执行摘要

• 一句话：延长测试模型长度上限，修复推理不完整
• 推荐动作：可作为临时修复合入，但建议尽快跟进分析推理 token 用量波动的原因，并考虑是否完全移除 max_model_len 限制以彻底解决 flaky 问题。

功能与动机

CI 中 test_parsable_context.py::test_basic[Qwen/Qwen3-8B] 频繁报错：response.status 为 'incomplete'，原因是 max_model_len 设为 5000 时不足以容纳推理所需的全部 token，导致响应被截断。PR body 附有 CUDA 和 ROCm 上的 flaky 失败链接。

实现拆解

修改测试 fixture 中 server 启动参数，将 max_model_len 从 5000 调整为 6000。

• 文件: tests/entrypoints/openai/responses/test_parsable_context.py 第 41 行
• 仅变更一个数字，+1/-1
• 该值仍为任意选择的宽松值，作者提到可考虑完全移除该参数，由 vLLM 自动选择默认值

关键文件：

• tests/entrypoints/openai/responses/test_parsable_context.py（模块 测试；类别 test；类型 test-coverage）: 唯一变更文件，将 max_model_len 从 5000 改为 6000 以稳定 flaky 测试

关键符号：未识别

关键源码片段

tests/entrypoints/openai/responses/test_parsable_context.py

唯一变更文件，将 max_model_len 从 5000 改为 6000 以稳定 flaky 测试

# tests/entrypoints/openai/responses/test_parsable_context.py (line 37-49)
@pytest.fixture(scope="module")
def server():
    args = [
        "--reasoning-parser",
        "qwen3",
        "--max_model_len",
        "6000", # 从 5000 增加到 6000，确保推理能完整输出（有时需约 5423 tokens）
        "--structured-outputs-config.backend",
        "xgrammar",
        "--enable-auto-tool-choice",
        "--tool-call-parser",
        "hermes",
        "--tool-server",
        "demo",
    ]

评论区精华

审核人 AndreasKaratzas 同意作为快速稳定方案，但指出需在后续 PR 中调查 token 用量的非确定性波动。

• 临时修复与后续调查 (other): 同意当前 PR 作为临时修复，后续需调查波动根源。

风险与影响

• 风险：风险极低：仅修改测试配置参数，不影响任何生产代码或测试逻辑。增大 max_model_len 可能增加单次测试内存占用，但 6000 对 Qwen3-8B 影响可忽略。
• 影响：仅影响 CI 中 test_parsable_context.py::test_basic 测试的稳定性，使其在 ROCm 和 CUDA 上更可靠地通过。无其他影响。
• 风险标记：临时修复

关联脉络

• 暂无明显关联 PR