vllm-project/vllm

测试适配 expert_mask 重命名，修复 gfx950 报错

建议快速合入。该 PR 本身价值不大，但可作为'接口重命名需同步测试调用点'的典型案例，提醒团队在改 API 时检查所有调用方（包括测试）。同时值得确认 PR #49758 的重命名是否还有其他遗漏。

下调 Qwen3.5 eval 的 max-num-seqs 修复 CI 回归

此 PR 属于低价值配置修复，无需精读；值得留意的点：修 CI 时优先选择机制最简单、影响面最小的参数（降 --max-num-seqs 而非加 batched token 上限），以及将其他配置的修复拆分到后续 PR 以缩小 review 范围。

修复 Kimi-K3 fp8 KV 解码断言，为 TRITON_MLA 增加 query 反量化回退

值得精读：改动虽小，但涉及 backend 能力契约与数值 dtype 保持两个容易踩坑的点，以及 ROCm/TRITON_MLA 生态下的实测方法（作者给出了可复现 serve 命令与 gsm8k 结果）。关注点：`_q_scale` 与 `_q_scale_inv` 的一致性如何保证；后续是否值得把这种 fallback 下沉到后端或补充自动化覆盖。

升级 ROCm 基础镜像 Triton 分支，修复 Gluon MLA 编译

该 PR 属于基础设施依赖更新，值得快速浏览以了解 vLLM 如何通过 pin Triton commit 解除内核编译阻塞，但无需精读。值得关注的两个设计点：一是外部依赖固定到具体 commit 而非 tag 的做法，能精确复现修复但也带来漂移风险；二是验证策略采用 aiter op 测试 + K3 GSM8K 端到端组合，可作为后续 ROCm 内核兼容性修复的参考模板。若团队维护 ROCm 镜像，建议跟进补充自动化的 Triton 内核冒烟测试以覆盖镜像构建路径。

限制 Anthropic stop_sequences 数量，500 错误转 422

小而清晰的 bugfix，值得快速阅读学习两点：一是在 Pydantic 模型上使用 Annotated + Field(max_length=...) 表达字段级约束的写法；二是跨入口复用统一 env 校验边界、避免硬编码重复的做法。由于缺少测试覆盖，评审或合入后可以顺手补一条 Anthropic 入口超限用例，防止回归。

补充 --api-key 认证边界警告，防止暴露未受保护端点

值得快速阅读，但无技术深度。对于安全敏感部署的使用者，建议关注该警告并部署反向代理等加固措施。

为 vLLM 新增 Dots3 NOTE 全模态模型原生支持

值得精读。该 PR 展示了三类可复用的设计模式：一是混合 MLA 模型如何用“均匀填充物理 cache 行宽 + 模型私有稀疏 MLA 后端”复用现有混合 KV cache 分配器；二是显式 model-selected prefill backend class 让模型私有 FA3 实现无需模型名判断即可接入；三是 CPU 规划/GPU 重建的双层序列长度处理规避未分配页读取。建议重点核对 `mla_attention.py` 共享改动对既有 MLA 模型的回归，并跟进 FIPS sha1 与模型级 CI 测试两个遗留项。

消除 ViT 两处长阻塞 H2D 拷贝，恢复异步流水

值得精读。虽然改动仅 23 行、语义不变，但 PR 的价值在于：一是对 PyTorch H2D 内部行为（strided 源 → pageable gather → 静默同步）给出清晰机制解释；二是 profiling + 微基准的定位方法规范；三是 njhill 对 '避免多余拷贝' 的设计敏感度值得学习。建议关注后续是否有类似 '异步被静默破坏' 的排查需求，可将此 PR 作为模板；同时留意 Qwen3-VL 侧 pinned 缓冲区是否有必要做缓存复用。