vllm-project/vllm

新增 VidCom2 视频 token 剪枝方法

推荐关注该 PR 的设计模式，特别是统一参数接口 `get_video_pruning_spec()`、协议方法声明 `supported_video_pruning_methods`、配置 fail-fast 校验等，可作为后续功能扩展的模板。

将 Quark OCP MX AITER 内核迁移至线性抽象层

值得精读。该 PR 展示了在 vLLM 中注册一个新量化内核的完整流程：定义子类、实现抽象方法、注册到 `_POSSIBLE_*_KERNELS` 和 `_registered_linear_kernels`，并在使用方通过 `init_*_linear_kernel` 获取实例。关注 `__init__.py` 中的注册模式和 `test_mxfp4_kernel_selection.py` 中 mock 平台枚举的测试技巧。

XPU 启用在线 FP8 量化测试

本 PR 作为 XPU 平台启用测试覆盖的参考样例，值得其他平台（如 CPU）借鉴其 `is_quant_method_supported` 的扩展模式。审查时重点关注 `supported_quantization` 列表的维护成本和测试跳过的条件是否清晰。

Python-only 安装镜像软失败

变更简单，无需精读，可合并。

消除 DSv3.2 稀疏 MLA 解码热循环中的冗余 FillFunctor 启动

值得精读。本 PR 展示了一个典型的性能优化模式：消除冗余 GPU 内核启动。对于运行 DeepSeek 模型且使用 ROCm 的团队，此变更可直接带来吞吐提升。同时，review 中关于工作区管理的讨论（使用 `current_workspace_manager` 替代全局变量）是值得学习的架构实践。

修复 WRITE 模式远程 TP 秩折叠问题

建议精读 `moriio_common.py` 中 `add_new_req` 方法对 `remote_tp_size` 的降级处理模式，该模式在处理分布式配置键的多版本兼容性方面具有参考价值。

删除 EP 实验性警告

该 PR 易于审核，可直接合并。

PCP 强制启用 V2 Model Runner

此 PR 变更简洁且必要，建议合并。可精读 `vllm/config/vllm.py` 中的 `use_v2_model_runner` 属性和 `_validate_config` 方法，理解 PCP 与 V2 的绑定模式。后续可考虑为 PCP 相关配置添加更多测试覆盖。