vllm-project/vllm

拆分视频解码后端为独立模块，video.py 大幅瘦身

值得精读，尤其是 `vllm/multimodal/video_decoders/__init__.py` 的调度设计：按后端懒加载、采样参数与后端选项分离、误配校验三者组合，是插件化多后端架构的简洁范本。后续若继续新增硬件解码后端，应复用这套模式。

升级 FlashInfer 至 0.6.17，同步 Python 依赖与 Docker 构建配置

此 PR 改动机械、无需精读，但值得关注两点决策：一是依赖版本统一维护在 `docker/versions.json` 并以注释约束 Dockerfile 同步，避免了手写版本漂移；二是 `flashinfer-cubin` 的安装策略（私有 index + 从 install_requires 排除）是 vLLM 处理非 PyPI 内核包的标准做法。建议阅读者结合 FlashInfer 0.6.17 上游 release notes 确认是否有针对 MLA 或稀疏 attention 的关键修复，若涉及自身业务路径，应补充本地精度与性能回归。

对齐 Gemma4 parser 与模板的 enable_thinking 默认值

值得精读。虽然只有一行核心改动，但它清晰展示了“chat template、文档、parser 三方默认值必须一致”的设计原则，以及如何通过三态 parametrize 测试锁定行为边界。对维护 parser 或 reasoning 功能的开发者有参考价值。

注册 VLLM_CPU_CI_ENV 环境变量，消除 CPU CI 严格校验误报

值得快速浏览，无需精读。作为 vLLM 环境变量注册机制的最小改动示例，可帮助理解 `VLLM_ENV_VARS` 类型声明与 `_ENV_VARS` 解析表如何配合 strict 校验；对维护者而言，后续新增任何 `VLLM_*` 变量都应同步完成两处登记。

统一 DP 大小归属与校验到连接层，精简服务端冗余配置

值得精读。这个 PR 是“单一数据源 + 校验前移 + 序列化兼容”三件事同时做好的范例：DP 大小归属清晰后，服务端不再需要 override 路径；`serde(rename)` 让 Rust 内部重命名不破坏 Python wire 契约；校验下沉到 client 使所有入口共享同一套保护。建议重点看 `transport.rs` 与 `client.rs` 的交互，以及 E2E 测试如何同时覆盖默认与 `include_dp=false` 两条路径。

修复 DSV3.2 fused kernel 在 65,536 token 时 grid-y 越界崩溃

值得精读。虽然 diff 很小（+79/-6），但这是一个典型的 CUDA 网格维度上限踩坑与修复案例，对理解 Triton 启动配置、program-id 到网格轴的映射、以及 wrapper 与 kernel 之间轴语义的一致性有教学价值。建议重点关注两点：一是 token 索引提升 int64 的防御性设计，二是测试刻意绕过 CuTeDSL 以覆盖 Triton fallback 的用例构造思路。

修复 ROCm 平台 int4/int8 量化 MoE 回归，扩 TRITON 后端能力

值得精读，尤其推荐关注 `int_wna16.py` 中 ZP 布局转换的逐步推导注释——这是理解 `fused_moe_kernel_gptq_awq` 数据布局的绝佳材料。适合对 MoE 量化、TP 切分与 Triton kernel 数据契约感兴趣的读者。建议后续补充针对 ZP 布局转换和 packed_factor 校验的单元测试，并考虑在文档中明确非对称 WNA16 的 TP 约束。

放宽 Completion API 校验，logprobs=-1 合法化

值得精读。虽是小 bugfix，但 review 中关于“协议层是否应放行引擎已支持的语义”的论证很有价值，展示了如何用引擎源码定位协议层误判；可作为小型前端协议修复的规范示例。关注点：错误消息统一、测试正反路径、与 Chat API / prompt_logprobs 的语义对照。