执行摘要

• 一句话：移除 DSV4.1 误移植的 compressor 对齐 padding，token 流对齐 HF 参考
• 推荐动作：值得精读。该 PR 是“参考实现比对驱动删除”的小而清晰案例：核心看点是 _apply_token_matches_with_placeholders 覆写的删除动机——pad 依赖拼接位置导致 prompt updates 无法缓存，删除后不仅 token 流对齐官方，还顺带恢复基类默认路径。对多模态模型接入团队有参考价值：跨模型版本移植预处理逻辑前应逐行比对官方 image_processor.py。建议后续补充一条针对 DSV4.1 图片 token 流 bit-match 的回归测试，并核查 mm_prefix_span_leading_pad_modulus 是否还有其他读取方。

功能与动机

PR body 明确指出 Image sentinel padding only lives in deepseek-v4-vision-exp, not deepseek-v4.1，并以官方仓库 image_processor.py 的具体行号作为证据（v4-vision-exp 的 L135-L155 与 v4.1 的 L140-L173）。vLLM 此前从 v4-vision-exp 移植了 compressor-alignment padding 到 v4.1，这属于跨模型版本的误共享：v4.1 参考实现允许图片 token 自由跨越 compressor 组边界，不做任何相位对齐。保留该 pad 会让 vLLM 产出的图片 token 流与官方预处理不一致，进而影响路由、engram 掩码等依赖图片 sentinel 位置的下游逻辑。

实现拆解

1. 常量与掩码精简（common/mm_preprocess.py，+10/-110）：删除 COMPRESS_PAD_TO = 2、IMAGE_PAD_ID = 129265、IMAGE_PAD_TOKEN_NAME 三个常量；image_sentinel_mask 从双 id 比较退化为 token_ids == IMAGE_SENTINEL_BASE_ID 单 id 比较；validate_image_sentinel_ids 删除对 pad token 的 id 校验。这保证后续以 sentinel 掩码为基准的逻辑（MoE router 图片 token 识别、engram 掩码）不再感知 pad。

2. splice 行为恢复基类：删除自定义 _apply_token_matches_with_placeholders 覆写（约 67 行）。原覆写在图片块拼接时按 COMPRESS_PAD_TO - 1 - start_idx % COMPRESS_PAD_TO 前插 pad，且因 pad 依赖块的最终位置而无法缓存 prompt updates；删除后恢复基类 _plan_prompt_updates 默认拼接，PlaceholderFeaturesInfo 的 token 位置与无 pad 内容天然对齐。

3. 预算与 token 上限恢复：safe_resize 不再预留 COMPRESS_PAD_TO - 1 个 token；get_mm_max_tokens_per_item 直接返回 vision_max_n_token 而非加 pad 余量；get_image_size_with_most_features 的预算同样恢复为 vision_max_n_token。最大允许图片 token 数回落为配置值，预算临界处的图片尺寸选择与官方一致。

4. 模型侧清理（amd/vl_model.py、nvidia/vl_model.py，各 -8）：两文件同步删除 IMAGE_PAD_ID、IMAGE_SENTINEL_BASE_ID 导入，以及 embed_input_ids 中把 IMAGE_PAD_ID 通过 masked_fill 映射为 IMAGE_SENTINEL_BASE_ID 的兜底逻辑。该兜底原先用于让 pad 位置以普通图片 token 嵌入（v4.1 无 image_pad 向量）；pad 不复存在后 input_ids 直接送入 embed_input_ids。

5. 配置属性清理（vllm/transformers_utils/configs/deepseek_v41.py，-6）：删除 mm_prefix_span_leading_pad_modulus = 2 属性。该属性描述 mm-prefix 可见区间前导 pad 的周期；删除后 is_mm_prefix_lm 与 mm_prefix_clamp_sliding_window 继续保留，mm-prefix 管道行为不受影响。

6. 测试与配套：本次没有测试文件变更，PR 正文 Test Plan 与 Test Result 均为 TODO；无配置模板、部署或文档配套改动。回归保障依赖现有 DSV4.1 相关 CI 用例与维护者人工核对。

关键文件：

• vllm/models/deepseek_v4_1/common/mm_preprocess.py（模块 多模态预处理；类别 source；类型 data-contract；符号 _apply_token_matches_with_placeholders, image_sentinel_mask, validate_image_sentinel_ids, safe_resize）: 核心文件：删除 COMPRESS_PAD_TO、IMAGE_PAD_ID 常量、IMAGE_PAD_ID 掩码及自定义 _apply_token_matches_with_placeholders 覆写，图片 token 流与 HF 参考逐位对齐（+10/-110）。
• vllm/models/deepseek_v4_1/amd/vl_model.py（模块 视觉模型；类别 source；类型 data-contract；符号 embed_input_ids）: AMD 视觉路径同步清理：移除 IMAGE_PAD_ID 导入与 embed_input_ids 中的 masked_fill 兜底（-8 行）。
• vllm/models/deepseek_v4_1/nvidia/vl_model.py（模块 视觉模型；类别 source；类型 data-contract；符号 embed_input_ids）: NVIDIA 视觉路径与 AMD 侧完全同步的清理，删除同一段 masked_fill 兜底与导入（-8 行）。
• vllm/transformers_utils/configs/deepseek_v41.py（模块 模型配置；类别 source；类型 core-logic；符号 DeepseekV41Config）: 配置类删除 mm_prefix_span_leading_pad_modulus 属性，mm-prefix 可见区间不再描述前导 pad 周期（-6 行）。

关键符号：_apply_token_matches_with_placeholders, image_sentinel_mask, validate_image_sentinel_ids, safe_resize, get_mm_max_tokens_per_item, get_image_size_with_most_features, embed_input_ids

关键源码片段

vllm/models/deepseek_v4_1/common/mm_preprocess.py

核心文件：删除 COMPRESS_PAD_TO、IMAGE_PAD_ID 常量、IMAGE_PAD_ID 掩码及自定义 _apply_token_matches_with_placeholders 覆写，图片 token 流与 HF 参考逐位对齐（+10/-110）。

# DeepSeek-V4.1 视觉输入的 sentinel 相关常量与校验（head 状态）。
# 移除 compressor-alignment padding 后，token 流与官方 image_processor.py
# 完全一致：官方参考实现允许图片 token 跨 compressor 组边界自由拼接，
# 不做相位对齐；对齐 pad 是 deepseek-v4-vision-exp 才有的逻辑。
​
IMAGE_START, IMAGE, IMAGE_NEW_LINE, IMAGE_END = range(4)
​
IMAGE_PLACEHOLDER = "<｜deepseek_image｜>"
​
# checkpoint tokenizer 中 IMAGE_PLACEHOLDER 的 id（即配置里的 image_token_id）。
# 每个 image-span 位置都携带该 id，MoE router 以区间
# [IMAGE_SENTINEL_BASE_ID, IMAGE_SENTINEL_BASE_ID + 5) 识别图片 token。
# 原实现曾额外引入 IMAGE_PAD_ID = 129265（<|place_holder_mm_span_0436|>）
# 作为对齐 pad 的占位 id，本 PR 已删除。
IMAGE_SENTINEL_BASE_ID = 129264
​
​
def image_sentinel_mask(token_ids: torch.Tensor) -> torch.Tensor:
    """返回 image-span 位置的布尔掩码。"""
    # 不再需要叠加 IMAGE_PAD_ID 判断，掩码退化为单 id 比较，
    # 路由与 engram 掩码路径的语义随之简化。
    return token_ids == IMAGE_SENTINEL_BASE_ID
​
​
def validate_image_sentinel_ids(tokenizer) -> None:
    """校验图片 token id 与 tokenizer 是否一致。"""
    # 原先还会校验 IMAGE_PAD_TOKEN_NAME 对应的 id，
    # padding 移除后该项校验一并删除，只保留图片占位符校验。
    image_id = tokenizer.convert_tokens_to_ids(IMAGE_PLACEHOLDER)
    if image_id != IMAGE_SENTINEL_BASE_ID:
        raise ValueError(
            f"Image placeholder {IMAGE_PLACEHOLDER!r} has id {image_id}, "
            f"expected {IMAGE_SENTINEL_BASE_ID} (the config's "
            "image_token_id); the DeepSeek-V4.1 vision path keys image "
            "routing and engram masking off this id."
        )
​
​
def safe_resize(
    height, width, best_height, best_width, patch_size, downsample_ratio, max_n_token
):
    """收缩图片尺寸，直到图片 LLM token 消耗不超过 max_n_token。"""
    # 原先会先扣除 COMPRESS_PAD_TO - 1 个预留 token 再比较，
    # 现已移除，预算判定与官方参考完全一致。
    n_llm_h, n_llm_w = llm_grid(best_height, best_width, patch_size, downsample_ratio)
    if num_image_tokens(n_llm_h, n_llm_w) > max_n_token:
        best_height, best_width = solve_resize_ratio(
            height, width, patch_size, downsample_ratio, max_n_token
        )
        n_llm_h, n_llm_w = llm_grid(
            best_height, best_width, patch_size, downsample_ratio
        )
        assert num_image_tokens(n_llm_h, n_llm_w) <= max_n_token
    return n_llm_h, n_llm_w, best_height, best_width
​
# 原 _apply_token_matches_with_placeholders 覆写（已整体删除）会在拼接图片块时
# 前插 COMPRESS_PAD_TO - 1 - start_idx % COMPRESS_PAD_TO 个 IMAGE_PAD_ID；
# 因 v4.1 官方 image_processor.py 无此 pad，现恢复基类 _plan_prompt_updates 的
# 默认拼接，PlaceholderFeaturesInfo 的 token 位置与无 pad 内容天然对齐。

vllm/models/deepseek_v4_1/amd/vl_model.py

AMD 视觉路径同步清理：移除 IMAGE_PAD_ID 导入与 embed_input_ids 中的 masked_fill 兜底（-8 行）。

def embed_input_ids(
    self,
    input_ids: torch.Tensor,
    multimodal_embeddings: MultiModalEmbeddings | None = None,
    *,
    is_multimodal: torch.Tensor | None = None,
) -> torch.Tensor:
    from vllm.model_executor.models.utils import _merge_multimodal_embeddings
​
    # v4.1 参考实现不插入 compressor-alignment pad，token 流与 HF 完全一致，
    # 因此不再需要把 IMAGE_PAD_ID 掩码成 IMAGE_SENTINEL_BASE_ID 的兜底；
    # 原先的 masked_fill 是 Branch-free 的编译区安全写法，现已整体移除。
    inputs_embeds = self.language_model.embed_input_ids(input_ids)
​
    if multimodal_embeddings is None or len(multimodal_embeddings) == 0:
        return inputs_embeds
​
    assert is_multimodal is not None
    return _merge_multimodal_embeddings(
        inputs_embeds=inputs_embeds,
        multimodal_embeddings=multimodal_embeddings,
        is_multimodal=is_multimodal,
    )

vllm/transformers_utils/configs/deepseek_v41.py

配置类删除 mm_prefix_span_leading_pad_modulus 属性，mm-prefix 可见区间不再描述前导 pad 周期（-6 行）。

# DeepseekV41Config.__init__ 尾部（head 状态）。
# mm-prefix 相关属性中，原实现额外设置了
# mm_prefix_span_leading_pad_modulus = 2 用于描述 compressor-alignment pad
# 的周期；padding 移除后该属性不复存在，其余 mm-prefix 属性保留。
vision_n_layers = vision_config.get("num_hidden_layers", 0)
self.vision_n_layers = vision_n_layers
# 视觉变体需要 mm-prefix 管道（原子 image-span prefill + 稀疏 SWA 扩窗），
# 基础架构配置转换器读取该配置级属性。
self.is_mm_prefix_lm = vision_n_layers > 0
# 稀疏 SWA 索引内核会在 image-span 内原地扩窗，因此超过 sliding_window
# 的 mm-prefix 区间必须保留（仅这些内核消费它们）。
self.mm_prefix_clamp_sliding_window = vision_n_layers > 0
# mm_prefix_span_leading_pad_modulus 已删除：v4.1 参考实现不插入前导 pad。

评论区精华

该 PR 没有实质 review 讨论线程。claude[bot] 自动评论指出 This pull request is from a fork — automated review is disabled，即 fork PR 未触发自动评审；维护者 ywang96 直接 APPROVE 且未留文字评论。PR body 中对 HF 官方 image_processor.py 行号（v4-vision-exp L135-L155 与 v4.1 L140-L173）的引用是唯一设计论据，表明这是一次基于参考实现比对的“删除误移植逻辑”决策。未解决的疑虑主要是测试证据缺口：无配套测试、Test Plan 为 TODO，以及 mm_prefix_span_leading_pad_modulus 属性删除后没有显式说明是否还有其他消费方。

• fork PR 自动评审被禁用 (other): 未触发人工 bot 评审，无实际技术讨论产生。
• 维护者批准与测试证据缺失 (testing): 维护者基于 HF 参考代码行号证据直接批准；测试证据缺口未被讨论，遗留回归风险。

风险与影响

• 风险：
  1) 行为回归：移除 pad 后图片 token 流与上一版 vLLM 行为不同，每个图片块最多少 1 个 pad token；若模型实际依赖相位对齐将影响生成质量——依据 HF 参考代码判断官方不做 pad，方向风险较低但未被自动化测试显式验证。
  2) 配置属性兼容性：mm_prefix_span_leading_pad_modulus 被删除，若 vllm/v1 的 mm-prefix 或 SWA 相关模块直接读取该属性，将触发 AttributeError；本 PR 未改动其他消费者，存在隐含耦合风险。
  3) 测试缺失：image_sentinel_mask 与 validate_image_sentinel_ids 语义变化（掩码范围缩小）会影响 MoE router 图片 token 识别与 engram 掩码路径，缺少对应回归测试。
  4) 双路径一致性：AMD 与 NVIDIA 两份 vl_model.py 逻辑需保持同步，本次同步删除，后续单侧修改容易漂移。
  • 影响：对用户：使用 DeepSeek-V4.1 视觉能力的输出 token 序列与旧版 vLLM 不同（更贴近官方参考），图片 token 计数与生成长度可能变化，属预期内的保真度修正。对系统：影响 DSV4.1 的 mm-prefix 拼接、图片 sentinel 掩码、MoE 路由与 engram 掩码链路，同时覆盖 AMD 与 NVIDIA 两条硬件路径。对团队：消除了 v4-vision-exp 逻辑被误共享到 v4.1 的隐患，为后续 DSV4.1 视觉能力迭代提供正确基线；但没有配套测试，后续改动需自行补回归。整体影响集中在单模型家族（DeepSeek-V4.1），程度中等。
  • 风险标记：token 流行为变更, 无配套测试, 配置属性删除需核查消费者, AMD/NVIDIA 双路径同步改动

关联脉络

• PR #56503 [ROCm][DSV4.1][Perf] Use AITER mHC for the delayed pre block: 同属 DeepSeek-V4.1 模型家族开发线，该 PR 在 ROCm 侧推进 V4.1 内核性能，本 PR 修正 V4.1 视觉 token 流，两者共同构成 V4.1 支持闭环。
• PR #56463 [XPU][CI] skip DeepSeek-V4.1-Flash in test_tensor_schema.py: 同为 DeepSeek-V4.1-Flash 相关配套改动，反映 V4.1 系列在 CI 与模型路径上的持续适配。
• PR #56153 [ROCm][Kernel][DSV4] Remove tl.constexpr to avoid cold-compile churn in indexer gather kernel: 同属 DSV4/DSV4.1 架构演进，关注图片 token 路由（indexer）路径的执行效率，与本 PR 的 sentinel 路由语义调整相邻。