vllm-project/vllm

gRPC 引擎错误改为 INTERNAL 失败，不再伪装 ABORTED 成功

值得精读的小而关键 bugfix：重点看 `to_finish_info` 的 Result 化如何把 `FinishReason` 的语义沿 RPC 边界传导，以及流式循环中 `failed` 标志与 `tx.send` 联合 `break` 的终止方式。后续可关注 #55399 对引擎拒绝与 HTTP 层的配套处理。

MI300 模型测试超时延长至 65 分钟，提升 CI 可靠性

不值得精读，属于机械的 CI 配置调整。值得关注的一点是 vLLM 的 CI 中存在 `test_areas` mirror 机制与平台独立流水线（`.buildkite/test-amd.yaml`）并行的双维护模式，同一任务的配置需要在两处重复维护，这是后续 CI 重构时可考虑的收敛点。

indexer 内核改运行时参数，消除按形状重复编译

值得快速精读（10 分钟以内）。核心价值不在代码量，而在一个可复用的 Triton 内核设计准则：区分结构型常量（layout、tile 尺寸，值得参与编译期特化）与形状派生值（token 数、batch 数、block 表宽，必须运行时化），避免形状值进入编译缓存键导致服务端反复 JIT 冷编译。该 PR 同时展示了如何用小而清晰的 PR 承载性能修复——单文件、零行为变更、并在 PR body 中把参数逐一拆解论证，可作为同类“编译缓存键治理”改动的模板。若你正在维护服务化场景下的 Triton 内核，建议把“检查哪些参数被不必要地 constexpr 化”纳入 review checklist。

修复 DFlash 投机在 DP>1 下注意力元数据 token 失步

值得精读。核心价值在于 `_build_attn_metadata` 对 FULL 与 PIECEWISE/eager 两种 CUDA 图模式下 `num_tokens` 语义的区分处理，以及把分散在各 speculator 的 metadata 构建收敛到单一 helper 的重构方式。对关注投机解码、CUDA graph 与数据并行正确性的人有直接参考意义。

仅 O_DIRECT 强制块对齐，修复 page-cache 磁盘 offload 启动失败

值得精读。改动虽小，但完整展示了从运行时报错定位到“约束来源”并只对真正需要约束的路径强制的思路：断言应贴近产生约束的 I/O 模式，而不是无条件全局生效。建议同步关注 mevince 提出的 O_DIRECT 写时 padding follow-up，若落地将让更多模型在直接 I/O 下受益。

Breakable CUDA 图仅接管 PIECEWISE 路径，FULL 恢复标准捕获

值得精读。两个设计决策尤其值得关注：（1）wrapper 的 runtime_mode 门控如何同时服务 MRV1（严格匹配）与 MRV2（默认 match-any），一份代码两种契约；（2）load_model 中“内层 breakable 先装、外层 FULL 再套”的独立 if 结构，如何在不显式依赖 mode 枚举的情况下吸收 drafter 与后期模式升级两类边界情况。结合 review 评论与 #55095 阅读，可以完整理解 vLLM 当前 CUDA Graph 捕获层的演进脉络。

tpu-inference 依赖升级至 v0.29.0

不值得精读，属于常规依赖升级（1 文件、1 行）。唯一值得关注的决策点是 requirements 使用精确版本锁定（==）而非范围约束，体现 TPU 环境对安装可复现性的要求；管理层可将其归入平台依赖定期升级流程，无需单独投入评审资源。

修复 Hopper 上 Kimi-K3 KDA 投影重叠编译崩溃

值得精读，特别是关注 CUTLASS/CUTE DSL 内核跨架构兼容的工程师。本 PR 展示了三个可借鉴的设计点：用内联汇编实现 PTX 指令的可移植降级（`_fma_f32_bf16_portable`）、用 `cutlass.const_expr` 做编译期内核分支、以及用能力判定函数（`_kda_qkvg_flashinfer_backend`/`_has_mixed_precision_bf16_fma`）把架构差异收敛到单一入口，避免在调用点散落条件判断。