vllm-project/vllm

发布镜像改用官方 mooncake wheel，移除 S3 自定义构建

值得精读。它展示了「上游能力成熟后移除临时 workaround」的典型节奏：#42114 引入的 S3 自定义 wheel 的三个阻碍分别被上游运行时参数、官方 aarch64 构建和独立 cuda13 wheel 项目解决，最终收敛为 PyPI 官方安装。特别值得关注的是 docker/Dockerfile 中 RUN 块错误传播的处理：在无 `set -e` 的 shell 块中用 `&&` 串联保持失败致命，并配合注释解释原因，这是 Dockerfile 可靠性的好范例。

修复 Jamba 测试缺 chunked prefill 导致的 CI 失败

此 PR 为一行式测试修复，无需精读源码。可关注的要点是 mamba 缓存模式 `align` 与 chunked prefill 的硬约束，后续若新增 Mamba 架构模型测试应默认带上 `enable_chunked_prefill=True`。

回滚 #50879 模块级导入，修复 ROCm 误加载 tilelang 导致 CI 失败

值得快速合入以恢复 CI 稳定性，但不必精读实现细节；关注点应放在后续如何在不触发 tilelang 加载的前提下重新实现 #50879 的优化目标。对该回滚本身，建议记录到关联 issue #51151 中作为临时缓解措施，并推动一个带 ROCm 平台隔离与回归测试的正式修复。

修复 Mamba 多 KV 组 hash_block_size 断言失败

值得快速阅读，作为“用显式语义替代隐式推断”的小案例。若团队有 Mamba 多组配置，建议跟进补充单测覆盖 `mamba_cache_mode="align"` 且组块大小不一致的回归场景，防止此类边界问题再次出现。

CPU KV 卸载超容时快速报错并清理，避免 /dev/shm 隐式失败

建议精读。虽然改动量很小，但 review 中关于 try/except 范围、错误传播与并发清理语义的讨论质量很高，值得 KV offload 相关维护者参考。重点关注：容量检查为何只放在 creator 路径、为何 except 不应扩大到 mmap/madvise、以及如何避免 0 字节 stub 拖垮 joiners。测试写法（直接 monkeypatch helper）也值得借鉴。

CUDA 构建移除 Ubuntu 分支，统一改用 manylinux 镜像

值得发布工程与基础设施负责人精读 docker/Dockerfile 的 base 阶段：以 glibc floor 对齐 PyTorch 官方 wheel 作为构建基线决策是清晰的工程原则，单一构建路径消减双分支维护的收益明显。普通模型与推理工程师可略过。关注点：无自动化兼容性测试时如何用真实 release build 把关，以及 dnf 环境与 Ubuntu 环境的软件版本差异对 C++ 扩展编译的潜在影响。

KV Offload 配置化加载外部次级缓存层

这个 PR 改动量小但设计完整，值得快速精读 `SecondaryTierFactory` 的实现和测试写法。它展示了 vLLM 中“注册表 + 配置驱动动态导入”的可扩展性模板，以及 review 过程中把“重复警告”这类小细节打磨到三处工厂一致的过程。对计划在 vLLM 之上构建 KV 卸载或存储后端的团队尤其有参考价值。

新增 Ling 3.0 Flash BF16 模型与 MTP 推测解码支持

值得精读，尤其是 KDA custom op 注册与 MTP 权重加载逻辑，可作为后续混合注意力架构模型接入的参考。注意当前测试主要集中在 parser 层，模型端到端测试缺失，如有真实环境可补充验证。