Движок vLLM обновился до версии 0.22.0. Это один из самых масштабных релизов по количеству изменений: 459 коммитов от 230 контрибьюторов. Для тех, кто крутит локальные LLM для своих AI-агентов, здесь есть несколько критически важных апдейтов.

DeepSeek V4: теперь официально

Главное изменение — DeepSeek V4 переехал из общих путей MoE (Mixture of Experts) в собственный пакет vllm/models/deepseek_v4/.

Что это дает на практике:

• NVFP4 fused MoE: оптимизированные ядра для весов в квантовании FP4. На железе уровня H100/H200 это значительно снижает нагрузку на пропускную способность памяти.
• CUDA Graph и MTP Decoding: ускорение генерации за счет более эффективного планирования вычислений.
• Внимание: если вы импортировали модули DeepSeek напрямую в коде, проверьте пути — старые импорты отвалятся.

Rust-фронтенд и производительность

В v0.22.0 появился экспериментальный фронтенд на Rust. Это важный шаг в сторону снижения оверхеда Python при обработке очередей запросов. Пока фича в статусе экспериментальной, но вектор развития понятен — vLLM хочет стать еще быстрее и стабильнее под высокой нагрузкой.

Также завезли Tiered KV cache offloading. Теперь движок может более гибко выгружать кэш ключей-значений, что позволяет работать с более длинными контекстами на ограниченном VRAM.

Новая политика релизов

Разработчики перешли на схему двойных тегов. Одновременно с v0.22.0 вышел v0.22.1rc0. Не пугайтесь: rc0 — это просто технический фикс CI для разработчиков самого движка. Для продакшена и личного использования используйте строго v0.22.0.

Для вайбкодеров этот апдейт означает, что связка vLLM + DeepSeek становится «золотым стандартом» для self-hosted решений в 2026 году. Если вы используете Cursor или Windsurf с локальным бэкендом, обновление до 0.22.0 даст заметный буст в скорости отклика при работе с тяжелыми моделями.