🤖 AI 开发者生态日报

vLLM v0.30.0 起引入基于 FP8 的 KV Cache 与多token 预测（MTP）融合方案，在保持吞吐的同时显著降低显存占用。NVIDIA 官方容器 nvidia/nemo:25.10-infra-ml-latest 将 vLLM 预装并新增 GPT-oss 系列支持。同时修复了 CVE-2026-103241 安全漏洞。

Release 1.3 正式弃用 TRITON MoE 后端，1.4.0-rc0.dev 已先行发布，新增 DGX Spark 支持、Falcon 推理优化、FP8 量化增强。Triton Inference Server 25.11 也同步更新，集成 vLLM 0.11.0 与 TensorRT-LLM release/1.0.0 支持。

LangGraph v1.1.0 正式发布，引入强化版 StateSchema 类型系统，支持更精细的状态追踪与验证；配合 LangSmith Engine v2（9月24-25日）实现 Agent 执行链的端到端可观测性，为复杂多步 Agent 工作流提供更强支撑。

v0.40.0 在 Apple Silicon 上默认切换至 MLX 后端，支持 Qwen3.8 系列、DeepSeek-R13 等模型；新增对 Jev 推理模型（OpenDecider、Autotrust JEV 系列）及 Clef 决策模型的原生支持；多模态 Embedding API 进入公开预览；本地 MCP 服务器托管能力增强；同步发布 v0.40.0-rc6 修复多模态模型性能退化问题。

Managed Deep Agents v0.9 新增 Per-run Config（每次运行自定义 Agent 行为）、Schedule（定时/周期性执行）和 Slack 表情回复（直接由 Agent 响应 @mention），使 LangSmith 的 Agent 管理能力从单次调试走向生产级定时自动化。

Model Context Protocol (MCP) Python SDK 在 GitHub 趋势榜登顶（24K+ stars），npm 月下载量突破 2.42 亿；GitHub 上 mcp-server 相关仓库已超 33,674 个，生态爆发式增长。但安全社区发出警示：MCP 服务器执行链中存在隐私泄露与供应链攻击风险，建议引入沙箱隔离与权限审计机制。

Claude Opus 5.5 和 Haiku 5.5 同日上线，Opus 5.5 新增视觉搜索能力（可在对话中分析屏幕截图并执行操作）；缓存计费费率下调，降低长上下文 Agent 调用成本；Computer Use SDK 工具进入 Beta，允许 Agent 直接控制浏览器与桌面环境。

LangSmith Engine v2 发布，配合全新 Trajectories 功能，可记录 Agent 每一步决策的完整链路（状态转换、工具调用、子 Agent 交互），支持生产环境中 Agent 行为的可视化回放与性能分析。

Anthropic 发布 MCP 官方参考实现仓库，涵盖 Python/TypeScript/Java 三种语言 SDK，提供完整的 Server/Client 模板、协议规范文档及安全最佳实践，降低企业接入 MCP 协议的门槛。

xAI 发布 Grok 4.7，引入多 Step Agent 模式，支持自主规划任务序列、调用外部工具、根据中间结果调整策略，是 GPT-5.5 Agent 模式之后又一重要 Agent 化更新。

MLPerf Inference v6.1 基准测试结果公布，NVIDIA GB300 NVL72 在多类别推理任务中刷新性能纪录；同期发布 DLRMv4 深度学习推荐模型基准（10月1日）及 AI Agent 隐私风险评估分类体系，为推理性能与安全合规提供新标尺。

NVIDIA Dynamo v1.5.0 正式发布（GA），整合 SGLang 0.5.18、TensorRT-LLM 1.3.0-rc25、vLLM 0.28.0 等主流推理后端，提供统一部署入口；v1.4.0 兼容性文档同步更新，降低存量用户升级成本。

Triton Inference Server 25.11 版本发布，内嵌 vLLM 0.11.0 后端与 TensorRT-LLM release/1.0.0，支持开箱即用的大模型推理服务部署，兼容主流 HuggingFace 模型格式。

Unsloth 推出与 FlashAttention-3 深度集成的训练加速方案，针对 Llama/Qwen 等主流架构优化，可在保持精度的同时将训练吞吐量提升 20-30%，进一步降低大模型微调门槛。