vllm-project/vllm

删除两个过时测试函数以清理测试套件。

该PR值得简单审查以确认测试确实过时；建议关注是否有替代测试或相关功能仍需验证，避免回归风险。

为 SM100 架构新增 MXFP4 W4A4 CUTLASS MoE 内核，实现 W4A4 推理。

该 PR 值得精读，特别是对于关注量化 MoE 和内核优化的工程师。关键设计决策包括 MXFP4 与 NVFP4 的量化区别、SM100 专用优化以及后端自动选择机制，有助于理解 vLLM 量化栈的演进。

强制禁用 Helion HOP 路径以规避性能回归问题。

该 PR 值得快速浏览，重点关注其作为临时性能规避措施的设计决策。虽然变更简单，但揭示了团队在遇到性能回归时的应急处理模式：通过硬编码开关快速禁用问题路径，而非立即深入修复。建议关注后续相关 PR 以了解性能回归的根本修复。

修复 ROCm 平台上 TurboQuant 的后端路由、flash-attn 兼容性和 int64 溢出问题。

该 PR 值得精读，特别是如何通过最小化代码变更解决平台特定 API 不兼容性，以及后端路由的设计决策。关注 `turboquant_attn.py` 中的注意力逻辑调整和 `rocm.py` 中的路由实现，这些展示了跨平台适配的实用技巧。

更新ROCm平台DeepEP版本并调整CI测试配置，修复gfx942/gfx950编译问题。

此PR主要涉及基础设施更新，对于关注ROCm平台或CI/CD流程的工程师值得浏览，特别是Dockerfile中构建参数的用法和CI测试迁移的决策。对于核心模型推理或性能优化工程师，优先级较低。

修复 ROCm 上 fastsafetensors 的 CUDA-only PyPI 问题

该 PR 是紧急修复型变更，值得关注其后续演进。建议跟踪 Issue 评论中提到的上游 PR（foundation-model-stack/fastsafetensors#67 和 #68），待上游发布支持 ROCm 的通用 wheel 后，应恢复使用 PyPI 版本，以消除 git 依赖。

在XPU上跳过fp8e4b15格式，扩展TurboQuant测试到XPU平台。

建议阅读此PR以了解如何扩展平台抽象支持，特别是设备检测和格式选择的设计决策，适用于处理多平台兼容性场景。

为 MiMo-V2-Flash 模型添加推理和工具解析器映射，复用 Qwen3 实现。

该 PR 变更简单，适合快速浏览以了解模型支持扩展模式。值得关注的点是复用现有解析器的设计决策，这减少了代码重复，但需确保模型兼容性。