vllm-project/vllm

为 Rust 前端引入轻量级 mock engine 基准测试

值得所有 Rust 前端开发者精读。其架构设计（actor 模式分离 IO 与状态、ZMQ 多 socket 管理、优雅关闭处理）是 vLLM Rust 前端通信框架的缩影。`utility_response` 的实现简洁地展示了如何处理多样化的引擎控制信令。新引入的集成测试亦可作为编写 protocol 级测试的参考样板。

支持 ModelRunnerV2 混合模型的 kernel block size

值得精读。重点关注 `init_attn_backend` 的重构思路（分离 group 发现与 cg support）以及 `BlockTables` 中 `kernel_block_sizes` 的集成方式。设计决策（generator vs list、numpy vs list 回退）的权衡过程也值得借鉴。后续 PR 将基于此继续完善混合模型支持。

修复 TRTLLM NVFP4 MoE 内核大批量 token 下的 CUDA grid 溢出

建议阅读 `trtllm_nvfp4_moe.py` 中的 chunking 实现，特别是 `_calc_max_supported_tokens` 的公式推导，它展示了如何根据 CUDA grid 限制逆向计算安全 token 数。此外，设计上选择仅在 TRTLLM NVFP4 内核启用 chunking 并在其他实现中移除未使用的 `supports_chunking`，体现了清晰的职责分离。此 PR 的测试方法也值得参考：通过对比极大数据配置下的运行和精度来验证修复。

将 AndreasKaratzas 加入 CODEOWNERS

可直接合入，无需精读。这是一个标准的管理操作，体现了社区对贡献者的认可。

修复 Qwen3-VL/Omni 在 torch.compile 下的精度退化

该 PR 值得精读，因为它揭示了一个常见的 torch.compile 陷阱：profile 阶段与 serving 阶段的输入结构不一致会导致编译图特化错误。设计上通过固定返回 tensor 而非 None 来保持图结构稳定的模式值得借鉴。合并前建议考虑的 device/dtype 问题可在后续 PR 中加固。

修复DFlash前瞻槽位分配以解决崩溃

此PR虽然改动量小，但涉及投机解码与调度器交互的关键逻辑，值得精读。特别是`effective_lookahead_tokens`的条件演进和DFlash特殊需求的论证，可作为类似bug修复的参考。

修复 block_size、hash_block_size、max_model_len 等配置项可能被设为 0 的问题

值得精读。这是一个教科书式的防御性编程 PR：利用 Pydantic 字段约束（`gt=0`）在配置入口处拒绝非法值，而不是依赖下游运行时检查。`_skip_none_validation` 的 wrap 验证器使用模式是处理可选配置字段的推荐方式，值得在代码库中推广。建议其他配置字段做类似稽核。

移除 Transformers 兼容性 CI 测试

该 PR 是常规的 CI 清理，建议合入。关注后续 v0.24 中完全移除 Transformers v4 支持的相关 PR。