Anthropic Claude Opus 5.5 / Fable 5.1 正式商用，Claude 平台 9 月 22-25 日密集更新
vLLM 0.30.0 引入多 token 预测、FP8 KV Cache、Mamba/State Space Model 原生支持；TGI 3.1.2 同步更新
HYV4 是首个支持 HuggingFace 的 780B 参数混合专家模型，VibeVoice 引入 next-token 扩散语音合成
新增 HYV4（780B MoE，激活 49B 参数，1M 上下文）、VibeVoice（LLM 结构扩散语音合成）、NeoMME（260M/800M 多模态编码器）、Fun-ASR-Nano、Kimi Linear、Canary-1B-v2、NeuCodec 等模型支持；同时带来 generation、cache、kernel、quantization 和 vision RoPE 的重大改进及多项 bug 修复。
🔗 查看文档核心更新：多 token 预测（MTP）原生支持、FP8 KV Cache 量化、Mamba/状态空间模型（SSM）原生推理、长上下文优化（支持 1M+ 上下文窗口）、MoE 模型路由优化；v0.30.1rc0 修复了若干稳定性问题。
🔗 查看发布说明跟随 vLLM 生态的更新节奏，TGI v3.1.2 持续优化了 HF 生态模型的推理性能与部署易用性，支持最新一代 MoE 模型与稀疏注意力架构。
🔗 查看文档Engine v2：新增红队测试（Red Teaming）能力，可自动生成假设并测试生产环境中的潜在问题；扩展错误检测类型（延迟、成本趋势、低效工具调用）；自动验证修复方案。
Trajectories：提供会话级轨迹视图，聚合多层 trace 为可读的时间线对话，便于快速定位行为偏差。
Custom Apps：支持用自然语言或模板构建定制化 LangSmith UI，无需自建前端即可创建评审队列、实验对比界面等。
Managed Deep Agents v0.8：新增用户级记忆、身份绑定认证、扩展通道与工具管理。
CrewAI 宣布从 1.14 版本起完全独立于 LangChain，移除所有 LangChain 依赖。新增对 A2A（Agent-to-Agent）协议和 MCP（Model Context Protocol）的原生支持；企业级特性包括 FedRAMP High、专用 VPC、SSO 集成；月度 Agentic Workflow 处理量突破 4.5 亿次。
🔗 查看文档OpenRouter 新增 Google Gemini 3.1 Pro 和 Fast 的接入，同时上线 Claude Opus 5.5（$4/MTok 输入，$20/MTok 输出，1M 上下文）的 API 调用通道，为开发者提供更灵活的多模型路由选择。
🔗 查看模型列表Hy4-Preview 是 HuggingFace 社区最受关注的 780B 参数混合专家模型，每 token 激活 49B 参数，上下文窗口达 1M tokens。架构融合了 MLA（多头隐式注意力）、DSA（DeepSeek 稀疏注意力）、Gated MLA + 可学习 Attention Sinks 和 iHC（独立超连接）四项前沿技术。已在 transformers v5.17.0 中获得原生支持。
🔗 HuggingFace 模型页VibeVoice 是一种创新的语音合成框架，在 LLM 结构内采用 next-token 扩散方法生成高保真多说话人长音频，专为播客和有声书等真实对话场景设计，可在 Diffusers 中直接使用。
🔗 HuggingFace 模型页9 月 24 日，HuggingFace LeRobot 数据集页面新增episode 预览功能，支持多摄像头同步回放和悬停预览；数据集列表页新增机器人类型、episode 数量等元数据展示。
🔗 浏览数据集Claude Opus 5.5 面向长期代理编程和知识工作，默认 1M token 上下文窗口、128K 最大输出、自适应思考（adaptive thinking）始终启用。定价 $4/$20 per MTok（较 Opus 5 的 $5/$25 降低 20%）。在 Claude API、Amazon Bedrock、Google Cloud Vertex AI、Microsoft Foundry 均可访问。注意：Opus 5.5 思考不可禁用，tool_choice any/tool 类型均返回 400 错误，需改用 auto + 严格工具使用模式。
🔗 产品页9 月 22 日：支持在中断对话的系统消息中动态添加工具定义（beta: inline-tools-2026-09-15），无需重置 prompt cache；9 月 23 日：缓存诊断（cache diagnostics）正式转正，移除 beta 头部要求；9 月 24 日：恢复对 "bio"/"frontier_llm"/"reasoning_extraction" 类别拒绝输出的计费（此前免费）。
🔗 发布说明GPT-6 Sol 面向复杂代码和代理工作流，支持 1.05M 上下文、128K 输出、文本/图像输入，定价较前代更具竞争力。GPT-6 Luna 为高效轻量版本，适合高并发任务。两者均支持 reasoning effort 调节。
🔗 OpenAI 官方博客huggingface_hub 库正式支持通过 OpenAI SDK 和 Anthropic Python SDK 调用远程 Agent，允许用户通过统一的 HuggingFace Agents 接口对接主流闭源模型，降低 Agent 开发门槛。
🔗 查看文档阿里通义团队发布 Qwen-Agent 多模态版本，集成 Qwen3.5-Omni 模型，支持视频理解（最长 1 小时）与原生语音交互，覆盖视频分析、知识问答等应用场景。
🔗 GitHub 仓库vLLM v0.30.0 最重要的更新包括：① FP8 KV Cache 量化正式进入稳定版，大幅降低长上下文推理显存占用；② Mamba/SSM 模型原生推理支持；③ 多 token 预测（MTP）原生集成，无需额外补丁；④ MoE 模型路由算法优化，提升 780B 参数级模型的吞吐效率。配合 HYV4 等新一代 MoE 模型，vLLM 成为落地百万参数模型的首选推理引擎之一。
🔗 v0.30.0 文档TGI v3.1.2 继续完善对最新一批开源模型的原生支持，包括 NeMo 架构、Qwen3 系列及 MoE 模型的 Tensor Parallelism 优化。
🔗 TGI 文档开源微调框架 Axolotl 发布 v1.10.0，新增对 Qwen3.5-Omni 多模态模型的训练支持，同时优化了 DeepSpeed ZeRO-3 与 FSDP 的混合训练稳定性，支持更长的多模态序列（视频帧/音频片段）处理。
🔗 GitHub 仓库HuggingFace 在 Jobs 页面新增 Resources 面板，实时显示 CPU、RAM、GPU 和 VRAM 使用率（每秒刷新），帮助开发者更直观地监控分布式训练任务的资源消耗。
🔗 Changelog组织用户现可通过 Google Cloud Marketplace 订阅 HuggingFace Inference、Spaces、Jobs、存储及 Seats 服务，费用直接并入 Google Cloud 账单，无需额外注册供应商账户。
🔗 Changelog据 LLM Market Cap 数据，2026 年 9 月共有 54 个新模型发布。评分最高的为 Claude Fable 5.1（96 分）和 Claude Opus 5.5（95 分），其次为 Grok 4.7（89 分）和 GLM 5.3 Prime（79 分）。其中 Gemini 3.1 Pro 与 Fast 于 9 月下旬上架 OpenRouter，成为本月最受关注的商业模型之一。
🔗 LLM Market CapMLCommons 于 9 月中旬发布 MLPerf Inference v6.1，新增多模态模型（视觉+语言联合推理）和 Agent 类工作负载的 benchmark，更贴合当前大模型实际部署场景。
🔗 MLPerf 官网