vllm-project/vllm

修复 AMD CI NVFP4 量化测试超时，临时移除不稳定模型

该 PR 值得合并。建议后续跟踪 `nvidia/Kimi-K2.6-NVFP4` 下载稳定性问题，待网络问题解决后重新添加该模型配置。fixture 设计值得在其他 CI 测试中推广。

修复 DiffusionGemma TP>1 自条件化 matmul 崩溃

值得精读。展示了在 `torch.compile` 编译区域中引入分布式通信的设计模式：通过虚设注册 custom op 使 all-reduce 可追踪，同时保持分片权重避免显存浪费。对于其他需要向量并行 embedding 的模型（如 Mixture of Experts）有借鉴意义。

补齐 parser.parse() 的 token_ids 参数传递

变更明确且安全，已获批准。关注后续解析器迁移 PR 以了解 token_ids 将如何被利用。

修复 macOS CPU 因 OpenMP 缺失导致 attention 死锁

此 PR 是 macOS 平台的重要 bugfix，值得审查。关键设计是通过 `cpu_utils::get_max_threads()` 封装线程数获取，实现非 OpenMP 构建的优雅降级。CI 修改确保了持续验证。

迁移 Voxtral 至 mistral-common 1.11.5 音频 API

该 PR 属于常规维护，展示了如何优雅地上游依赖 API 变化。对于维护多模态模型的开发人员有一定参考价值，但非关键变更，可按需阅读。

调度器测试覆盖 MRV2 路径

建议精读测试中针对 V2 行为差异的断言逻辑，理解 V2 model runner 将抢占恢复视为新请求而非缓存请求的设计意图。

添加 CPU 测试镜像缓存清理逻辑

该 PR 为增强 CI 基础设施稳健性的良好实践，值得在类似 CI 环境中推广。代码清晰，无功能风险，可直接合并。

添加 VLLM_GPU_SYNC_CHECK 环境变量用于检测 GPU-CPU 同步

该 PR 设计精良，值得精读。`gpu_sync_allowed` 的 `first_only` 机制和 monkey-patch 在 torch 编译时模块中的范围扫描尤其值得学习。建议在团队中推广使用 `VLLM_GPU_SYNC_CHECK` 来检测同步回归。