ONNX Runtime 1.32.0发布：重新整合ONNX 1.23.2与opset 28，新增CPU/GPU混合MoE卸载
发布说明称，100k节点、常量密集的图在会话初始化时从数分钟降至数秒；CUDA Plugin EP v0.4.0与WebGPU Plugin EP v0.6.0需与 1.32.0 配套使用。
AI解读：ONNX Runtime 1.32.0重新整合ONNX 1.23.2，支持opset 28，包含SpaceToDepth、Mod、带符号BitShift和BFloat16扩展；同时把DLPack升级到v1.3。发布说明称DLPack现支持全部已实现的ORT数值与布尔类型（float6除外），布尔张量改用原生kDLBool元数据。
新增会话级的CPU/GPU混合MoE卸载规划器与执行后端，面向量化QMoE（NVFP4、INT4、INT3、INT2）和block-packed MoEPacked模型，并配套共享布局的AVX-512/AVX2 CPU QMoE kernel与memory-mapped expert存储。发布说明未给出性能数据。
发布说明称，在 100k节点、常量较多的图上，会话初始化从数分钟降到数秒，变化来自分配规划、常量共享、图I/O映射与拓扑排序中非线性瓶颈的消除。这一结果来自项目自身说法，说明中未提供可复现的评测细节。
兼容性方面有两点需要处理：ACL EP在 1.31.0 弃用后被彻底移除，Python get_all_providers() 不再列出ACLExecutionProvider；树内provider-bridge的NvTensorRTRTXExecutionProvider源码被移除，改用独立TensorRT RTX插件EP，旧的AppendExecutionProvider调用现在会报弃用错误。
权重量化编译API发生迁移：ModelCompilationOptions_SetWeightlessEnabled以及ep.enable_weightless / ep.enable_weightless_ep_context_nodes会话选项弃用，改用ModelCompilationOptions_SetWeightlessMode与ep.enable_weightless_mode（"0"=NONE、"1"=EXTERNAL_ONLY、"2"=ALL）。
另据发布说明，训练相关的构建与测试CI任务已从GitHub Actions工作流中撤下，推理构建覆盖保留。
微软ONNX Runtime发布 1.32.0，这是自 1.31.1 之后的版本更新。发布说明列出的重点包括：重新整合ONNX 1.23.2并支持opset 28、新增CPU/GPU混合MoE卸载、扩展设备内存与权重量化编译API、加速大图会话初始化。
ONNX 1.23.2、opset 28与DLPack v1.3
1.32.0 把ONNX升级到 1.23.2，支持opset上限提高到 28。新增算子支持包括：CPU与CUDA上的原生SpaceToDepth（DCR与CRD两种模式，并在DML、JS、WebGPU、QNN上按版本分别注册）、opset 28的浮点floor-modulus Mod（CPU、CUDA、DML）、带符号BitShift，以及BFloat16的若干扩展（Compress、OneHot、ReverseSequence、Unique、Celu、Einsum等，CPU与部分CUDA）。
DLPack升级到v1.3，采用原生kDLBool元数据，并双向支持全部已实现的ORT数值与布尔类型，包括五种float8、packed float4、int4/uint4、int2/uint2；float6在DLPack中仍不支持。发布说明称底层is_bool_tensor覆盖被移除，uint8的DLPack元数据现在一律按uint8导入。这一布尔约定变化会影响依赖旧行为的集成代码。
CPU/GPU混合MoE卸载与QMoE kernel
该版本加入会话级CPU/GPU混合MoE卸载规划器与执行后端，针对量化QMoE（NVFP4、INT4、INT3、INT2）以及block-packed的MoEPacked模型，配套共享布局的AVX-512/AVX2 CPU QMoE kernel和memory-mapped expert存储。发布说明同时列出INT3 QMoE v1的packed-code约定、MoE/QMoE schema的SiLU后裁剪（swiglu_limit_after_activation）与tanh-GEGLU选项。
CUDA EP一侧增加离线K-packed NVFP4以及Tensor-Core INT4/INT3/INT2 QMoE kernel，并支持原生GGUF/block-packed的GatherPacked、MatMulPacked、MoEPacked执行。新增的session.moe.offload.* 与session.kernel_dispatch_policy（auto、latency、memory、safe）属于会话级配置，具体限制需看对应的CUDA Plugin EP v0.4.0说明。
会话初始化与API扩展
发布说明称，通过消除分配规划、常量共享、图I/O映射和拓扑排序中的超线性瓶颈，100k节点、常量密集的图会话初始化从数分钟降到数秒；这一说法来自项目方，说明中未附可复现评测。此外新增外部GPU权重加载的流水线式pinned-memory分段搬运，以及AddExternalInitializers对大于 127 字节、自然对齐的CPU缓冲区进行零拷贝借用。
- 新增OrtApi::EpDevice_GetMemoryCapacity和OrtEpFactory::GetDeviceMemoryCapacity，可查询设备总内存与当前可用内存估计值，内置与插件CUDA EP均已支持。
- 权重量化编译改为显式多模式：EP通过weightless_supported_modes声明能力，应用用ModelCompilationOptions_SetWeightlessMode或ep.enable_weightless_mode指定模式；编译后的EPContext模型会记录weightless_mode与external_dependencies。
- Python侧新增Model Package API绑定，并加固便携模型包EP重建、UTF-8路径处理以及shared_assets的路径约束与符号链接校验。
兼容性变更与移除项
发布说明要求核心与插件使用相同的贡献算子schema，并建议两者从同一个ONNX Runtime修订版构建；schema不匹配可能导致错误执行或崩溃，且未必能在插件注册时被发现。
- ACL EP在 1.31.0 弃用后彻底移除，包括构建选项与独立C注册API；Python的get_all_providers() 不再列出ACLExecutionProvider，应用应从显式provider列表中删掉。
- 树内provider-bridge的NvTensorRTRTXExecutionProvider源码被移除，改用通过OrtApi::RegisterExecutionProviderLibrary注册的独立NVIDIA TensorRT RTX插件EP；NvTensorRtRtxProviderOptions保留为弃用声明，旧的AppendExecutionProvider调用现在返回弃用错误。
- CUDA Plugin EP v0.4.0与WebGPU Plugin EP v0.6.0与 1.32.0 配套；CUDA与WebGPU的详细provider说明在各自插件EP发布说明中。
- 训练相关的构建与测试CI任务从GitHub Actions工作流撤下，推理构建覆盖保留。