执行摘要

• 一句话：删除 22 个文件中 519 行未使用代码
• 推荐动作：建议精读涉及的核心文件（如 minimax_m3.py、radio.py、modelopt.py）以了解仓库中废弃代码的典型模式，并作为后续清理工作的参考。

功能与动机

仓库中存在大量不再被调用的私有方法和冗余导入，增加了代码阅读和维护负担。本 PR 系统性识别并移除这些死代码，提升代码库整洁度。

实现拆解

1. 识别死代码：逐个文件检查未被引用的私有方法（如 _prune_video_tokens、_load_embed、_shuffle_weights_for_trtllm 等）和不再需要的 import。
2. 删除函数定义：移除这些方法及其内部辅助函数，同时清理相关的 import 语句（例如移除 regex、swap_w13_to_w31、defaultdict 等）。
3. 调整模块结构：部分文件删除后，后续类和方法的层次自然收紧（如 minimax_m3.py 中 __init__ 后直接 __call__）。
4. 保留接口：所有删除的函数均未在仓库剩余代码中有任何引用点，保证不会破坏现有逻辑。无测试变更。

关键文件：

• vllm/transformers_utils/processors/minimax_m3.py（模块 处理器；类别 source；类型 dependency-wiring；符号 _prune_video_tokens, is_timestamp, extract_timestamp）: 移除视频令牌修剪函数 _prune_video_tokens 及其内部辅助函数 is_timestamp/extract_timestamp，同时清理 regex 导入，是本次删除量最大的文件（80 行）。
• vllm/model_executor/models/radio.py（模块 视觉模型；类别 source；类型 data-contract；符号 _load_embed, _load_projection）: 移除嵌入投影加载方法 _load_embed 和 _load_projection，简化 RADIO 视觉模型类。
• vllm/model_executor/layers/quantization/modelopt.py（模块 量化层；类别 source；类型 data-contract；符号 _shuffle_weights_for_trtllm）: 移除 TRTLLM 权重重排方法 _shuffle_weights_for_trtllm 并清理关联导入（swap_w13_to_w31），涉及 MXFP8 的废弃路径。
• vllm/model_executor/models/qwen3_omni_moe_thinker.py（模块 MoE 模型；类别 source；类型 data-contract；符号 _get_raw_input_ids）: 移除 token ID 预处理方法 _get_raw_input_ids，简化 MoE 思考者模型的输入处理逻辑。
• vllm/model_executor/models/hyperclovax_vision.py（模块 视觉模型；类别 source；类型 data-contract；符号 _prepare_multimodal_kwargs）: 移除多模态参数组装方法 _prepare_multimodal_kwargs，并清理 defaultdict 导入。
• vllm/model_executor/models/idefics3.py（模块 视觉模型；类别 source；类型 data-contract；符号 _get_resize_output_image_size）: 移除图像尺寸计算方法 _get_resize_output_image_size，简化 Idefics3 模型的图像预处理。

关键符号：_prune_video_tokens, is_timestamp, extract_timestamp, _load_embed, _load_projection, _shuffle_weights_for_trtllm, _get_raw_input_ids, _prepare_multimodal_kwargs, _get_resize_output_image_size, _rope_scaling_validation, _prepare_attention_mask, _safe_get_token_id, _safe_get_token_str, _copy_missing_attrs, _e2m1_lookup, _pop_unallowed_keys_and_warn

关键源码片段

vllm/transformers_utils/processors/minimax_m3.py

移除视频令牌修剪函数 _prune_video_tokens 及其内部辅助函数 is_timestamp/extract_timestamp，同时清理 regex 导入，是本次删除量最大的文件（80 行）。

# 删除 _prune_video_tokens 后，__init__ 方法直接衔接 __call__ 方法
class MiniMaxM3VLProcessor(ProcessorMixin):
    # ... __init__ 方法（裁剪后）
    def __init__(self, image_processor=None, tokenizer=None, video_processor=None, **kwargs):
        self.image_token_id = tokenizer.convert_tokens_to_ids(self.IMAGE_TOKEN)
        self.video_token_id = tokenizer.convert_tokens_to_ids(self.VIDEO_TOKEN)
        super().__init__(image_processor, tokenizer, video_processor)
        self.vision_start_token_id = tokenizer.convert_tokens_to_ids(
            self.VISION_START_TOKEN
        )
        self.vision_end_token_id = tokenizer.convert_tokens_to_ids(
            self.VISION_END_TOKEN
        )
​
    def __call__(self, images=None, text=None, videos=None, **kwargs):
        # 原先此处有 _prune_video_tokens 方法定义，现已清除
        # 方法体直接处理输入
        ...

vllm/model_executor/models/radio.py

移除嵌入投影加载方法 _load_embed 和 _load_projection，简化 RADIO 视觉模型类。

# 删除 _load_embed 和 _load_projection 后，属性之后直接是 embed_patches 方法
class RADIOPatchEmbeddings(nn.Module):
    @property
    def num_skip(self):
        return self.num_cls_tokens + self.num_registers
​
    # 原先 _load_embed 和 _load_projection 定义在此
    def embed_patches(self, x: torch.Tensor) -> torch.Tensor:
        patches = self.im_to_patches(x)
        patches = self.embedder(patches)
        return patches

vllm/model_executor/layers/quantization/modelopt.py

移除 TRTLLM 权重重排方法 _shuffle_weights_for_trtllm 并清理关联导入（swap_w13_to_w31），涉及 MXFP8 的废弃路径。

# 删除 _shuffle_weights_for_trtllm 后，_check_weight_dtypes 后直接是新方法 _dequant_mxfp8_weights_to_bf16
class ModeloptFp8Config(QuantizationConfig):
    @staticmethod
    def _check_weight_dtypes(layer: torch.nn.Module) -> None:
        # ... 验证逻辑
​
    # 原先 _shuffle_weights_for_trtllm 定义在此（约 90 行），现已移除
    def _dequant_mxfp8_weights_to_bf16(self, layer: RoutedExperts) -> None:
        """One-time MXFP8->BF16 weight dequant for the emulation path."""
        ...

评论区精华

无实质性 review 讨论。sfeng33 直接批准，claude[bot] 自动评论未触发人工深入审核。

• 暂无高价值评论线程

风险与影响

• 风险：极低风险。所有删除的函数均通过全局搜索确认无外部调用点，且模块单元测试持续通过。唯一潜在风险是极少数间接动态引用（如 getattr）未覆盖，但鉴于这些函数均为私有方法且命名不通用，概率很小。
• 影响：对用户无功能影响，对系统无性能变化。显著减少代码行数，提升可维护性和可读性，尤其对后续开发者降低困惑。
• 风险标记：低风险, 无功能变更, 误删可能低

关联脉络

• PR #49988 [Misc][PD] Nixl cleanup get_backend_aware_kv_block_len and virtually_split_kv_in_blocks: 同属清理系列，涉及死代码移除，反映仓库持续清理趋势。