vllm-project/vllm

XPU 依赖引入 triton shim 包解决版本冲突

建议快速浏览：本 PR 改动很小（3 个文件、10 增 5 删），但它是 XPU 发布流程系列的关键一环，需要与 PR#51759 放在一起理解。值得关注的决策点：用 shim 包固定版本解决平台特定依赖冲突的模式，可复用于其他非主流平台的依赖治理；另外移除 `--torch-backend xpu` 后如何保证 test/xpu.txt 与真实环境的依赖一致性，值得后续观察。

混合 KV 布局禁用细粒度前缀命中，修复断言崩溃

值得精读。该 PR 是理解 vLLM v1 prefix cache 命中粒度体系（hash_block_size 与 scheduler_block_size 两级对齐）的很好入口，展示了一个"能力协商 + 统一开关降级 + 日志 + 回归测试"的完整 bugfix 模式。建议关注三个联动点：KVCacheCoordinator.enable_partial_hash_hits 的判定、_cache_hit_alignment_tokens 的对齐出口、Scheduler.mamba_partial_cache_hit 的调度守卫；后续若 SWA partial block hit 原型恢复，本 PR 的开关与日志将成为平滑升级的基础。

失败后失效 PyNvVideoCodec 解码器，防止后续视频请求被污染

该 PR 值得精读。它不仅修复了一个真实的生产问题，还展示了资源池防御性失效的设计：事务性构造、借用上下文中的异常处理、以及 fake 与真实硬件测试的分层。review 中 Isotr0py 关于“fake 无法覆盖失败路径”的质疑与作者的应对过程也值得学习。

修复 PyNvVideoCodec 坏视频输入误报 HTTP 500，改为返回 400

值得精读。这是一个"跨库异常边界翻译"的教科书式案例：在不改动 API 层的前提下把厂商原生异常归一化为协议错误，并借助动态类型探测抵抗版本漂移。重点看 `_pynvvideocodec_exception_types` 的实现、两处 try/except 的归一化边界取舍，以及 review 中把 mock 单测升级为真实硬件集成测试的过程——对做多模态后端或 API 错误语义的工程师有直接借鉴价值。

修复 MiniMax-M3 FP8 MoE 的 SwiGLU 参数转发

建议精读。这是一个小而精准的 bugfix，展示了非默认激活参数在量化 MoE 路径中容易遗漏转发的问题，并附带针对性单元测试与端到端精度数据作为验收标准。同时建议跟进 #49473，排查其他量化路径是否有同类遗漏。

CPU CI 镜像构建接入 buildx 注册表缓存与 sccache

推荐负责 CI 与镜像构建的工程师精读本 PR。值得学习的点：① buildx `type=registry` 缓存与 BuildKit cache mount 的边界——cache mount 不被 registry 缓存导出，跨 builder 命中必须依赖 sccache 这类远端缓存；② `docker-container` builder 的网络隔离对 IMDS/S3 的影响及 `network=host` 的权衡；③ 缓存 key 的分支/PR 回退设计（`CACHE_FROM_BASE_BRANCH`、`CACHE_FROM_MAIN` 去重与兜底）。后续可考虑将 `prepare_cache_tags` 抽象为多平台共享脚本，并补充 arm64 构建验证。

XPU 上 block 量化 FP8 权重默认改走 W8A8 内核，修复启动崩溃

推荐 XPU/量化相关工程师精读：这是一个小型但典型的平台差异处理案例，展示了如何在 kernel 能力不对称时通过 scheme 选择逻辑做保守的路径修正。值得关注的设计决策是“当目标 kernel 不支持某量化粒度时，强制降级到支持该粒度的另一 kernel，而不改变其他权重的 opt-in 语义”。同时建议在社区后续推进 #49664/#50826 的 torch backend block-wise 支持时，将本 PR 的 XPU 专属分支纳入统一方案。

XPU 上 GDN 注意力改走 eager，修复 Qwen3.5 图捕获乱码

值得精读，尤其适合了解 vLLM 的 breakable cudagraph 机制与自定义算子注册流程，是理解“哪些算子不能固化进图”的典型案例。若在 XPU 上运行 Qwen3.5 等混合模型并开启 breakable cudagraph，建议合入该修复。未来可关注是否有补充回归测试的后续 PR。