# PR #45993 完整报告 - 仓库：`vllm-project/vllm` - 标题：[Model] Remove MiniMaxText01, MiniMaxVL01, MiniMaxForCausalLM - 合并时间：2026-06-22 15:20 - 原文链接：http://prhub.com.cn/vllm-project/vllm/pull/45993 --- # 执行摘要 - 一句话：移除已淘汰的 MiniMax Text-01 和 VL-01 模型架构 - 推荐动作：该 PR 值得精读，展示了如何安全地淘汰旧模型架构：通过 _PREVIOUSLY_SUPPORTED_MODELS 提供清晰错误提示替代静默失败，同时保留共享组件避免影响其他模型。审查过程也体现了跨团队协作：作者、MoE 专家、工具调用工程师共同确认删除范围。建议团队后续淘汰其他旧架构时参考此流程。 # 功能与动机 MiniMax Text-01 和 VL-01 已被 MiniMax M2 和 M3 全面取代，继续维护旧架构会增加代码维护负担和混淆风险。本次清理移除了不再使用的模型定义、工具解析器与相关测试，使代码库更精简。同时通过 _PREVIOUSLY_SUPPORTED_MODELS 机制保留了向后兼容的提示信息。 # 实现拆解 1. **删除核心模型代码**：移除 vllm/model_executor/models/minimax_text_01.py 和 minimax_vl_01.py，包含所有模型类（MiniMaxText01MLP、MiniMaxText01MoE、MiniMaxVL01MultiModalProjector 等）。 2. **删除 MiniMax M1 工具解析器**：根据审查者建议，移除 vllm/tool_parsers/minimax_tool_parser.py 及其相关的工具调用模板（tool_chat_template_minimax_m1.jinja）和 Rust 快照测试。 3. **更新模型注册表**：在 vllm/model_executor/models/registry.py 中将四个旧架构添加到 _PREVIOUSLY_SUPPORTED_MODELS，并移除其对应的模型字典条目。 4. **清理示例与测试**：从 examples/generate/multimodal/vision_language_offline.py 中删除 run_minimax_vl_01 函数；移除 tests/models/multimodal/processing/test_minimax_vl_01.py、tests/tool_parsers/test_minimax_tool_parser.py 等测试文件；在 tests/models/multimodal/generation/test_common.py、tests/models/multimodal/generation/vlm_utils/model_utils.py 中删除相关的测试条目。 5. **修复残留引用**：更新 docs/contributing/model/basic.md 中过时的内部链接，修正 test_attention_backends_selection.py 中错误导入 MiniMaxText01LinearAttention 的位置。 关键文件： - `vllm/model_executor/models/minimax_text_01.py`（模块 模型推理；类别 source；类型 deletion；符号 replace_weight_name, weight_loader_with_alias, wrapper, inner_func）: 删除全部 1000 行代码，是本次 PR 的核心删除文件。包含旧版 Text-01 模型的所有实现（MLP、MoE、LinearAttention 等）。 - `vllm/model_executor/models/minimax_vl_01.py`（模块 模型推理；类别 source；类型 deletion；符号 MiniMaxVL01ImagePixelInputs, MiniMaxVL01ImageEmbeddingInputs, MiniMaxVL01MultiModalProjector, __init__）: 删除 VL-01 视觉语言模型定义（385 行），包含多模态投影器、输入类型定义和处理器类。 - `vllm/tool_parsers/minimax_tool_parser.py`（模块 工具解析器；类别 source；类型 deletion；符号 MinimaxToolParser, __init__, preprocess_model_output, remove_tool_calls_from_think）: 应审查者要求额外删除的 MiniMax M1 工具解析器（852 行），包含流式状态追踪、thinking tag 处理、JSON 清理等逻辑。 - `tests/tool_parsers/test_minimax_tool_parser.py`（模块 测试；类别 test；类型 deletion；符号 minimax_tokenizer, minimax_tool_parser, sample_tools, assert_tool_calls）: 删除 MiniMax 工具解析器的配套测试（1227 行），包含 parametrize 测试用例。 - `vllm/model_executor/models/registry.py`（模块 模型注册表；类别 source；类型 data-contract）: 修改模型注册表：移除旧架构的字典条目，新增到 _PREVIOUSLY_SUPPORTED_MODELS（+4/-7）。 - `examples/generate/multimodal/vision_language_offline.py`（模块 示例；类别 source；类型 core-logic；符号 run_minimax_vl_01）: 删除 run_minimax_vl_01 函数及其在路由字典中的注册。 - `tests/models/multimodal/processing/test_minimax_vl_01.py`（模块 测试；类别 test；类型 deletion；符号 test_processor_override, _validate_image_prompt_replacements_one, _test_image_prompt_replacements, test_processor_prompt_replacements_regression）: 删除 VL-01 的多模态处理器测试文件（113 行）。 关键符号：replace_weight_name, weight_loader_with_alias, wrapper, inner_func, MiniMaxText01MLP.__init__, MiniMaxText01MLP.forward, MiniMaxText01MoE.__init__, MiniMaxVL01MultiModalProjector.__init__, MiniMaxVL01MultiModalProjector.forward, MinimaxToolParser.extract_tool_calls, MinimaxToolParser.preprocess_model_output, run_minimax_vl_01 ## 关键源码片段 ### `vllm/model_executor/models/minimax_text_01.py` 删除全部 1000 行代码，是本次 PR 的核心删除文件。包含旧版 Text-01 模型的所有实现（MLP、MoE、LinearAttention 等）。 ```python # This is a representative snippet from the deleted file (base version). # The class shows standard vLLM MLP pattern with parallel linear layers. class MiniMaxText01MLP(nn.Module): """Standard MLP used by Text-01. 采用 MergedColumnParallelLinear + RowParallelLinear 结构""" def __init__( self, hidden_size: int, intermediate_size: int, quant_config: QuantizationConfig | None = None, layer_idx: int = None, prefix: str = "mlp", ) -> None: super().__init__() self.layer_idx = layer_idx # 合并门控和上投影：两个输出通道 self.gate_up_proj = MergedColumnParallelLinear( hidden_size, [intermediate_size] * 2, bias=False, quant_config=quant_config, prefix=f"{prefix}.gate_up_proj", ) self.down_proj = RowParallelLinear( intermediate_size, hidden_size, bias=False, quant_config=quant_config, prefix=f"{prefix}.down_proj", ) self.act_fn = SiluAndMul() def forward(self, x: torch.Tensor) -> torch.Tensor: gate_up, _ = self.gate_up_proj(x) x = self.act_fn(gate_up) x, _ = self.down_proj(x) return x ``` ### `vllm/model_executor/models/minimax_vl_01.py` 删除 VL-01 视觉语言模型定义（385 行），包含多模态投影器、输入类型定义和处理器类。 ```python # 多模态投影器：将视觉特征映射到文本空间 class MiniMaxVL01MultiModalProjector(nn.Module): """两层 MLP 投影器，与 LLaVA-NeXT 结构类似""" def __init__( self, vision_hidden_size: int, text_hidden_size: int, projector_hidden_act: str, multimodal_projector_bias: bool, quant_config: QuantizationConfig | None = None, prefix: str = "", ): super().__init__() # 第一层：视觉隐层 -> 文本隐层 ( 列并行 ) self.linear_1 = ColumnParallelLinear( vision_hidden_size, text_hidden_size, bias=multimodal_projector_bias, quant_config=quant_config, prefix=f"{prefix}.linear_1", ) self.act = get_act_fn(projector_hidden_act) # 第二层：文本隐层 -> 文本隐层 ( 行并行 ) self.linear_2 = RowParallelLinear( text_hidden_size, text_hidden_size, bias=multimodal_projector_bias, quant_config=quant_config, prefix=f"{prefix}.linear_2", ) def forward(self, image_features: torch.Tensor) -> torch.Tensor: hidden_states, _ = self.linear_1(image_features) hidden_states = self.act(hidden_states) hidden_states, _ = self.linear_2(hidden_states) return hidden_states ``` ### `vllm/tool_parsers/minimax_tool_parser.py` 应审查者要求额外删除的 MiniMax M1 工具解析器（852 行），包含流式状态追踪、thinking tag 处理、JSON 清理等逻辑。 ```python # MinimaxToolParser 核心构造逻辑 class MinimaxToolParser(ToolParser): """MiniMax M1 模型专用的工具解析器，处理 标签流""" def __init__(self, tokenizer: TokenizerLike, tools: list[Tool] | None = None): super().__init__(tokenizer, tools) # 流式状态：追踪当前工具进度 self.streaming_state: dict[str, Any] = { "current_tool_index": -1, "tool_ids": [], "sent_tools": [], } # 工具调用的起始 / 结束标签 self.tool_call_start_token = "" self.tool_call_end_token = "" self.tool_call_regex = re.compile( r"(.*?)|(.*)", re.DOTALL ) # 尝试从 tokenizer 中获取 token ID，若失败则回退到字符串匹配 self.tool_call_start_token_id = self.vocab.get(self.tool_call_start_token) self.tool_call_end_token_id = self.vocab.get(self.tool_call_end_token) if self.tool_call_start_token_id is None or self.tool_call_end_token_id is None: logger.warning( "Minimax Tool parser could not locate tool call start/end " "tokens in the tokenizer. Falling back to string matching." ) ``` # 评论区精华 审查者 sfeng33 要求额外移除 PR#20297 引入的 MiniMax M1 专用工具解析器，作者在第三个 commit 中落实。tdoublep 询问线性注意力 (minimax_linear_attn.py) 是否还被 M2 和 M3 使用，ZJY0516 确认仍被 Ling 2.5 模型使用，因此该共享模块未被删除。PR 触发了 pre-commit 和 merge 冲突的自动检查，均已解决。 - 删除 M1 工具解析器 (design): PR 作者在第三个 commit 中删除了 vllm/tool_parsers/minimax_tool_parser.py 及其相关测试和模板。 - 线性注意力是否仍被 M2/M3 使用 (question): ZJY0516 回应确认仍被 Ling 2.5 模型使用，因此共享模块被保留。 # 风险与影响 - 风险：主要风险在于遗漏对共享组件（如 minimax_linear_attn.py）的依赖检查，若其他模型依赖被删除的模块可能导致运行时错误。通过第二次 commit 修复了 test_attention_backends_selection.py 中的导入问题并更新了文档链接，降低了风险。工具解析器的删除不会影响 M2/M3 模型，因为它们的解析器是独立的。整体风险较低，因为所有被删除的架构均为已淘汰的旧版本。 - 影响：对用户的影响：使用 MiniMax M1 模型的用户无法再加载旧版检查点，需降级到 vLLM v0.23.0 或更早版本。对系统的影响：代码库大小减少约 3881 行，维护成本降低。对团队的影响：清理后模型注册表更清晰，减少了维护旧模型带来的混淆。没有对现有 M2/M3 模型的功能影响。 - 风险标记：核心模型删除 , 共享组件保留 , 工具解析器清理 # 关联脉络 - 暂无明显关联 PR