执行摘要

• 一句话：非编译模型回退到 full decode 图，修复 ROCm 图模式解析失败
• 推荐动作：值得精读，尤其适合负责 cudagraph/编译配置、ROCm 平台默认值与投机解码的同学。重点关注三个设计决策：一是「piecewise 提供者」的判定放在 runner 侧（has_compiled_submodule）而非配置层，这是本 PR 能保持 CUDA 默认行为不变的关键；二是 without_piecewise() 让降级尽量保住 full decode graph，而不是一律退到 eager；三是归一化在平台更新前后各跑一次的顺序契约，以及降级到 NONE 时清理捕获尺寸。阅读时注意区分早期 revision（架构白名单 _uses_noncompiled_cudagraph_path + _piecewise_cudagraph_provider_available）与最终落地版本（通用条件 + LucasWilkinson 的 #56191 简化），review 评论中的报错栈对应的是已被替换的中间实现。建议后续：补齐非编译路径的端到端精度/性能长跑基线，持续跟踪 issue #52644 以决定 gfx950 eager 默认值何时撤销。

功能与动机

ROCm 出于性能考虑默认关闭 breakable CUDA graph，而 DeepSeek V3.2、GLM DSA、DeepSeek V4 等模型路径没有活跃的 torch.compile 边界，正常情况下依赖 breakable graph 才能做 piecewise capture，于是 O2 下会被解析成不可用的 PIECEWISE 路径。PR body 明确指出：「Apply the fallback only to platform-selected model paths without an active torch-compile boundary」，并说明「On gfx942 the fallback keeps uniform decode captured through FULL_DECODE_ONLY, while gfx950 DeepSeek V4 stays eager until its graph-pool correctness issue is resolved」。gfx950 的 eager 默认值直接对应仍处于 open 状态的 issue #52644（MI350/MI355 上 DeepSeek V4 使用 MRV2 + FULL_DECODE_ONLY 图出现精度下降）。PR body 还列出因果链：#52861、#53155、#53183 引入了相关默认配置，#54852 暴露了这个组合问题。

实现拆解

1. 把「piecewise 捕获提供者是否可用」变成 runner 侧的事实探测（vllm/v1/worker/gpu/model_runner.py）：在 GPUModelRunner.initialize_kv_cache 中计算 piecewise_capture_available = bool(envs.VLLM_USE_BREAKABLE_CUDAGRAPH or has_compiled_submodule(self.model))，新增导入 has_compiled_submodule（来自 vllm/v1/worker/gpu/cudagraph_utils.py），并把该布尔值透传给 resolve_cudagraph_mode_and_sizes。这样判据来自实际加载后的模型结构，而不是配置层猜测；影响是所有依赖 cudagraph 初始化的分支（cudagraph_manager、speculator）都拿到已归一化的模式。

2. 在 CUDAGraphMode 上提供降级原语（vllm/config/compilation.py）：新增 without_piecewise()，把 PIECEWISE → NONE、FULL_AND_PIECEWISE → FULL_DECODE_ONLY，其余模式原样返回。语义上保证「能保住 full decode graph 就不退到完全 eager」，这是 ROCm gfx942 性能不塌的关键。

3. 解析函数新增降级分支（vllm/config/compilation.py）：resolve_cudagraph_mode_and_sizes 增加 piecewise_capture_available: bool = True 参数（默认值保持既有调用方行为），在 attention 后端能力驱动的自动降级之后、full graph 硬校验之前插入 not piecewise_capture_available and requires_piecewise_compilation() 的 warning + 降级逻辑。

4. 配置层归一化与调用顺序（vllm/config/vllm.py）：把原来内联的「Overriding to NONE」代码块抽成 _normalize_piecewise_cudagraph_mode(breakable_cudagraph_enabled=...)，并调用两次——_maybe_override_dynamic_sd_cudagraph_mode() 之后一次，current_platform.check_and_update_config() 之后再一次（平台/connector 兼容性检查可能把 full 模式换成 PIECEWISE）。降级到 NONE 时顺带清空 max_cudagraph_capture_size 与 cudagraph_capture_sizes，避免 post_init_cudagraph_sizes() 继续为不存在的图预留缓冲。PR body 里描述的「O2/O3 默认 FULL_DECODE_ONLY、O0/O1 默认 NONE」正是该机制的副产品：O2/O3 默认 FULL_AND_PIECEWISE 降级为 FULL_DECODE_ONLY，O0/O1 默认 PIECEWISE 降级为 NONE。

5. 平台默认值（vllm/platforms/rocm.py）：RocmPlatform.apply_config_platform_defaults 在满足 cudagraph_mode is None + on_gfx950() + use_v2_model_runner + 架构属于 DeepseekV4ForCausalLM / DeepseekV4ForConditionalGeneration 时默认设为 NONE，注释直接引用 issue #52644；显式传入的模式不被覆盖。

6. 自适应验证语义修正（vllm/config/vllm.py + vllm/v1/worker/gpu/spec_decode/adaptive_verification.py + vllm/v1/worker/gpu/model_runner.py）：_validate_adaptive_verification 由「cudagraph_mode == NONE 才报错」改为 not has_full_cudagraphs() 才报错（接受 FULL / FULL_DECODE_ONLY / FULL_AND_PIECEWISE，拒绝 NONE / PIECEWISE）；新增 resolve_adaptive_cudagraph_mode(mode, *, piecewise_capture_available)，让 runner 不再无条件写死 FULL_AND_PIECEWISE，piecewise 不可用时退到 FULL_DECODE_ONLY，并断言输入模式确实带 full graph。

7. 测试与验证配套：tests/test_config.py +122 行，新增 4 个测试（test_rocm_gfx950_deepseek_v4_cudagraph_default 覆盖 5 组架构/runner/显式模式组合、test_resolve_cudagraph_mode_uses_loaded_piecewise_provider 覆盖 4 组降级矩阵、test_late_piecewise_restrictions_without_compilation 用 EngineArgs 做端到端断言并检查捕获尺寸被清空、test_adaptive_verification_requires_full_cudagraphs 覆盖 4 组模式）；tests/v1/spec_decode/test_adaptive_verification.py 新增 test_resolve_adaptive_cudagraph_mode 5 组用例。作者报告最终合并前配置/自适应验证/图管理器等相关套件 332 通过 7 跳过，并在 4×MI300X 上跑通 DeepSeek V4 Vision 检查点、7 项语义探针与 1319 题 GSM8K（0.942381）。

关键文件：

• vllm/config/vllm.py（模块 配置归一化；类别 source；类型 core-logic；符号 _normalize_piecewise_cudagraph_mode, _validate_adaptive_verification）: 配置层归一化枢纽：新增 _normalize_piecewise_cudagraph_mode 并在平台更新前后各调用一次，同时把自适应验证校验改为 has_full_cudagraphs()；review 中关于强制 mode=NONE 副作用与 VLLM_COMPILE 误伤的讨论都落在这个文件。
• vllm/config/compilation.py（模块 图模式定义；类别 source；类型 core-logic；符号 CUDAGraphMode.without_piecewise, resolve_cudagraph_mode_and_sizes）: 降级机制的原语与入口：新增 CUDAGraphMode.without_piecewise()，并在 resolve_cudagraph_mode_and_sizes 中新增 piecewise_capture_available 参数与降级分支，是本 PR 所有回退行为的基础。
• vllm/platforms/rocm.py（模块 平台默认值；类别 source；类型 configuration；符号 RocmPlatform.apply_config_platform_defaults）: 新增的 ROCm 平台默认值：gfx950 + V2 runner + DeepSeek V4 架构在未显式指定 cudagraph_mode 时默认 NONE，直接对应 open 状态的 issue #52644，是本 PR 中唯一改变默认运行时行为的平台侧改动。
• vllm/v1/worker/gpu/model_runner.py（模块 模型运行器；类别 source；类型 dependency-wiring；符号 GPUModelRunner.initialize_kv_cache, has_compiled_submodule, resolve_adaptive_cudagraph_mode）: 提供判据来源与自适应验证接线：initialize_kv_cache 计算 piecewise_capture_available（envs.VLLM_USE_BREAKABLE_CUDAGRAPH 或 has_compiled_submodule），并把自适应验证从无条件写 FULL_AND_PIECEWISE 改为调用 resolve_adaptive_cudagraph_mode，是 Rohan138 review 提问的落点。
• vllm/v1/worker/gpu/spec_decode/adaptive_verification.py（模块 自适应验证；类别 source；类型 core-logic；符号 resolve_adaptive_cudagraph_mode）: 新增 resolve_adaptive_cudagraph_mode：把「自适应验证在有 full graph 前提下应选哪种模式」的决策从 runner 抽成可测试的纯函数，piecewise 不可用时退到 FULL_DECODE_ONLY，避免覆盖配置层的回退结果。
• tests/test_config.py（模块 配置测试；类别 test；类型 test-coverage；符号 test_rocm_gfx950_deepseek_v4_cudagraph_default, test_resolve_cudagraph_mode_uses_loaded_piecewise_provider, test_late_piecewise_restrictions_without_compilation, test_adaptive_verification_requires_full_cudagraphs）: 配置回归核心测试：新增 gfx950 DeepSeek V4 默认值、provider-aware 解析矩阵、late piecewise 限制的端到端断言（含捕获尺寸清空）与自适应验证校验矩阵，是本 PR 防止回退的主要安全网。
• tests/v1/spec_decode/test_adaptive_verification.py（模块 投机解码测试；类别 test；类型 test-coverage；符号 test_resolve_adaptive_cudagraph_mode）: 为新增的 resolve_adaptive_cudagraph_mode 提供 5 组模式/可用性矩阵测试，覆盖 review 中 CodeRabbit 指出的 FULL_AND_PIECEWISE + 可用捕获组合。

关键符号：_normalize_piecewise_cudagraph_mode, CUDAGraphMode.without_piecewise, resolve_cudagraph_mode_and_sizes, resolve_adaptive_cudagraph_mode, RocmPlatform.apply_config_platform_defaults, VllmConfig._validate_adaptive_verification, GPUModelRunner.initialize_kv_cache, has_compiled_submodule

关键源码片段

vllm/config/vllm.py

配置层归一化枢纽：新增 _normalize_piecewise_cudagraph_mode 并在平台更新前后各调用一次，同时把自适应验证校验改为 has_full_cudagraphs()；review 中关于强制 mode=NONE 副作用与 VLLM_COMPILE 误伤的讨论都落在这个文件。

# vllm/config/vllm.py：把「需要 piecewise capture 但没有提供者」的图模式降级为可执行模式。
# 该函数在 __post_init__ 中被调用两次：平台配置更新之前一次，之后再一次。
​
def _normalize_piecewise_cudagraph_mode(
    self, *, breakable_cudagraph_enabled: bool
) -> None:
    compilation_config = self.compilation_config
    # 三个条件同时成立才降级：
    # 1) 目标模式确实需要 piecewise capture（PIECEWISE / FULL_AND_PIECEWISE）；
    # 2) 编译模式不是 VLLM_COMPILE，即没有 torch.compile 产生的分段捕获；
    # 3) breakable CUDA graph 未启用，说明 runner 侧也没有捕获提供者。
    if (
        compilation_config.cudagraph_mode.requires_piecewise_compilation()
        and compilation_config.mode != CompilationMode.VLLM_COMPILE
        and not breakable_cudagraph_enabled
    ):
        # 不再一律退到 NONE：FULL_AND_PIECEWISE -> FULL_DECODE_ONLY，
        # 这样 gfx942 上 uniform decode 仍能走图，避免性能大幅回退；
        # O0/O1 的默认 PIECEWISE 则自然退到 NONE。
        fallback_mode = compilation_config.cudagraph_mode.without_piecewise()
        logger.info_once(
            "Cudagraph mode %s is not compatible with compilation mode %s. "
            "Overriding to %s.",
            compilation_config.cudagraph_mode,
            compilation_config.mode,
            fallback_mode,
        )
        compilation_config.cudagraph_mode = fallback_mode
        # 退到 NONE 时必须清理陈旧的捕获尺寸，否则后续 post_init_cudagraph_sizes()
        # 仍会按已经不存在的图预留缓冲。
        if fallback_mode == CUDAGraphMode.NONE:
            compilation_config.max_cudagraph_capture_size = 0
            compilation_config.cudagraph_capture_sizes = []
​
​
# 调用点 1：动态投机解码相关的图模式改写之后
self._maybe_disable_dynamic_sd_for_data_parallel()
self._maybe_override_dynamic_sd_cudagraph_mode()
self._normalize_piecewise_cudagraph_mode(
    breakable_cudagraph_enabled=breakable_cudagraph_enabled
)
​
# 调用点 2：平台 check_and_update_config() 之后必须再归一化一次，
# 因为平台或 connector 的兼容性检查可能把 full 模式换成 PIECEWISE，
# 且归一化必须发生在自适应验证等消费者读取 cudagraph_mode 之前。
current_platform.check_and_update_config(self)
self._normalize_piecewise_cudagraph_mode(
    breakable_cudagraph_enabled=breakable_cudagraph_enabled
)
​
# 下游消费者：只接受真正的 full CUDA graph 模式
self._validate_batch_sharded_sampling()
self._validate_adaptive_verification()

vllm/config/compilation.py

降级机制的原语与入口：新增 CUDAGraphMode.without_piecewise()，并在 resolve_cudagraph_mode_and_sizes 中新增 piecewise_capture_available 参数与降级分支，是本 PR 所有回退行为的基础。

class CUDAGraphMode(enum.Enum):
    NONE = 0
    PIECEWISE = 1
    FULL = 2
    FULL_DECODE_ONLY = (FULL, NONE)
    FULL_AND_PIECEWISE = (FULL, PIECEWISE)
​
    def requires_piecewise_compilation(self) -> bool:
        return self.has_mode(CUDAGraphMode.PIECEWISE)
​
    def without_piecewise(self) -> "CUDAGraphMode":
        # 本次新增：把需要 piecewise capture 的模式映射为不需要它的等价模式。
        # PIECEWISE 本身没有 full graph 可保留，只能退到 NONE；
        # FULL_AND_PIECEWISE 可以只保留 decode full graph，性能损失更小。
        if self == CUDAGraphMode.PIECEWISE:
            return CUDAGraphMode.NONE
        if self == CUDAGraphMode.FULL_AND_PIECEWISE:
            return CUDAGraphMode.FULL_DECODE_ONLY
        return self # NONE / FULL / FULL_DECODE_ONLY 原样返回
​
​
def resolve_cudagraph_mode_and_sizes(
    self,
    min_cg_support: "AttentionCGSupport",
    min_cg_attn_backend: str | None,
    uniform_decode_query_len: int = 1,
    use_v2_model_runner: bool = False,
    tensor_parallel_size: int = 1,
    kv_cache_config: "KVCacheConfig | None" = None,
    max_num_reqs: int | None = None,
    is_profiling: bool = False,
    piecewise_capture_available: bool = True, # 新增，默认值保持既有调用方行为
) -> CUDAGraphMode:
    # ...（前面是按 attention 后端能力做的自动降级）...
    # 关键新增：内存里加载的模型既没有 compiled submodule，也没有启用
    # breakable CUDA graph 时，任何仍要求 piecewise capture 的模式都必须降级，
    # 否则捕获阶段会失败或产生静默错算。
    if (
        not piecewise_capture_available
        and cudagraph_mode.requires_piecewise_compilation()
    ):
        fallback_mode = cudagraph_mode.without_piecewise()
        logger.warning_once(
            "Cudagraph mode %s requires piecewise capture, but the loaded "
            "model provides neither a compiled submodule nor breakable CUDA "
            "graphs. Overriding to %s.",
            cudagraph_mode,
            fallback_mode,
        )
        cudagraph_mode = fallback_mode
​
    # 降级之后仍然保留硬校验：要求 full graph 但 attention 后端完全不支持时直接报错，
    # 保证降级只发生在真正安全的方向上。
    if (
        cudagraph_mode.has_full_cudagraphs()
        and min_cg_support == AttentionCGSupport.NEVER
    ):
        raise ValueError(
            f"CUDAGraphMode.{cudagraph_mode.name} is not "
            f"supported with {min_cg_attn_backend} backend"
        )
    # ...（后续是 MRV1 的 spec-decode 捕获尺寸调整，本次未改动）...

vllm/platforms/rocm.py

新增的 ROCm 平台默认值：gfx950 + V2 runner + DeepSeek V4 架构在未显式指定 cudagraph_mode 时默认 NONE，直接对应 open 状态的 issue #52644，是本 PR 中唯一改变默认运行时行为的平台侧改动。

@classmethod
def apply_config_platform_defaults(cls, vllm_config: "VllmConfig") -> None:
    from vllm._aiter_ops import rocm_aiter_ops
    from vllm.config.compilation import CUDAGraphMode
​
    compilation_config = vllm_config.compilation_config
    model_config = vllm_config.model_config
​
    # gfx950（MI350/MI355）上，DeepSeek V4 走 V2 model runner 时的
    # FULL_DECODE_ONLY 图存在尚未解决的精度回归（issue #52644），
    # 因此只在用户没有显式指定 cudagraph_mode 时默认改为 eager。
    # 显式传入的模式（例如 FULL_DECODE_ONLY）仍然被保留，
    # 由用户自行承担该已知风险；矩阵由
    # test_rocm_gfx950_deepseek_v4_cudagraph_default 覆盖。
    if (
        compilation_config.cudagraph_mode is None
        and model_config is not None
        and on_gfx950()
        and vllm_config.use_v2_model_runner
        and model_config.architecture
        in {
            "DeepseekV4ForCausalLM",
            "DeepseekV4ForConditionalGeneration",
        }
    ):
        # Default to eager after reported gfx950/MRV2 accuracy regressions:
        # https://github.com/vllm-project/vllm/issues/52644
        compilation_config.cudagraph_mode = CUDAGraphMode.NONE
​
    # 以下 AITER 相关默认值（+quant_fp8 / grouped_topk / sparse_attn_indexer）
    # 在本 PR 之前就已存在，此处保留以标明新增默认值的插入位置。
    use_aiter_fused_moe = rocm_aiter_ops.is_fused_moe_enabled()
    use_aiter_fp8_linear = rocm_aiter_ops.is_linear_fp8_enabled()
    use_aiter_fused_se = rocm_aiter_ops.is_fusion_moe_shared_experts_enabled()
    # ...（后续为原有的 custom_ops 调整逻辑）...

评论区精华

讨论集中在四个点：(1) okorzh-amd 指出新增的 VLLM_COMPILE 校验会击穿 NgramProposerGPU.__init__ 内部构造的辅助 VllmConfig（硬编码 VLLM_COMPILE + NONE），作者把校验收窄到「cudagraph_mode 为 None 或需要 piecewise」，最终实现里该路径只做降级与日志、不再抛错；(2) 同一位 reviewer 指出早期版本强制 mode = NONE 会抢先于「mode is None → VLLM_COMPILE」默认值，静默改变 ROCm 内核分派（custom_ops none→all、ir_enable_torch_wrap、IR 优先级、AITER rms_norm 丢失），作者删除该赋值并补充回归测试与 MI300X O2 探针；(3) liulanze 指出自适应验证需要的是 full CUDA graph 而非 piecewise provider，旧校验既会误杀本 PR 新增的 NONE + FULL_DECODE_ONLY 回退，又会放过 VLLM_COMPILE + PIECEWISE，作者改用 has_full_cudagraphs() 并同步修正 runner；(4) 维护者 njhill / LucasWilkinson 认为实现过于绕，最终把 LucasWilkinson 的简化提案（#56191）作为 commit 59e5b407 直接合入本 PR。Fangzhou-Ai 独立复测确认该改动在 MI355X + DeepSeek-V4-Pro FP4 上「by design inert」且性能持平。

• 新增的 VLLM_COMPILE 校验会击穿 NgramProposerGPU 的辅助 VllmConfig (correctness): 作者把校验收窄为「cudagraph_mode 为 None 或 requires_piecewise_compilation() 才拒绝」，并说明显式非 piecewise 模式（NONE / FULL / FULL_DECODE_ONLY）保持有效；在最终简化版本中该路径只做 without_piecewise() 降级并打日志，不再抛错。
• 强制 mode=NONE 会静默改变 ROCm 内核分派与 AITER rms_norm 优先级 (performance): 作者删除该赋值，让未设置的编译模式走正常解析器；回归测试断言 compilation mode 保持未设置，并用 MI300X O2 探针确认 AITER 仍是选中的 RMSNorm 实现。
• 自适应验证应校验 full CUDA graph，而不是 piecewise provider (design): 作者采纳：校验改为 not has_full_cudagraphs() 才报错，并同步修正 model_runner 侧——保留 FULL_DECODE_ONLY，piecewise 不可用时退到它，而不是无条件写 FULL_AND_PIECEWISE。
• 为何要在 model_runner 里改写自适应验证的 cudagraph_mode (question): 作者解释该回退位于共享配置代码，因此也覆盖 CUDA 上显式 VLLM_USE_BREAKABLE_CUDAGRAPH=0 的 DeepSeek V4 场景：配置层已选 FULL_DECODE_ONLY，若 runner 仍无条件写 FULL_AND_PIECEWISE 会撤销回退并触发捕获提供者检查；默认启用 breakable graph 的 CUDA 路径不受影响。
• 共享配置层的 provider 检查是否会波及默认 CUDA 路径 (question): 结论是默认 CUDA 行为不变，CUDA 仅在显式关闭 breakable graph 时受影响；该检查保留在通用路径以保证一致性。
• 维护者认为实现过于绕，要求先合入 LucasWilkinson 的简化提案 (design): LucasWilkinson 的 #56191 提案以 commit 59e5b407 直接合成到本 PR：删除架构白名单（_uses_noncompiled_cudagraph_path、_piecewise_cudagraph_provider_available、NON_COMPILED_CUDAGRAPH_FALLBACK_ARCHITECTURES），统一为 requires_piecewise_compilation() + mode != VLLM_COMPILE + not breakable_cudagraph_enabled，并引入 without_piecewise()；作者仍承诺后续可继续收敛复杂度。
• 自适应验证测试矩阵缺少 FULL_AND_PIECEWISE + 捕获可用组合 (testing): 最终测试参数表已包含 (FULL_AND_PIECEWISE, True → FULL_AND_PIECEWISE) 用例，该 nitpick 被吸收。
• CUDAGraphMode 在配置文件中被重复 lazy import (style): 属于清理性建议，最终代码未在可见片段中确认是否已改为顶层导入，可视为遗留的后续清理项。

风险与影响

• 风险：
  1. 核心配置路径回归面扩大：_normalize_piecewise_cudagraph_mode 位于 VllmConfig.__post_init__ 的通用路径，CUDA 默认不再受影响的前提是「CUDA 自动启用 breakable graph」，但用户显式设置 VLLM_USE_BREAKABLE_CUDAGRAPH=0 时行为会从 NONE 变成 FULL_DECODE_ONLY（至少是行为变化）。
  2. 降级判据依赖编译模式语义：条件中的 mode != CompilationMode.VLLM_COMPILE 把「能否 piecewise capture」与编译模式绑定，早期版本正是因为直接改写 mode 而影响了 AITER rms_norm 选择与 IR 优先级；虽然该赋值已被删除，但任何未来在平台/connector 层改写 compilation mode 的改动都可能重新引入不一致。
  3. 探测为假阴性时静默降级：piecewise_capture_available 只认 VLLM_USE_BREAKABLE_CUDAGRAPH 或 has_compiled_submodule(self.model)；若某条模型路径通过其他方式提供分段捕获，会被无提示地降为 FULL_DECODE_ONLY（性能损失而非正确性损失）。
  4. gfx950 默认 eager 是性能换正确性：vllm/platforms/rocm.py 让 DeepSeek V4 MRV2 在 MI350/MI355 上默认退到 eager，直到 issue #52644 解决；期间该配置在 MI350/MI355 上会损失 uniform decode 的图收益。
  5. 自适应验证仍存在跨层不一致风险：config 校验（has_full_cudagraphs()）与 runner 内 resolve_adaptive_cudagraph_mode 的 assert 分处两层，若后续在两者之间再次改写模式，可能出现 AssertionError 而不是友好的配置报错。
  6. 辅助配置构造模式脆弱：NgramProposerGPU 之类在库内部构造第二个 VllmConfig 的代码，暴露了配置校验被误伤的隐患；本 PR 修好了一处，但没有通用防线。
     - 影响：用户侧：ROCm（尤其 gfx942）用户在无 torch.compile 边界的模型路径上不再启动失败或静默错算，uniform decode 仍由图捕获；gfx950 上的 DeepSeek V4 MRV2 用户默认退到 eager，吞吐可能下降但规避已知精度回归；CUDA 默认路径不变，仅在显式关闭 breakable graph 时行为变化。系统侧：cudagraph 模式解析新增一层「provider 可用性」判据与一个可复用的 without_piecewise() 原语，配置归一化被提升为平台更新前后各执行一次的双保险，MRV2 的 GPUModelRunner.initialize_kv_cache 与 adaptive verification 接线随之调整。团队侧：该区域（cudagraph 模式解析 + ROCm 平台默认值）已成为多个 PR 的交汇点，维护者明确要求后续继续简化，说明此处复杂度仍在累积。
     - 风险标记：核心配置路径变更, ROCm 默认图模式变更, 依赖未关闭的精度 Issue #52644, 非编译路径缺少端到端性能基线, 辅助 VllmConfig 构造易被新校验误伤

关联脉络

• PR #56191 [Proposal] Simplify noncompiled cudagraph fallback: LucasWilkinson 的简化提案以 commit 59e5b407 直接合入本 PR，替换了早期基于架构白名单（_uses_noncompiled_cudagraph_path / _piecewise_cudagraph_provider_available）的复杂判定，最终形成 _normalize_piecewise_cudagraph_mode + without_piecewise 的组合。
• PR #56379 [EC] Automatically enable embedding inputs on EC/KV consumers: 本 PR 最后一次 merge main（commit 3a10c2a0）时适配了该改动带来的 _resolve_mm_embedding_inputs 重命名与 EC/KV 消费者自动 embedding 输入，两者都修改 vllm/config/vllm.py 的 post_init 流程。
• PR #56214 [Model] Support DeepSeek-V4.1-Flash: 同属 DeepSeek V4 在 ROCm / MRV2 上的落地序列，同样改动 GPUModelRunner 的初始化路径与 cudagraph 相关配置，与本 PR 的 piecewise_capture_available 计算位置相邻。
• PR #54852 （PR body 引用：暴露该 compile/cudagraph 组合问题的变更）: PR body 明确写道该 PR「exposed the combination」，即暴露了非编译模型路径被解析为 PIECEWISE 的失效组合，是本 PR 的直接触发点。
• PR #52861 （PR body 引用：因果变更之一）: PR body 将其列为 causal changes 之一（另见 #53155、#53183），它们引入了需要 piecewise capture 的默认配置，构成本次回退逻辑的上游背景。
• PR #54782 （review 讨论中引用：记录同类无效状态会产生乱码输出）: 作者在讨论 CUDA 默认路径是否受影响时引用该 PR：它记录了相同的无效状态在 NVIDIA DeepSeek V4 开发期间产生 garbled output，佐证该检查应保留在通用配置路径。