vLLM 发布 vllm-metal v0.28.0：在 Apple Silicon 上支持并发推理服务

Announcing vllm-metal: Concurrent Serving on Apple Silicon

vLLM 官方发布 vllm-metal v0.28.0，把 vLLM 的 V1 调度器、paged KV cache 和 OpenAI 兼容服务器带到 Apple Silicon，由 MLX 和 Metal 执行模型，版本号与上游 vLLM 对齐。

transformers 支持直接加载 GGUF 量化模型，本地推理性能接近 llama.cpp

Transformers now runs llama.cpp quants

Hugging Face 宣布 transformers 支持直接运行 GGUF 量化模型，通过 from_pretrained 传入 gguf_file 即可加载 Hub 上的 GGUF checkpoint，并复用 ggml 的 Metal 内核。

OpenRouter 推出 Batch API，批量推理可享半价

Batch API: half-price inference by bundling requests

OpenRouter 发布 Batch API，异步批量请求由供应商在 24 小时窗口内完成，通常按正常 per-token 价格的 50% 或更低收费，目前已支持 70 多个模型。

Kimi 发布浏览器扩展，由 Kimi WebBridge 更名而来

Meet the new Kimi Browser Extension, formerly Kimi WebBridge. From your browser sidebar, you can ch...

Kimi 发布新的 Kimi Browser Extension，前身为 Kimi WebBridge。用户可在浏览器侧边栏与 Kimi 对话，让它导航网页、填写表单并完成任务；对重复性任务，可录制一次操作步骤保存为 skill，下次由 Kimi 接手执行。产品现已在 kimi.com/products/kimi-browser-extension 和 Chrome Web Store 上线。

Seedance 2.5 API 上线 Draft 模式，480P 试错后 1080P 一次成片

Seedance 2.5上线Draft模式：480P高效试错，1080P一次成片

火山引擎为 Seedance 2.5 API 推出 Draft（样片）模式，先用 480P 快速生成样片验证创意，选中后再通过样片 ID 生成 1080P 成片，复用提示词、参考素材、seed、ratio、duration 等参数保证一致性。

LiteParse 9 月更新：PDFium 提速 20-25%，新增视觉定位与 is-complex 路由 API

LiteParse Updates: September 2026

LlamaIndex 发布 LiteParse 2.14.6 更新，通过对自维护 PDFium fork 做内存分配优化（内置 mimalloc）等手段，将文本提取耗时降低 20-25%，平均 2.76ms/页，markdown 渲染 3.94ms/页。

Apple 新款 Mac mini（M6/M5 Pro）与 Mac Studio（M5 Max/M5 Ultra）今日开售

The new Mac mini and Mac Studio are available today

Apple 宣布新款 Mac mini 和 Mac Studio 于 9 月 22 日开售。Mac mini 搭载 M6 和 M5 Pro，AI 性能最高提升 4 倍。

Google 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 并正式开放 Gemini API Voices 端点

September 22, 2026

Google 宣布 Gemini 3.8 Flash TTS（gemini-3.8-flash-tts）和 Gemini 3.8 Flash-Lite TTS（gemini-3.8-flash-lite-tts）正式可用，并发布 Gemini API Voices 端点（/v1beta/voices）。

Fireworks AI 推出 Specialized Intelligence Index 领域基准索引

Introducing The Specialized Intelligence Index

Fireworks AI 推出 Specialized Intelligence Index（SII），汇集开放、闭源与专用模型在真实工作任务基准上的表现，首批覆盖医疗、法律、网络安全、金融、客服、生产力和软件七个领域。

vLLM 引入硬件无关层以兼容 torch.compile 与 OOT 加速器

Hardware-Agnostic Models in vLLM

vLLM 为追求前沿性能正转向硬件专用的 flat 模型定义，与 fullgraph torch.compile 不兼容，影响 OOT 加速器、旧 GPU 和较冷门模型的支持。