vllm-project/vllm

为 MiniMax QK Norm 融合编译通道添加文档说明。

此 PR 是纯粹的文档补充，内容清晰。对于关注 MiniMax 模型优化或编译融合通道设计的开发者，值得快速浏览以了解该特定优化的存在和配置。但更值得关注的是 review 中暴露的底层内核 bug，这提示需要跟进相关内核修复 PR。

移除 librosa 依赖，替换为 torchaudio 及内部音频处理函数。

建议快速浏览此 PR 以了解依赖清理模式，重点关注 `vllm/transformers_utils/processors/cohere_asr.py` 中滤波器组替换的数值验证方法。对于音频处理模块的开发者，此变更展示了如何将外部依赖迁移到内部或标准库工具。

修正 AMD Zen CPU 后端支持的浮点类型，并将依赖切换至 zentorch 周构建版本。

此 PR 值得精读，特别是对于关注多平台支持或依赖管理的工程师。关键设计决策包括：通过覆盖 `supported_dtypes` 来匹配硬件能力，以及选择固定 zentorch 周构建版本而非版本范围。建议关注 review 中关于依赖版本管理的讨论，以权衡稳定性和可维护性。

修复 GLM-ASR 模型在 CPU 后端因 k_proj 偏置未初始化导致的数值溢出问题。

该 PR 是针对性强的 bugfix，代码变更简洁，适合快速浏览以了解 GLM-ASR 模型加载的特殊处理。值得关注的设计决策是如何通过辅助函数 `_create_fake_bias_for_k_proj` 解耦权重修补逻辑，保持 load_weights 方法清晰。建议结合 PR body 中的测试脚本理解问题复现和验证过程。

修复 Anthropic 服务文件中过时的源码引用注释和仓库 URL。

该 PR 变更简单，无需精读。对于关注 Anthropic 服务实现或代码文档规范的开发者，可以快速浏览以了解源码引用更新的背景（如 PR #32240 的重命名）。设计决策方面无特殊之处，主要是遵循仓库命名和链接格式的常规维护。

为解耦推理端点添加多模态支持，实现渲染到生成的零客户端转换。

建议开发者和架构师精读 `vllm/entrypoints/serve/disagg/mm_serde.py` 的序列化实现，关注整数张量处理和Msgpack配置，以及 `tests/entrypoints/serve/disagg/test_serving_multimodal_tokens.py` 的端到端测试设计，以理解多模态数据流的集成方式。

在支持模型文档中添加实时转录模型章节并修复API文档中的错误链接。

此PR是一个简单的文档完善，无需深入技术分析。对于工程师，如果正在处理实时转录相关功能或需要参考模型支持列表，可以快速浏览`supported_models.md`中的新章节以获取关键信息。对于技术管理者，此变更展示了文档维护的重要性，但无需投入额外审查精力。

通过将 embeds_cumsum 缓存从 torch.Tensor 改为 Python list，减少多模态调度器开销。

该 PR 值得精读，特别是关注如何通过缓存类型优化来减少 Python 与 torch 之间的转换开销，以及如何处理边界条件以确保健壮性。设计决策体现了性能与代码简洁性的权衡。