vLLM 昨晚发布了 v0.20.0，这一版动静真不小，与其说是版本更新，不如说是把推理引擎的天花板又往上顶了一截。
先看几个最硬的点。
第一，DeepSeek V4 首日支持，国内做大模型部署的朋友这条最关心，新模型刚出，vLLM 这边初始化就跟上了。
第二，CUDA 13 成为默认，PyTorch 升到 2.11，Python 3.14 也进了官方支持列表，老环境直接 pip install 大概率翻车。
第三，FlashAttention 4 重新成为 MLA prefill 默认后端，跑 DeepSeek 这类架构会有肉眼可见的提速。
第四，TurboQuant 2-bit KV cache，等效容量翻 4 倍，长上下文场景下，这就是降维打击。
第五，在线量化前端落地，以后跑量化模型不用提前折腾权重，加载阶段就给你量化好。
要不要升？跑 DeepSeek V4、Hunyuan v3 这些新模型，直接上；生产环境稳定的 v0.19，等 0.20.1 出来再说。
折腾一次环境，换未来半年的部署红利
