执行摘要

• 一句话：跨模块移除不可达死代码与废弃配置
• 推荐动作：该 PR 是良好的常规清理，值得关注每个删除项的理由。尤其推荐注意 longcat_flash_mtp 分支被前序逻辑覆盖的设计模式，以及 fused_moe 中如何通过删除参数来消除死分支。对于代码审查者，建议验证每个删除确实无外部依赖。

功能与动机

这些代码片段要么从未被调用，要么因前序逻辑覆盖而不可达，可以安全移除而不影响功能。PR body 中明确说明：'These dead code are not called at all or not reachable, we can safely remove them without functional changes'。

实现拆解

1. 清理自定义算子注册：在 vllm/_custom_ops.py 中删除 _fake_matmul_ada_mxf4_bf16_tn 和 matmul_ada_mxf4_bf16_tn 函数及其注册块，因为该操作未被任何调用者使用。
2. 简化 MoE 量化类型选择：在 vllm/model_executor/layers/fused_moe/fused_moe.py 中，从 _get_config_quant_dtype 移除了未使用的 ocp_mx_scheme 参数及相关 dead branch，函数调用处也同步删除该参数。
3. 移除推测解码不可达分支：在 vllm/config/speculative.py 中删除 longcat_flash_mtp 的 elif 分支，因为该模型类型已被包含在 MTPModelTypes 中并已在前面分支中匹配。
4. 清理线性方法注册列表：在 vllm/model_executor/layers/linear.py 中移除已废弃的 MarlinLinearMethod、GPTQMarlin24LinearMethod、TPUInt8LinearMethod 的引用。
5. 清理 Qwen3 DFlash 配置：在 vllm/model_executor/models/qwen3_dflash.py 中删除多余的 target_layer_count 赋值。
6. 清理废弃量化方法记录：在 vllm/model_executor/layers/quantization/__init__.py 中从 DEPRECATED_QUANTIZATION_METHODS 移除 tpu_int8。

关键文件：

• vllm/_custom_ops.py（模块 算子注册；类别 source；类型 core-logic；符号 _fake_matmul_ada_mxf4_bf16_tn, matmul_ada_mxf4_bf16_tn）: 移除了一个自定义操作的注册和包装函数，是本次删除量最大的文件，且位于算子注册核心路径。
• vllm/model_executor/layers/fused_moe/fused_moe.py（模块 MoE 融合层；类别 source；类型 core-logic；符号 _get_config_quant_dtype, fused_experts_impl）: 简化了量化类型选择函数，移除未使用的 ocp_mx_scheme 参数和大量死分支，影响 MoE 路径的量化逻辑。
• vllm/config/speculative.py（模块 推测配置；类别 source；类型 core-logic）: 移除了不可达的 longcat_flash_mtp 分支，避免了后续维护混淆。
• vllm/model_executor/layers/linear.py（模块 线性层；类别 source；类型 cleanup；符号 MarlinLinearMethod, GPTQMarlin24LinearMethod, TPUInt8LinearMethod）: 从 WEIGHT_LOADER_V2_SUPPORTED 列表中移除已废弃的线性方法，减少误导。
• vllm/model_executor/models/qwen3_dflash.py（模块 Qwen3 模型；类别 source；类型 cleanup）: 删除多余的 target_layer_count 赋值，简化模型初始化。
• vllm/model_executor/layers/quantization/__init__.py（模块 量化配置；类别 source；类型 cleanup；符号 tpu_int8）: 从废弃方法列表中移除 tpu_int8，保持文档与现状一致。

关键符号：_fake_matmul_ada_mxf4_bf16_tn, matmul_ada_mxf4_bf16_tn, _get_config_quant_dtype, fused_experts_impl, SpeculativeConfig.post_init

关键源码片段

vllm/_custom_ops.py

移除了一个自定义操作的注册和包装函数，是本次删除量最大的文件，且位于算子注册核心路径。

# 以下函数定义在本次 PR 中被完全移除，因为它们未被任何调用者使用
# @register_fake("_qutlass_C::matmul_ada_mxf4_bf16_tn")
# def _fake_matmul_ada_mxf4_bf16_tn(
# a: torch.Tensor,
# b: torch.Tensor,
# a_sf: torch.Tensor,
# b_sf: torch.Tensor,
# alpha: torch.Tensor,
# ):
# return a.new_empty(*a.shape[:-1], b.shape[0], dtype=torch.bfloat16)
​
# def matmul_ada_mxf4_bf16_tn(
# a: torch.Tensor,
# b: torch.Tensor,
# a_sf: torch.Tensor,
# b_sf: torch.Tensor,
# alpha: torch.Tensor,
# ) -> torch.Tensor:
# return torch.ops._qutlass_C.matmul_ada_mxf4_bf16_tn(a, b, a_sf, b_sf, alpha)

评论区精华

在 vllm/config/speculative.py 的 review 中，作者 yewentao256 指出 longcat_flash_mtp 分支不可达是因为该模型类型已包含在 MTPModelTypes 中，因此可以安全删除。该评论获得审批，无其他争议。

• 移除 longcat_flash_mtp 分支 (correctness): 该分支被移除，无异议。

风险与影响

• 风险：由于所有删除的代码均经审查确认为死代码（或不可达分支），且未发现其他引用点，功能回归风险极低。但在 fused_moe 中移除 ocp_mx_scheme 相关分支时，需确认未来若再次引入类似量化方案时不会依赖该路径。线性方法移除可能影响第三方自定义扩展，但官方已不支持这些方法。整体风险可控。
• 影响：对用户无功能影响，但对开发者而言，代码库变得更加简洁，减少了维护负担。特别是推测解码配置和量化类型的简化可降低后续混淆风险。
• 风险标记：低风险清理, 无功能变化, 跨模块死代码移除

关联脉络

• PR #43891 [Model Refactoring] Remove unncessary torch op registration for DSv4: 类似清理未使用的算子注册，属于同一类代码精简工作。
• PR #43784 Deprecate JAISLMHeadModel: 同样是移除模型代码中的废弃部分，体现持续清理趋势。