vllm-project/vllm

废弃 Transformers v4 兼容代码路径

值得快速阅览，了解项目的版本依赖弃用策略和 review 讨论中关于时间线妥协的决策过程。

新增 MiMo-V2.5 模型系列，含 Omni 与 MTP 推测解码

强烈建议仔细 review 权重加载逻辑（特别是 `mimo_v2.py` 和 `mimo_v2_mtp.py`）中手动分片的替代方案，优先使用 vLLM 原生的 `weight_loader`。同时，应在文档中明确标注音频功能所需的额外依赖，并修复 cuda 硬编码问题以保障硬件兼容性。尽管 PR 已合并，但上述风险点可能影响生产部署的稳定性，建议尽快跟进修正。

修复 MiniMaxM2 在 KV head 数少于 TP 大小时 k_norm 权重分片错误

该 PR 值得阅读以了解 TP 下权重分片的细节，特别是 `weight_shard_world_size` 参数的设计，对于其他需要自定义分片的模块有参考价值。建议在类似场景（如分组 query attention）中复用此模式。

添加 system_fingerprint 字段支持四种模式

该 PR 代码质量较高，测试覆盖充分，review 中提出的问题均已解决。推荐阅读 `fingerprint.py` 了解模块设计，以及 `completion/serving.py` 中流式指纹注入的精确控制。整体设计考虑了兼容性、性能和信息安全，值得参考。

重组 examples 目录为场景化分类

建议开发者和文档编写者关注新的示例目录结构，后续添加示例时应参考此分类。对于已部署的文档站点，需检查所有示例链接并更新。此 PR 体现了以用户使用场景为中心的设计思路，值得在项目其他部分推广。

Docker 安装 libcublas-dev 修复 FlashInfer JIT 编译

建议精读：该 PR 是一个典型的基础设施修复，展示了 Dockerfile 中依赖包选择对运行时 JIT 编译的影响。值得关注 review 中关于注释位置的问题，确保构建稳定性。

为 DeepSeek V4 共享专家添加激活 clamp 限制

建议精读该 PR，特别是 CUDA kernel 的模板化 clamp 扩展方式，以及 Python 层 `CustomOp` 的注册模式。该设计模式可供其他需要数值 clamp 的激活函数参考。

移除 Qwen3-VL 无效的 deepstack 边界检查

值得快速合并的 bugfix，变更简洁明确。但建议确认调用方是否总能保证 num_tokens 合法，或考虑添加防御性断言以避免静默 bug。