vllm-project/vllm

修复 gfx942 上 MXFP8 MoE 后端选择测试

该 PR 修复了测试逻辑，建议合入以确保 CI 稳定性。值得关注的是，它揭示了不同 GPU 硬件（gfx942 vs gfx950）对 MXFP8 后端的支持差异，以及测试需要模拟平台特性的最佳实践。

EC Connector 新增 pending push 检测

此 PR 为简单接口扩展，设计清晰，实现安全。值得关注的点是如何在子类中实际利用该钩子。

XPU 平台 PyTorch 升级至 2.13 及内核包更新

该 PR 值得阅读，尤其是 `vllm/_custom_ops.py` 中的 workaround 清理和 Dockerfile 的简化做法，展示了平台升级时应同步清理技术债务的良好工程实践。对于 XPU 开发者，需要关注新的 oneAPI 2026.0 基础镜像和 PyTorch 2.13 的兼容性问题。建议在合并后密切监控 XPU 相关 CI 测试结果。

为 Minimax-M3 添加默认视频处理器

值得关注的设计：注册器支持 `video_processor` 名称检索模式，以及帧索引对齐 HF 的策略。但需特别注意导入依赖的隐性风险，建议在合并前验证模块的独立导入能力。此 PR 被回滚后仍需修复导入问题再重新提交。

修复 EAGLE draft 位置编码越界与 proposer block_size 不对齐

建议所有参与 speculative decoding 开发的同学精读本 PR。实现思路清晰：配置层修复 draft 模型不对齐问题，运行时层修复 block_size 和确定性，测试覆盖充分，为类似 bug 的修复提供了模板。

注册 Qwen3.5 文本纯文本模型架构

值得精读。该 PR 展示了一个典型的模型注册修复模式：注册架构名、补全配置类、补充必要的接口（IsHybrid + mamba 状态方法）。对理解 vLLM 模型注册系统有参考价值。

为 Kimi K3 添加 Python 前端支持

此 PR 值得精读，尤其是 XTML 格式的渲染和解析实现，以及如何在不破坏现有架构的前提下扩展新的对话格式。设计决策如 `_partial_tag_overlap`、`_subseq_index`、结构标签注册等有借鉴价值。Review 中关于 `tool_choice` 和 tokenizer 注册的讨论也展现了集成第三方模型前端时的典型权衡。

decode 端复用 prefill token ids 跳过重复 tokenization

值得阅读。PR 展示了在保持 chat 特性（工具调用、推理、流式）的同时，如何最小侵入性地实现 decode 端 token 复用的设计模式。安全讨论指出了未来改进方向（添加 server-side gate）。对于从事分离式部署或前端优化的人员有参考价值。