Llama 3.3 70B 等主流模型的吞吐相较上一代 Hopper GPU 提升最高达 4 倍，延迟保持同等水平。vLLM 25.09 版本同步引入 NVFP4 4-bit 浮点格式支持和 DeepSeek-R1 优化。
PyTorch 2.9 RC1 已随分支冻结完成发布（预计 10 月 15 日正式 GA）。核心新特性包括：稳定的 libtorch ABI 更新（利于第三方 C++/CUDA 扩展）、对称内存（Symmetric Memory）实现多 GPU 算子轻松编程、torch.compile 中可任意切换 graph break 时 error/resume 行为、扩展支持 ROCm/XPU/CUDA wheel 变体。
NVIDIA 容器镜像 vLLM 25.09 已上线 NGC。新增特性：支持 Blackwell GPU 上的 NVFP4 4-bit 浮点格式、DeepSeek-R1 和 Llama-3.1-8B-Instruct 推理优化。vLLM V1 核心架构 alpha 版持续演进中。
9 月 19 日 Ollama 推出云端模型（Cloud Models Preview）功能，允许在本地保留工作流的同时运行超出个人电脑显存的大型模型。9 月 23 日更新包含显著改进的模型调度系统，减少 OOM 崩溃、最大化多 GPU 利用率。
llama.cpp b11052 修复了强制 AI 以严格格式（如 JSON schema）输出时的关键 Bug。AMD LLM Extension 25.09 同步加入 FlashInfer 支持并更新 llama.cpp 至 b6356，增加 ROCm 7.0.0/6.4.x 系列对 MI325X、MI300X、MI210 GPU 的完整支持。
Kimi OK Computer 是 Kimi K2 万亿参数模型的原生 Agent 模式，赋予 AI 独立的虚拟计算机环境，可自主完成需求研究、规划、设计到开发的全链路任务，支持多页网站生成、100 万行数据处理、文本/音频/图像/视频多模态输出。当前处于小范围灰度测试阶段。
Anthropic 将 Claude Code SDK 正式更名为 Claude Agent SDK，开放相同的底层工具、上下文管理和权限框架，支持子智能体（subagents）和钩子（hooks）扩展，供开发者构建金融合规、网络安全、代码调试等各类专用 Agent。
Microsoft 推出基于 .NET 的 Agent Framework Preview，整合 AutoGen 与 Semantic Kernel 的核心能力。AutoGen 已进入维护模式，新功能将统一在 Microsoft Agent Framework 下开发。框架提供低样板代码构建 Agent、多 Agent 编排、.NET 标准部署模式和生产级可观测性。
Google 发布 Chrome DevTools MCP 公测版，使 AI 编码智能体能够控制并检查实时 Chrome 浏览器实例，支持性能指标录制、DOM/CSS 结构检查、JavaScript 执行、控制台输出读取及用户工作流自动化。
Figma 发布官方 MCP Server，允许 AI 模型直接访问 Figma 设计文件后端的代码层，实现 AI 智能体与设计工具的无缝协作，自动化 UI/UX 设计流程的一部分。
CData 发布 Connect AI 平台，集成 300+ 企业数据源，为 AI 助手、Agent 编排和工作流自动化提供安全的数据连接层，保留源系统的治理和认证机制。
NVIDIA 于 9 月 9 日 AI Infra Summit 上发布 Rubin CPX，一款专为大规模上下文推理优化的 GPU 新品。配合 Vera CPU 和 Rubin GPU 组成 Vera Rubin NVL144 CPX 平台，可处理百万 token 级的软件工程代码和生成式视频任务，推理性能和效率突破现有技术上限。
NVIDIA 发布 Jetson AGX Thor 端侧推理方案：在 Llama 3.3 70B 上结合 W4A16 量化与 EAGLE-3 投机解码，vLLM 吞吐从 6.27 tok/s 提升至 16.1 tok/s（2.5x 加速）。Day-0 支持 llamacpp/ollama 上的 gpt-oss 模型，Nemotron 模型 Week-Zero 支持。
Docker Model Runner 正式集成 vLLM 推理引擎和 safetensors 模型格式，开发者可使用熟悉的 Docker 工具链实现高吞吐 LLM 推理部署，同时保留 llama.cpp 作为备选引擎。
MLflow 3.4.0 带来重大特性：将 span 级别统计信息导出为 OpenTelemetry 指标，增强追踪应用的观测能力；支持 Databricks 作为 MLflow Server 后端；生产级 Kubernetes Helm Chart 现已可用（含 TLS、持久化存储、Ingress、Prometheus 指标、NetworkPolicy 等）。
Kubeflow 1.11 正式发布，核心新特性包括 KServe 集成 KEDA 事件驱动弹性伸缩、Gateway API 支持（Raw Deployment 模式）、PVC/PV 在 InferenceService 删除后保留以实现模型缓存，以及 URI 匹配修正和缓存不匹配防护等稳定性修复。
OpenAI 与 NVIDIA 宣布战略合作，OpenAI 将部署至少 10GW 的 NVIDIA AI 数据中心（百万级 GPU），NVIDIA 将分期投入最高 1000 亿美元。首批 Vera Rubin 平台将于 2026 年下半年部署。
Meta 发布 320 亿参数 Code World Model，深度理解编程环境，支持高级代码生成和推理能力。需 160GB VRAM（双 H100 + RDMA）才能完整运行，代表 Meta 在 AI 编程辅助领域的持续投入。
Microsoft 宣布将在 Microsoft 365 Copilot 中集成 Anthropic Claude 模型，为企业客户提供除 OpenAI 之外的第二个大模型选择，进一步完善 Copilot 的多模型策略。
腾讯在 Hugging Face 发布 SRPO（Directly Aligning the Full Diffusion Trajectory with Fine-Grained Human Preference），通过优化 FLUX1dev 的去噪过程和在线奖励调整，使图像生成的真实感和美学质量提升超过 3 倍。
Decart AI 开源 Lucy Edit（v0.1），首个面向文本引导视频编辑的基础模型。模型权重在 Hugging Face，API 通过 FAL 提供，ComfyUI 节点同步可用。
Meta 发布 MetaCLIP2 多语言视觉-语言模型，支持跨语言图像-文本检索，已集成至 Hugging Face transformers 库。配套提供了文本到图像搜索的完整 Notebook 教程。