vllm-project/vllm

DeepStream 归类为 GPU 后端，补像素限制封堵请求绕过

值得精读。这是一份'小改动、大影响'的安全修复：3 个文件、35 行新增即闭合了请求级绕过 GPU 配置与像素限制的漏洞。核心看点有两个：一是 `register_gpu_codec` 与 `register` 装饰器并存的设计，如何在零依赖前提下扩展注册表语义；二是提交历史中 fail-closed 默认值与显式注册方案的往复，展示了安全默认值与向后兼容之间的真实权衡（最终选择显式注册以保护 pyav/torchcodec 等软件解码路径）。建议后续为 GPU codec 增加注册一致性断言，并补充 DeepStream 分支的集成测试（含可选依赖标记）。

K3 大批量 up-proj 改列并行分片，TTFT 降约 4%

值得精读，特别是 `_select_tail_tier` 的分层设计（按 token 数选择不同 collectives 与 kernel 策略）与 `_shard_up_proj_tail` 中把列并行分片 fold 进最终 all-reduce 的技巧。建议在合并后补充针对三档边界的单元测试，至少覆盖小批量/大批量切换与环境变量开关。

CPU 未量化 MoE 迁移到模块化内核专家结构

值得精读。这是 vLLM 将 CPU MoE 完全纳入 modular-kernel/oracle 体系的关键一步，其中三个设计决策尤其值得借鉴：一是路由参数在 `process_weights_after_loading` 中从 layer 捕获以弥补 monolithic `apply()` 签名限制；二是不支持的形状“报错并提示调参”而非静默回退；三是评审过程中通过补齐向量原语将 grouped gemm 扩展到所有 ISA、直接删除 torch 回退的取舍过程。建议同时关注其与并行 PR 的合并顺序。

cache_salt 非空约束改为 schema 内 min_length，并移除重复验证器

建议结合 #50764 一起阅读，理解从"运行时验证"到"schema 验证"的迁移动机。重点检查 pooling 协议是否应该补上 min_length，并确认 OpenAI 端点测试是否仍覆盖空字符串拒绝场景。值得学习的小型重构范式，但需要在合并前补齐遗漏。

XPU 新增 torch 作为 FP8 linear backend 选项

这是一个小而清晰的平台扩展 PR，适合对 XPU 或 quantization 内核选择机制感兴趣的开发者精读。重点看 `TorchFP8ScaledMMLinearKernel.is_supported` 的平台门槛写法，以及 `_POSSIBLE_FP8_KERNELS` 的优先级注册方式；同时注意该 PR 没有新增单元测试，仅靠 CI 示例命令覆盖，后续可考虑补充针对平台判断与方案选择的单测。

修复 INC MXFP4 线性层缺 activation_quant_key，XPU 崩溃与 CUDA 静默回退

该 PR 值得精读，尤其能帮助理解内核选择器 activation_quant_key 契约：不同平台对 None 的容忍度差异可能造成硬崩溃或静默错误。建议在类似量化方案中显式传递激活量化 key，并在 CI 中增加跨平台（XPU/CUDA）的端到端验证，避免同类问题复发。

约束 Anthropic cache_salt 非空，修复间歇 500

值得快速阅读：一行源码修复 + 两层测试，展示了"校验时机决定错误码"的经典问题，以及如何用 OpenAPI schema 断言守护契约。可关注后续统一 cache_salt 约束的 follow-up。

CPU 后端跳过非编译模式 warm up，加速启动与测试

改动很小且逻辑清晰，可作为“按编译模式裁剪初始化开销”的参考实现。建议 CPU 后端开发者关注 `warming_up_model` 中基于 `CompilationMode` 的守卫写法；若后续出现“非编译但需要预热”的需求，需要在 `CompilationMode.NONE` 分支内补充对应的初始化。普通使用者无需精读。