vllm-project/vllm

移除 DeepGEMM 可用性检查，简化 DeepseekV32 索引器的 CUDA 图支持逻辑。

建议工程师精读此 PR，关注 CUDA 图支持逻辑的简化设计，特别是在部署到多样化 GPU 环境时，应验证 DeepGEMM 的可用性以避免性能影响。

使用 `is_cuda_alike()` 辅助方法统一检查 CUDA 和 ROCm 平台，提升代码可维护性。

建议快速浏览此 PR 以了解代码重构模式，但需注意 gemini-code-assist[bot] 提出的正确性建议，这可能揭示潜在的 UVA 内存安全问题，值得在后续代码审查中关注。

为 Qwen3 模型禁用输入投影的双流执行，修复冷编译时间约 4 倍的回归。

建议技术管理者关注此 PR，因为它展示了性能优化与编译时间的权衡，以及临时回退的策略。工程师可学习如何安全地移除自定义操作以避免编译回归。

修复MiniMax M2.5 NVFP4模型KV缩放权重加载时的KeyError问题。

该PR值得快速浏览，特别是对于处理模型权重加载或MiniMax模型支持的工程师。关注点在于参数名重映射的设计决策，以及如何优雅处理外部模型文件与内部参数结构的差异。虽然代码变更简单，但体现了模型兼容性维护的典型模式。

修复TPU上Qwen3.5-FP8模型权重加载时的维度不匹配错误。

对于维护FP8量化或TPU支持的相关开发者，建议精读此PR以理解BlockQuantScaleParameter的处理逻辑和硬件差异。同时，可关注代码重复问题，未来重构时参考gemini-code-assist[bot]的建议。

修复Transformers v5相关配置错误，清理过时代码以提升兼容性。

建议工程师在类似配置处理场景中关注字典副作用的避免，同时review sliding window转换逻辑的时序以确保正确性。该PR变更简洁，适合快速了解配置修复模式和代码清理实践。

启用Cohere Transcribe模型，集成到vLLM支持语音识别。

建议技术管理者和工程师精读此PR，以了解vLLM中模型集成的方法。关注注册表设计决策和测试策略，特别是如何使用标准归一器处理不同模型的输出归一化。注册表重复问题值得注意，建议在后续PR中修复以避免维护风险。

在ROCm平台默认禁用RoPE自定义操作符并调整rope+kvcache融合条件以避免性能退化。

该PR值得精读，尤其关注splitting_ops_contain_kv_cache_update函数的设计决策和条件逻辑，以理解vLLM中融合优化的复杂性和平台特定处理。