vllm-project/vllm

修复 Llama4ForCausalLM 测试初始化失败

值得立即合入。变更逻辑简单明确，修复了测试基础设施中的 bug，确保了三个 Llama4 变体的测试一致性。

临时跳过 CI 上的 M3 模型测试

该 PR 属于临时性 CI 修复，技术价值低。但如果负责模型集成或 CI 维护，可关注后续修复 NVIDIA 依赖的正确 PR。

更新 MiniMax-M3 文档与测试注册

该 PR 为简单文档维护，无需精读。可作为模型文档同步的参考示例。

Rust 前端支持 thinking_token_budget 参数，实现与 Python 前端对等

## 建议 - 该 PR 值得精读，特别是 `normalize_thinking_token_budget` 函数的设计（与 Python 逻辑紧密对齐）以及三个转换层统一透传模式。它展示了 Rust 前端如何通过降层（lowering）集中处理参数验证，保持代码整洁。 - 关注后续跟着的推理解析器传递配套 PR，以完全解决 managed-engine 模式下的功能限制。 - 代码审查中应关注字段解构顺序的脆弱性，但当前设计合理。

为 OffloadingConnector 添加自描述 KV 事件

值得精读。本 PR 展示了如何在遗留系统上扩展事件模型以满足外部路由需求，设计上强调兼容性（opt-in、向后兼容）、模块化（独立 events.py）和边界防御（tiering fail-fast）。特别关注 `OffloadingEventsTracker` 的数据流设计：在 store job 构建阶段捕获元数据，在 take_events 阶段消耗，避免了在 worker 进程中保留请求上下文。

移除已淘汰的 MiniMax Text-01 和 VL-01 模型架构

该 PR 值得精读，展示了如何安全地淘汰旧模型架构：通过 _PREVIOUSLY_SUPPORTED_MODELS 提供清晰错误提示替代静默失败，同时保留共享组件避免影响其他模型。审查过程也体现了跨团队协作：作者、MoE 专家、工具调用工程师共同确认删除范围。建议团队后续淘汰其他旧架构时参考此流程。

维护专用 evictable 列表加速 LRU 淘汰

值得精读。该 PR 展示了如何通过数据结构优化消除性能瓶颈，并提供了一种可复用的策略接口设计模式。建议关注 `evictable_blocks` 与 `ref_cnt` 的同步逻辑，以及 Review 中关于接口设计的权衡。

添加细粒度前缀缓存原语，支持混合模型部分匹配

推荐精读此 PR。它是典型的分步设计范例：先构建核心原语，再逐步对接上层。特别值得关注 `cache_partial_block` 的生命周期管理、`BlockHashToBlockMap` 的多值处理，以及前缀链式哈希的复用策略。