执行摘要

• 一句话：修复 Qwen3.5 纯文本 checkpoint 的 MTP 投机解码配置断路
• 推荐动作：值得精读。改动虽小，但 review 过程展示了如何避免过度修复：作者最初朝「补全 processor 注册」的方向修，审核者引导后回到注册表既有回退机制，并沉淀出针对 draft runner 的告警分级。核心看点：hf_config_override 的 model_type 匹配如何与 _CONFIG_REGISTRY 的扩展保持同步，以及 MultiModalRegistry 对「声明多模态但无 processor」模型的预期回退语义。

功能与动机

PR body 指出「Two gaps that keep --speculative-config '{"method":"mtp",...}' from working on Qwen3.5 checkpoints that ship only the text config」：缺口一是 #50210 把 qwen3_5_text / qwen3_5_moe_text 注册进 _CONFIG_REGISTRY 后，纯文本 checkpoint 可以走普通生成，但 SpeculativeConfig.hf_config_override 只匹配 qwen3_5 / qwen3_5_moe，MTP draft 架构永远无法解析；缺口二是 Qwen3_5MTP / Qwen3_5MoeMTP 继承 SupportsMultiModal 却未注册 processor，启动时触发「treated as multimodal but has no registered multimodal processor」的误导性告警（该部分在 review 中被作者修正为注册表已有的预期回退行为）。

实现拆解

1. 扩展 MTP 配置重写匹配（vllm/config/speculative.py）：将 SpeculativeConfig.hf_config_override 中 Qwen3.5 分支的 model_type 匹配从 ("qwen3_5", "qwen3_5_moe") 扩展为四种类型，is_moe 判定同步纳入 qwen3_5_moe_text，确保纯文本 checkpoint 与多模态版本一样被重写为 qwen3_5_mtp 及对应 draft 架构（Qwen3_5MTP / Qwen3_5MoeMTP）。这是 --speculative-config 能解析出 draft 架构的入口修复。
2. 静默 draft 模型的预期回退（vllm/multimodal/registry.py）：MultiModalRegistry.supports_multimodal_inputs 捕获到缺失 processor 的 ValueError 时，仅对 runner_type != "draft" 的模型打印警告。MTP 类 draft 模型声明 SupportsMultiModal 是为了消费 target 模型合并后的 embeddings，从不运行自身 processor，文本模式是预期结果。该改动同时惠及 Exaone4_5_MTP、MiMoV2OmniMTP 等同类 draft 模型，返回行为不变。
3. 新增 CPU-only 参数化测试（tests/models/test_qwen3_5_mtp_config.py）：_mtp_config 构造携带 mtp_num_hidden_layers=1 的 PretrainedConfig，参数化覆盖四种 model_type 到期望 MTP 架构的映射，断言 n_predict == 1 且架构名正确。测试不下载 checkpoint，纯配置层验证。
4. 撤销最初的多模态 processor 注册尝试（过程性）：首个 commit 曾给 Qwen3_5MTP / Qwen3_5MoeMTP 注册 Qwen3VLMultiModalProcessor 三件套，review 证实注册反而让 supports_multimodal_inputs 返回 True、把纯文本 draft 模型推入完整多模态路径，遂在 9c56a8e 撤销，模型定义保持上游原样；另按 reviewer 意见删除了 tests/multimodal/test_registry.py 中针对警告分支的测试（警告与分支绑定，测试无额外信号）。
   无配置、schema 或部署配套改动。

关键文件：

• vllm/config/speculative.py（模块 配置层；类别 source；类型 core-logic；符号 hf_config_override）: 核心修复文件：SpeculativeConfig.hf_config_override 原先只匹配 qwen3_5 / qwen3_5_moe，漏掉 #50210 注册的 qwen3_5_text / qwen3_5_moe_text 纯文本类型，导致文本-only checkpoint 无法被重写为 qwen3_5_mtp draft 配置，MTP 投机解码无法解析 draft 架构。
• vllm/multimodal/registry.py（模块 多模态；类别 source；类型 core-logic；符号 supports_multimodal_inputs）: 修改 MultiModalRegistry.supports_multimodal_inputs，对 runner_type == 'draft' 的模型静默缺 processor 的预期回退，消除所有 MTP draft 模型（Qwen3_5MTP、Exaone4_5_MTP、MiMoV2OmniMTP）启动时的误导性警告；这是 review 中确认的正确设计方向。
• tests/models/test_qwen3_5_mtp_config.py（模块 测试；类别 test；类型 test-coverage；符号 _mtp_config, test_mtp_override_recognizes_text_only_types）: 新增 CPU-only 参数化测试，验证四种 Qwen3.5 系列 model_type 到 MTP 架构的映射，直接覆盖本次修复的回归面；不下载 checkpoint，适合 CI 快速执行。

关键符号：SpeculativeConfig.hf_config_override, MultiModalRegistry.supports_multimodal_inputs, test_mtp_override_recognizes_text_only_types, _mtp_config

关键源码片段

vllm/config/speculative.py

核心修复文件：SpeculativeConfig.hf_config_override 原先只匹配 qwen3_5 / qwen3_5_moe，漏掉 #50210 注册的 qwen3_5_text / qwen3_5_moe_text 纯文本类型，导致文本-only checkpoint 无法被重写为 qwen3_5_mtp draft 配置，MTP 投机解码无法解析 draft 架构。

# vllm/config/speculative.py - SpeculativeConfig.hf_config_override 中
# 针对 Qwen3.5 系列的分支（PR 50734 修改后）。
#
# #50210 让纯文本 checkpoint 以 qwen3_5_text / qwen3_5_moe_text 类型加载，
# 它们与多模态版本携带同样的 mtp_num_hidden_layers 字段，因此必须一起被
# 重写为 qwen3_5_mtp，否则 MTP 投机解码无法解析 draft 架构。
if hf_config.model_type in (
    'qwen3_5',
    'qwen3_5_moe',
    'qwen3_5_text',
    'qwen3_5_moe_text',
):
    # MoE 判定需覆盖 qwen3_5_moe_text，避免纯文本变体被误判成 dense 架构。
    is_moe = hf_config.model_type in ('qwen3_5_moe', 'qwen3_5_moe_text')
    hf_config.model_type = 'qwen3_5_mtp'
    n_predict = getattr(hf_config, 'mtp_num_hidden_layers', None)
    hf_config.update({
        'n_predict': n_predict,
        'architectures': ['Qwen3_5MoeMTP' if is_moe else 'Qwen3_5MTP'],
    })

vllm/multimodal/registry.py

修改 MultiModalRegistry.supports_multimodal_inputs，对 runner_type == 'draft' 的模型静默缺 processor 的预期回退，消除所有 MTP draft 模型（Qwen3_5MTP、Exaone4_5_MTP、MiMoV2OmniMTP）启动时的误导性警告；这是 review 中确认的正确设计方向。

# vllm/multimodal/registry.py - MultiModalRegistry.supports_multimodal_inputs
# 的异常回退分支（PR 50734 修改后）。
try:
    info = self._create_processing_info(model_config, tokenizer=None)
except ValueError:
    # 投机解码 draft 模型（Qwen3_5MTP、Exaone4_5_MTP、MiMoV2OmniMTP）
    # 声明 SupportsMultiModal 是为消费 target 模型合并好的 embeddings，
    # 自身从不运行多模态处理器。文本模式是它们的预期结果，而非误配置，
    # 所以对 runner_type == 'draft' 的模型不再打印警告。
    if model_config.runner_type != 'draft':
        logger.warning_once(
            'Model %s is treated as multimodal but has no registered '
            'multimodal processor; running in text-only mode.',
            model_config.model,
        )
    return False

tests/models/test_qwen3_5_mtp_config.py

新增 CPU-only 参数化测试，验证四种 Qwen3.5 系列 model_type 到 MTP 架构的映射，直接覆盖本次修复的回归面；不下载 checkpoint，适合 CI 快速执行。

# tests/models/test_qwen3_5_mtp_config.py - CPU-only 参数化测试，
# 验证四种 Qwen3.5 系列 model_type 都能被重写为 MTP 架构。
@pytest.mark.parametrize(
    'model_type,expected_arch',
    [
        ('qwen3_5', 'Qwen3_5MTP'),
        ('qwen3_5_moe', 'Qwen3_5MoeMTP'),
        # 纯文本变体必须映射到相同的 MTP 架构。
        ('qwen3_5_text', 'Qwen3_5MTP'),
        ('qwen3_5_moe_text', 'Qwen3_5MoeMTP'),
    ],
)
def test_mtp_override_recognizes_text_only_types(model_type, expected_arch):
    cfg = SpeculativeConfig.hf_config_override(_mtp_config(model_type))
    assert cfg.model_type == 'qwen3_5_mtp'
    assert cfg.architectures == [expected_arch]
    assert cfg.n_predict == 1

评论区精华

review 中最有价值的交锋发生在「是否给 MTP 模型注册多模态 processor」上：

• 审核者 DarkLight1337 质疑「Could you show the stack trace for this? Perhaps we could solve this inside the multi-modal registry itself instead of having to edit the model definition」，引导作者重新验证问题描述。
• 作者 efschu 核实后承认「my registration in fact made things worse, flipping supports_multimodal_inputs() to True for the draft config and pushing a text-only drafter through the full multi-modal path」，撤销模型定义改动，并指出 supports_multimodal_inputs 本就会捕获缺失 processor 并回退文本模式。
• 对于遗留的启动警告，DarkLight1337 拍板「Let's do it in this PR as well」，将告警静默并入本 PR。

• 最后 reviewer 要求删除警告分支的新增测试：「Let's remove this test, the warning is basically by definition anyway」，作者在 5744b78 照做。

• 是否应该在 MTP 模型上注册多模态 processor (design): 撤销 Qwen3_5MTP / Qwen3_5MoeMTP 上的 processor 注册（commit 9c56a8e），模型定义保持上游状态；在注册表内对 draft runner 静默预期回退。

• 是否压制 draft 模型缺 processor 的启动警告 (design): supports_multimodal_inputs 对 runner_type == 'draft' 的配置跳过警告（commit a6b160b），返回行为不变。
• 删除针对警告分支的新增测试 (testing): commit 5744b78 删除该测试，最终 PR 不包含此文件改动；保留 tests/models/test_qwen3_5_mtp_config.py 的配置映射测试。

风险与影响

• 风险：
  1. registry 行为变化风险：vllm/multimodal/registry.py 对 runner_type == "draft" 的模型静默回退文本模式。若未来某 draft 模型确实依赖多模态输入处理（例如按图像特征解码），此静默可能掩盖配置错误、增加排查难度。当前已知三个 MTP draft 模型均只消费 target 模型的 embeddings，风险为理论性。
  2. 配置匹配为枚举式硬编码：vllm/config/speculative.py 的匹配元组为显式枚举，未来再新增文本-only 变体（类似 qwen3_5_text 的模式）若未同步更新，MTP 将再次失效；相邻的 intern_s2_preview 分支依赖 text_config.model_type 判定，同属易漏点。
  3. 测试覆盖取舍：警告分支无单元测试（reviewer 主动要求删除），仓库 CI 也未强制覆盖 --speculative-config 的端到端路径，MTP 解码验证依赖作者个人硬件；本次回归保障主要依靠 tests/models/test_qwen3_5_mtp_config.py 的配置映射测试。
  4. runner_type 语义依赖：静默逻辑依赖 ModelConfig.runner_type 属性在 api_server 与 engine 路径上语义一致，若未来 draft 模型以其他方式标记，需同步修正条件。
     - 影响：用户侧：Qwen3.5 文本-only checkpoint 现在可以正常启用 --speculative-config '{"method":"mtp",...}' 投机解码，此前该配置直接失效；所有 MTP draft 模型（Qwen3_5MTP、Exaone4_5_MTP、MiMoV2OmniMTP）启动时不再输出误导性警告。系统侧：注册表只有日志行为变化，返回语义不变，风险面小。团队侧：确立了「draft 模型声明 SupportsMultiModal 但不注册 processor 是特性而非缺陷」的设计约定，为后续多模态 draft 模型提供了可复用的处理模式。
     - 风险标记：draft 模型警告静默化, 配置匹配为枚举式硬编码, 警告分支无独立测试

关联脉络

• PR #50210 Register Qwen3.5 text-only config/model types: PR body 与 commit 信息直接引用：#50210 在 _CONFIG_REGISTRY 注册 qwen3_5_text / qwen3_5_moe_text，并把 Qwen3_5ForCausalLM / Qwen3_5MoeForCausalLM 加入模型注册表。正是这个上游变更让纯文本 checkpoint 可加载，同时留下 MTP 配置重写缺口，本 PR 是其直接补丁。注：该 PR 标题按上下文概括，不在本次提供的历史列表中。