vllm-project/vllm

为 GPT-OSS 推理解析器添加流式结束检测覆盖，优化长上下文性能。

建议工程师精读此 PR，特别是 `is_reasoning_end_streaming()` 的实现，以理解如何通过窗口化扫描将 O(n) 操作优化为常数时间。关注类型处理（`Iterable` 转换）和推测解码场景的考虑，这些设计决策对类似性能优化有借鉴价值。

修复Blackwell GPU推测解码测试失败，优化注意力元数据CPU同步。

值得精读，特别是关注`flashinfer.py`中`build`函数的守卫逻辑和GPU计算优化，展示了在性能与正确性间的权衡设计，以及异步路径的调试思路。

修复 V2 模型运行器复用请求槽时的模型精度回归

建议精读本 PR。这是一个典型的状态泄漏 bug 修复，展示了在多请求并发模型中正确管理共享状态的技巧。尤其值得关注 njhill 建议的无需同步的切片赋值手法，以及通过条件判断避免不必要写入的思路。

将音频依赖 pyav 和 soundfile 从通用要求移回音频可选包，避免 LGPL 许可问题。

该 PR 变更直接，无需深入精读。值得关注的点是团队对许可合规的重视，以及依赖分类的决策（通用 vs 可选）。对于涉及音频功能的开发者，需注意安装指令的变化。

为Transformers建模后端添加新的张量并行规划样式，支持v5命名变更。

该PR变更简洁明确，主要维护者已批准，建议快速合并。对于需要了解vLLM与Transformers集成机制的开发者，值得关注`replace_linear_class`函数中样式名称到并行线性类的映射设计，这是跨框架兼容性的关键数据契约。

V2 Model Runner 支持多个 prompt logprob

值得精读以实现差异化批处理参数的传递模式。但需留意 gemini 指出的切片缺失问题，建议在合并后续 PR 或生产环境遇到断言错误时补充每个请求的精确截断逻辑。

撤销对TRTLLM注意力后端SM100限制的临时修复，恢复SM10x家族支持。

该PR值得快速浏览，重点关注`vllm/utils/flashinfer.py`中设备能力检查的逻辑恢复，以及测试用例的同步更新。设计决策体现了“上游修复后及时清理临时补丁”的良好实践，但需注意对上游依赖的信任风险。

更新CUDA图内存分析日志中的版本号，从v0.19改为v0.21。

此PR变更简单，无需精读。值得关注的点是版本号更新的及时性，反映了项目发布计划的调整。对于了解CUDA图内存分析功能演进方向的开发者，可留意相关PR #38284。