执行摘要

• 一句话：修复 MiniCPM-V 4.6 图片尺寸顺序错误
• 推荐动作：值得合并。修复清晰，风险低，影响面小。

功能与动机

PR body 指出：_compute_visual_tokens 将 vLLM 的 ImageSize(width, height) 直接传递给期望 (height, width) 顺序的 transformers 处理器方法，导致某些宽高比（如 365x211）下占位符 token 数量与视觉嵌入数量不匹配，触发 ValueError。

实现拆解

1. 在 minicpmv4_6.py 的 _compute_visual_tokens 方法中，将传入的 image_size 转换为 (height, width) 元组 hf_image_size，然后传递给所有 HuggingFace 处理器方法（get_sliced_grid、find_best_resize、get_refine_size）。
2. 在 minicpmv.py 中，删除了版本 (4, 6) 的冗余分支代码，因为现在所有 MiniCPM-V 4.6 的逻辑已由 MiniCPMV4_6ProcessingInfo 的覆盖方法处理。

关键文件：

• vllm/model_executor/models/minicpmv4_6.py（模块 模型实现；类别 source；类型 data-contract；符号 _compute_visual_tokens）: 核心修复文件，修复了 _compute_visual_tokens 中图片尺寸顺序错误。
• vllm/model_executor/models/minicpmv.py（模块 模型实现；类别 source；类型 refactor；符号 get_slice_image_placeholder, get_num_image_tokens）: 删除了版本 (4, 6) 的冗余分支，这些逻辑现在由 MiniCPMV4_6ProcessingInfo 覆盖。

关键符号：_compute_visual_tokens, get_slice_image_placeholder, get_num_image_tokens

关键源码片段

vllm/model_executor/models/minicpmv4_6.py

核心修复文件，修复了 _compute_visual_tokens 中图片尺寸顺序错误。

# vllm/model_executor/models/minicpmv4_6.py (head)
​
def _compute_visual_tokens(
    self,
    image_size,
    max_slice_nums: int | None = None,
    downsample_mode: str | None = None,
) -> tuple[list[int], int, int]:
    """Compute grid, source_image_visual_tokens and patch_visual_tokens."""
    image_processor = self.get_image_processor()
    if max_slice_nums is None:
        max_slice_nums = image_processor.max_slice_nums
​
    patch_size = image_processor.patch_size
    scale_res = image_processor.scale_resolution
    downsample_mode = self._get_downsample_mode(downsample_mode)
    token_divisor = 4 if downsample_mode == "4x" else 16
​
    # vLLM ImageSize is (width, height); transformers expects (height, width)
    hf_image_size = (image_size.height, image_size.width)
​
    # transformers v5.7+ requires `scale_resolution` arg
    try:
        grids = image_processor.get_sliced_grid(
            hf_image_size,
            max_slice_nums,
            scale_res,
        )
    except TypeError:
        grids = image_processor.get_sliced_grid(
            hf_image_size,
            max_slice_nums,
        )
​
    if grids is None:
        best_size = image_processor.find_best_resize(
            hf_image_size,
            scale_res,
            patch_size,
            allow_upscale=True,
        )
        source_tokens = (
            best_size[0] * best_size[1] // (patch_size * patch_size * token_divisor)
        )
        return [0, 0], source_tokens, 0
​
    best_resize = image_processor.find_best_resize(
        hf_image_size,
        scale_res,
        patch_size,
    )
    source_tokens = (
        best_resize[0] * best_resize[1] // (patch_size * patch_size * token_divisor)
    )
    refine_size = image_processor.get_refine_size(
        hf_image_size,
        grids,
        scale_res,
        patch_size,
        allow_upscale=True,
    )
    patch_w = refine_size[0] // grids[0]
    patch_h = refine_size[1] // grids[1]
    patch_tokens = patch_w * patch_h // (patch_size * patch_size * token_divisor)
    return grids, source_tokens, patch_tokens

评论区精华

PR 只有一个评论，作者请求合并。没有实质性的讨论。

• 暂无高价值评论线程

风险与影响

• 风险：仅限于 MiniCPM-V 4.6 模型，影响面小。更改简单，将 ImageSize 转换为正确的顺序，没有引入新的逻辑。删除的代码是死代码（已被覆盖），风险低。
• 影响：影响 MiniCPM-V 4.6 模型用户，特别是使用非正方形图片的用户。修复了特定宽高比下的崩溃问题，对其他宽高比无影响。
• 风险标记：暂无

关联脉络

• PR #44980 Fix/minicpmv46 missing version: 同样修复 MiniCPM-V 4.6 模型相关问题。