ONNX Runtime在发布预览版一年之后，终于来到了1.0正式版，这个新版本改进了API稳定性，使API的使用方式更清楚，也增加了对ONNX 1.6的支持，除了更新现有Execution Provider，还加入一系列新的Execution Provider预览，而且微软还发布了新的ONNX Go Live工具，让用户方便地交付ONNX模型。
ONNX是脸书与微软共同开发的模型格式，而ONNX Runtime是一个单一推理引擎，在多平台和硬件上都提供良好的运行性能。开发者可以使用任何热门的框架，诸如TensorFlow或PyTorch来训练模型，将模型输出或转换成ONNX格式，就可以使用ONNX Runtime在Windows、Linux和Mac平台同时利用CPU和GPU进行模型推理。
ONNX Runtime 1.0更新了API，让整体的使用方法更加清楚，现在C API与ABI兼容，并且遵循语义版本控制，而目前与ONNX Runtime函数库连接的程序，在新版本中不需要改变任何客户端程序代码，或是重新连接就能继续使用，另外，微软还增加了Python和C# API的新能力，以实现功能检测（Feature Parity）。
ONNX Runtime也紧跟ONNX的规范，并囊括支持全面的功能，ONNX Runtime现在支持1.2之后的所有ONNX版本，具有向前与向后兼容性，可执行各种ONNX模型。ONNX Runtime 1.0也改进了性能，添加加Execution Provider以执行硬件加速，同时也尽量减少推理运算所默认的CPU和GPU延迟。
为了促进用户在正式生产环境中使用ONNX Runtime，微软发布了ONNX Go Live工具，该工具可以通过将模型转换、正确性测试和性能调校集成到单一工作管线中，成为一系列Docker镜像文件，以自动化ONNX模型的交付程序，此外，微软还更新量化工具，以支持改进ONNX Runtime中，推测量化模型的性能和精确度。
ONNX Runtime已经被微软大量用在一系列消费型产品中，包括Office、Bing、Windows和Skype中等60种模型，处理的内容范围涵盖图像和文本，ONNX Runtime有效提升模型的性能达2.5倍，表现比过去的推测解决方案都还要好。微软提到，除了性能提升之外，由于ONNX模型格式的高互通性，提高了基础设施的灵活性，让他们得以使用一个通用的Runtime，就能在大量的硬件上大规模部署模型。