vLLM v0.32.0发布：新增 /v1/systemone结构化决策端点，MRV2在ROCm上成为默认
该版本包含 363 名贡献者的 814 次提交，其中 121 人为新贡献者。发布说明列出结构化决策端点、通用hf工具与推理解析器、低精度KV cache扩展以及多项破坏性变更。
AI解读：vLLM发布v0.32.0，包含 814 次提交、363 名贡献者，其中 121 名为新贡献者。
新增POST /v1/systemone端点，发布说明称其在结构化状态上回答choice、noul、score类问题，默认启用，并支持Cloudflare/clef-omni、LiquidAI/d1-3B和DiffusionGemma。
新增hf工具与推理解析器（--tool-call-parser hf、--reasoning-parser hf），按checkpoint的response_template解析，Python与Rust前端均支持。
低精度KV cache扩展：NVFP4覆盖SM8x、SM12x、SM90及SM12x的XQA decode；GLM-5.x在SM100默认FP8 KV cache，发布说明称吞吐提升 2.3-5.5%。
破坏性变更包括停止支持Python 3.10、默认限制CORS来源、要求transformers>=5.16.1 与tokenizers>=0.23.2、移除cascade attention与mamba_cache_mode="all" 等。
vLLM发布v0.32.0。发布说明（作者khluu）称该版本包含 814 次提交，来自 363 名贡献者，其中 121 名为新贡献者。
新增 /v1/systemone与hf解析器
发布说明介绍新端点POST /v1/systemone，在结构化状态上回答choice、noul和score类问题（#59299），并称其默认启用（#60677、#60696）。同一端点也运行在Cloudflare/clef-omni（#61064）、LiquidAI/d1-3B（#60676）和DiffusionGemma（#60466）上。
新的hf工具与推理解析器通过 --tool-call-parser hf、--reasoning-parser hf启用，读取checkpoint的response_template，发布说明称随模型附带该模板时无需模型专用解析器（#58604、#58602），Python和Rust前端均支持（#59005）。
- 端点：POST /v1/systemone，默认启用。
- 已列出的适配模型：Cloudflare/clef-omni、LiquidAI/d1-3B、DiffusionGemma。
- hf解析器依赖checkpoint自带response_template。
低精度KV cache的覆盖范围
发布说明列出NVFP4 KV cache的新硬件范围：SM8x与SM12x（#46963）、SM90（#60620）、SM12x上的XQA decode（#60452），以及在SM100上用于MiniMax-M3稀疏注意力（#59300）。
GLM-5.x在SM100上默认使用FP8 KV cache，发布说明称吞吐提升 2.3-5.5%（#60140、#60281）；SM90上的fp8_ds_mla使GLM-5.3-Flash输出吞吐最高提升 31%（#59246）；ROCm新增 4-bit ultraquant_4bit KV cache，发布说明称密度约为FP8的 2 倍（#57057）。
- 上述百分比均为发布说明中的单项数据，未给出独立评测条件。
- MRV2现为ROCm上所有模型的默认后端（#56360）。
破坏性变更与安全修复
版本停止支持Python 3.10（#60402），默认CORS来源被收紧（#61009），依赖提升至transformers>=5.16.1 与tokenizers>=0.23.2（#57387、#59796）。被移除的内容包括torch.compile序列并行与AsyncTP pass（#60517）、cascade attention（#61126）、mamba_cache_mode="all"（#58997）。max_tokens不再是上下文窗口预留量（#57035），Responses API的推理流事件被重命名（#59652）。
安全修复对应三个GHSA编号：聊天模板资源耗尽（GHSA-4hhp-h66f-j5j7，#50300）、tokenizer max_token_id越界（GHSA-q97c-p368-75c4，#59491）、P2P ZMQ socket耗尽（GHSA-frvg-qw88-hww9，#51504）。发布说明还提到不可信图片被限制为栅格格式、共享内存多模态缓存句柄签名、拒绝嵌套超过 64 层的JSON schema。
- 升级前需检查Python 3.10环境、CORS配置和自定义chat template。
- 安装方式含PyPI（CUDA 13.0）、ROCm、XPU的wheel，以及CUDA 13.0/12.9、ROCm、CPU、XPU的Docker镜像。