vllm-project/vllm

Rust 前端集成视频多模态并重构模态架构

值得精读，尤其对多模态扩展和 Rust 前端架构感兴趣的读者。注意 SSRF 风险需后续修复，架构设计（`ModalitySupport` + `PreparedMedia` + `expand_prompt_token_ids`）具有良好的可扩展性，可为将来添加新模态提供参考。

新增 XPU 镜像的 nightly 和 release 发布流程

建议阅读此 PR 以了解 XPU 镜像发布流程的设计。如果团队计划增加其他硬件后端，可以参考此模式。值得关注的点是 `push-nightly-builds-xpu.sh` 中使用了 `docker manifest` 操作，以及如何在 pipeline 中组织依赖。

根据夜间CI数据调整所有测试域的超时时间

建议合并。该 PR 采用数据驱动方法精确调整超时，值得借鉴。未来可增加更频繁的自动调整机制。

XPU CI 启用 v1/sample 全量测试

该 PR 变更简单，适合快速合并。XPU 团队后续应关注 CI 执行情况，确保所有测试通过。

移除预分配缓冲，启用融合优化，提升 Qwen3.5 性能

值得精读，展示了一个常见的性能优化模式：移除临时缓冲区以解锁编译器融合。对于关注 Qwen3.5 模型或 PyTorch 编译优化的工程师有参考价值。

支持 non-Harmony 模型 include_reasoning 参数

建议阅读该 PR 以理解 `include_reasoning` 的完整实现分层：解析器层负责抑制推理文本，serving 层负责抑制关联元数据。尤其关注 **元数据泄漏的修复提交**（如 `e6fdc09` 和 `23e716c`），以及 `depthfirst-app` 指出的多个安全边界。该设计可复用至其他需要按需过滤响应内容的场景。

新增 full 模式报告 prefix 缓存复用 block 事件

这是一个设计干净、讨论充分的特性 PR。推荐后端和基础设施开发者精读，尤其是 `_build_block_stored_event` 的共享设计和 `resolve_block_hashes` 的提取过程，展示了良好的代码演进模式。对于使用 KV events 的外部项目（如 Dynamo、llm-d），建议关注此 PR 并测试 `full` 模式。

DCP 支持混合注意力模型，非 DCP 层走本地缓存

值得精读。该 PR 是 DCP 支持混合注意力的关键里程碑，其中三处设计最值得关注：①把“分片 vs 复制”语义下沉到 `KVCacheSpec` 子类（`max_num_blocks_per_req`），解决 CP 缩放公式散落各处的问题；②rank-invariant 的 collective 门控原则（任何决定是否发起 DCP 通信的判定都必须基于全局、rank 无关的输入），这是分布式正确性的通用教训；③FA2 混合批次拆分的兼容性 workaround 思路。建议结合后续 #50823 一起阅读，观察该契约的演进。