vLLM-Omni v0.22.0 支持 Cosmos 3 世界模型与 Qwen3-TTS

事件维度：开源推理框架的物理 AI 布局

vLLM-Omni 是 vLLM 项目的多模态扩展分支，专注于端到端的语音、视频、动作等多模态推理场景。此次 v0.22.0 的核心更新是将 NVIDIA Cosmos 3 世界模型纳入官方支持列表。Cosmos 3 是 NVIDIA 在 2025 年底发布的多模态基础模型，能够同时处理文本、图像、音频、视频和动作序列，被广泛用于机器人仿真、自动驾驶数据生成和具身智能训练。

为什么是现在？2026 年上半年，物理 AI 进入落地冲刺阶段。Figure、1X、宇树等机器人厂商纷纷公布量产计划，而行业痛点在于：世界模型的推理成本极高，单次仿真 rollout 可能消耗数百美元。vLLM-Omni 的原生支持意味着开发者可以在统一的推理引擎中部署 Cosmos 3，无需依赖 NVIDIA 专属容器，预计可将推理成本压缩 30-50%。

行业影响：Qwen3-TTS 补全语音交互最后一环

此次更新的另一重点是 Qwen3 系列语音模型（包括 TTS 和 ASR）的完整支持。Qwen3 是阿里巴巴通义千问的下一代基座模型，在中文理解、指令遵循和多轮对话上较 Qwen2 有显著提升。将 TTS（文本转语音）纳入 vLLM-Omni，意味着开发者可以在单一框架