vllm-project/vllm

重构在线量化配置，引入 QuantSpec 支持按层类型指定量化方案

该 PR 是 vLLM 量化配置体系的核心架构变更，值得团队成员细致 review，特别是涉及 QuantSpec 设计模式、activate 覆盖与现有量化协议的交互。建议在合并前确保现有集成测试（特别是 Blackwell MoE 和 gpt-oss）通过。

修复 NIXL EP 安装时 CUDA 版本冲突

值得精读，但更应关注上游 nixl 的长期修复。当前 PR 是镜像构建的临时修复，可作为 CI/CD 调试参考。

为 Completions API 添加 thinking_token_budget 参数

该 PR 变更简单清晰，值得快速合入。建议后续为 `thinking_token_budget` 补充范围校验和测试。有权限的维护者已批准合入，无需过多关注。

修复 Quark MoE 类型注解和参数名，通过 mypy 检查

建议合并前确认 `apply` 中参数顺序是否正确，可参考 `modular_kernel.py` 中的定义。若确认错误，应在此 PR 或后续修复中更正。

共享 MTP 相同权重，减少显存占用

建议精读此 PR，尤其是 `_should_share` 函数的实现和权重共享的完整流程。该设计体现了“资源不足时 fallback”和“避免重复计算”的优良风格，值得学习。同时也应关注 PP 场景下的潜在风险，建议作者在后续 PR 中补充更多测试并回应 review 中的疑虑。

支持加载 Quark NVFP4 检查点

该 PR 设计清晰，复用现有 NVFP4 内核基础设施，整体风险可控。推荐阅读 `QuarkNVFP4` 的实现，了解多级量化方案扩展的方法论。对于使用 Quark 的用户，该 PR 是运行 NVFP4 模型的关键入口。

移除 speculative config 中硬编码的模型类型检查

该 PR 值得快速合并，逻辑简洁且正确。建议关注后续是否有模型因接口未实现而导致运行时错误，可考虑补充单元测试验证配置链路的完整性。

修复 gpt-oss 模型 bare 工具调用解析丢失 bug

值得精读。PR 展示了如何在不改动模型输出的前提下，通过工具名称列表和优先级规则健壮解析非标准格式。`is_function_recipient` 的设计可复用，review 中对边界情况的讨论有参考价值。