vllm-project/vllm

切换 Harmony 处理库到 oss-harmony，移除运行时下载依赖

虽然本 PR 变更量小，但作为后续 GPT-OSS Harmony renderer 的前置基础，建议阅读跟进。对 Rust 依赖管理感兴趣的开发者可关注其如何通过 package 字段重命名 crate 并替换源。

修复 CUDA graph capture 在 Triton MoE 的失败

该 PR 是重要的 bugfix，值得快速合并。它展示了 CUDA graph capture 对条件表达式的限制，以及如何通过属性重构优雅解决。

融合 MiniMax-M3 共享专家到 routed grouped MoE，解码性能提升 5-30%

该 PR 值得仔细阅读，尤其关注以下设计决策： 1. **后端正交设计**：通过 `aiter 操作 or 环境变量` 解耦融合与具体后端，是良好的抽象。 2. **数值等价性权重计算**：`shared_expert_weight = 1/routed_scaling_factor` 保证缩放后贡献匹配。 3. **隐含 bug 修复**：在 `mxfp8_native_moe.py` 中调整 bin 基数，避免融合后 id 越界。 4. **Review 演化**：从新增参数/env 到简化设计并复用现有设施，反映良好协作。

优化 ROCm AITER MoE 权重预处理，提升 DeepSeekV4 性能约 9%

该 PR 是典型的小范围性能优化，改动集中但收益明确。建议 ROCm/DeepSeekV4 用户必须同步升级 AITER 版本；对于追求极致 MoE 推理性能的开发者，值得阅读 `mxfp4.py` 中的权重预处理逻辑以复用模式；注意 `TODO` 后续应跟踪 AITER 修复以移除临时环境变量。

为 MiniMax-M3-MXFP4 启用 AITER MoE 后端

该 PR 展示了如何通过配置扩展 MoE 基础设施以支持新模型的特殊需求，值得关注其临时兼容层的设计模式。建议在 AITER 修复 pad 问题后及时跟进清理。

修复 AMD CI 音频转录测试的随机失败

可直接合并。此 PR 虽小，但体现了在 CI 稳定性维护中通过明确测试参数来消除不确定性的良好实践。

为 render 端点添加可选 token offsets

值得精读。该 PR 设计严谨（显式能力模型、静态判断优先）、讨论深刻（测试策略、统一调用路径），并明确文档化已知局限。适合作为前端 API 演进的样板 PR。

修复 AITER 升级后 unified attention 分发断言失败

值得精读，特别是对 ROCm 注意力后端的选择和测试模式感兴趣的同学。该 PR 体现了升级上游依赖（AITER）后如何快速定位并修复兼容性问题，以及如何通过声明式约束和测试调整来保证正确性。此外，AMD CI 构建步骤硬失败的配置变更也值得关注。