vllm-project/vllm

B12x MoE 新增 GELU tanh 支持，解锁 Gemma 4 NVFP4

这是一个小而明确的功能补齐，值得快速浏览以理解 B12x MoE 模块的激活契约设计。重点关注 _ACTIVATION_MAP 与 _supports_activation 的同步关系，以及激活名字符串与 FlashInfer 内核版本的耦合。建议后续为 Gemma 4 NVFP4 走 flashinfer_b12x 后端补充一个端到端或算子级测试，避免类似激活类型遗漏再次出现。

DSV4 默认切 MRV2，拒绝 MRV1 分段 CUDA 图

值得精读。这是一个用最小改动（2 个文件、73 行）封堵静默正确性缺陷的典型案例，可借鉴几点：1) fail closed 守卫放在 CUDA graph 模式解析之后，保证基于最终生效配置校验；2) 拒绝与放行两侧均用参数化测试覆盖边界，并通过鸭子类型对象直接调用校验方法，成本低且覆盖完整；3) 用精确的 GSM8K + MTP 接受率数据支撑「为什么只拦这一种组合」的决策。可结合 #51750 对照阅读，理解「保留演进 vs 精确回退」两种修复哲学的取舍。

新增 MoE 输出契约，为 top-k 归约与尾部融合铺路

值得精读，特别是关注 MoE 内核或性能优化的工程师。设计上有四点值得借鉴：契约分层（`UnfinalizedMoEOutput` 与 `MoEOutput` 各自职责清晰）；守卫条件集中到配置层并按需读取；0-token 边界处理；针对 FlashInfer 多版本返回形态的兼容收口。建议同时跟踪后续消费方 PR 与测试补充；若团队计划接入新的 MoE 内核，应先熟悉此契约。

补齐 ROCm 上 DSpark 全词表草稿标记，修复概率采样启动崩溃

这个 PR 很小但值得快速浏览，作为平台一致性 data contract 修复的范例。核心价值是提醒开发者：跨平台实现（CUDA/ROCm）必须共享同一套运行时契约（类属性、钩子方法），且同类问题应通过自动化测试或契约单测固化。可关注 speculator 读取 draft_id_to_target_id 的完整逻辑，以了解全词表与精简词表草稿模型的差异。

请求输入上游加界，封堵 5 类 CPU 放大攻击

值得精读：这是一个教科书式的"在昂贵工作前绑定输入"安全加固案例，对任何暴露公网 JSON API 的服务都有借鉴价值。建议重点看三处设计决策：(1) sampling_params.py 中先去重再 tokenize、边 tokenize 边计数的时序，使上限校验发生在放大点之前；(2) 环境变量配置化（review 推动）让安全默认值与灵活部署并存；(3) DeepSeek 编码器通过参数透传 last_user_idx 把多条消息共享的一次扫描结果复用。若需维护同类服务，本 PR 的 RED-to-GREEN 测试组织方式（单文件合并 + MockTokenizer 计数断言）也值得模仿。

新增 Recipes 转 vllm 配置工具，打通部署流程

值得精读：该 PR 展示了如何将外部配置生态（vLLM Recipes）与 vLLM 原生配置体系对接，交互式发现、防御性退出、点号参数转嵌套 YAML 等设计有参考价值。安全评论指出的注入问题建议后续补修，并补充针对 `env.sh`/`config.yml` 生成的单元测试。

修复 XPU 权重卸载两处启动崩溃并回退静态 launcher

值得精读，尤其适合关注 XPU 平台适配和跨层 workaround 写法的工程师。要点包括：如何用 `setdefault` 保留用户配置优先级、如何在不改内核的前提下处理空 tensor 与非 pinned 输入、以及如何用注释锚定上游修复 PR 来管理临时 workaround 的生命周期。

Apple Silicon BF16 探测改为失败回退 fp16/fp32

值得快速阅读：该 PR 改动简洁但揭示了一个常见陷阱——subprocess.check_output 在非零退出码时抛异常，使下游 fallback 分支成为死代码。对平台层开发者和处理硬件能力探测的工程师有参考价值。无需深入精读其余部分。