vllm-project/vllm

为 Kimi-VL 添加 ViT 全 CUDA 图支持

值得精读。重点阅读 `moonvit.py` 中 `prepare_encoder_metadata` 的设计（如何将 grid 相关计算外提）以及 `kimi_vl.py` 中协议方法的实现，可作为其他视觉模型启用 ViT CUDA 图的参考蓝本。

MiniMax-M3 在 MI300X 上启用 fp8_per_channel 量化，提升吞吐 28%

建议合入。该 PR 解决了 MiniMax-M3 在 ROCm 上的性能瓶颈，改动量小且经过充分验证。后续应关注长上下文和更多任务的精度表现。设计上通过参数传递链的轻微调整即可修复精度 bug 并启用新量化，值得参考。

新增 per-request selective offload 文档

值得阅读，尤其是使用 KV offloading 的用户，可了解如何精细控制 per-request offload 行为。

修复 ROCm GFX942 上稀疏 MLA 精度退化

该 PR 是关键的 bugfix，值得精读以理解 GPU 内存对齐问题如何影响模型精度。建议关注后续性能优化，重新考虑是否以及如何在保障精度的前提下恢复 C++ 内核。

修复音频解压炸弹防护绕过

值得合并，修复了一个安全遗漏。建议后续补充测试，确保该限制不被后续重构绕过。

修复 PPL 测试数据集 ID 兼容性问题

建议合并。这是针对上游库 API 变动的必要兼容性修复，改动极小且已验证正确性。值得关注的是这类依赖升级引发的测试失败模式，团队应建立定期检查测试依赖兼容性的机制。

修复Gemma4 post-tool推理泄露到content

值得精读，尤其关注：\n- 如何在不破坏现有流程的前提下引入状态调整钩子（通过标志 `_prompt_streaming_prepared` 保证只执行一次）。\n- 设计决策：复用 `is_reasoning_end` 避免重复扫描逻辑，no-op 过渡处理边界情况。\n- 命名哲学：`adjust_initial_state_from_prompt` 准确表达了意图。\n- 测试设计：同时覆盖回归用例和鲁棒性用例，以及确保新回合不受影响。

修复 MiniCPM-O resampler 设备放置错误

值得精读的 small fix 示例。展示了继承层次中父类-子类责任链断裂的典型排错思路：子类覆盖父类方法并重写了权重加载逻辑，但遗漏了父类中的设备后处理步骤。对于使用多模态模型的开发者，建议关注模型初始化时的设备一致性问题。