vllm-project/vllm

V2 Model Runner 支持多个 prompt logprob

值得精读以实现差异化批处理参数的传递模式。但需留意 gemini 指出的切片缺失问题，建议在合并后续 PR 或生产环境遇到断言错误时补充每个请求的精确截断逻辑。

撤销对TRTLLM注意力后端SM100限制的临时修复，恢复SM10x家族支持。

该PR值得快速浏览，重点关注`vllm/utils/flashinfer.py`中设备能力检查的逻辑恢复，以及测试用例的同步更新。设计决策体现了“上游修复后及时清理临时补丁”的良好实践，但需注意对上游依赖的信任风险。

更新CUDA图内存分析日志中的版本号，从v0.19改为v0.21。

此PR变更简单，无需精读。值得关注的点是版本号更新的及时性，反映了项目发布计划的调整。对于了解CUDA图内存分析功能演进方向的开发者，可留意相关PR #38284。

默认 Mamba 缓存模式在推测解码时改为 align

值得精读，尤其是理解 Mamba 模型在不同配置下的缓存模式选择逻辑。变更简洁，但涉及对推测解码兼容性的设计权衡。

优化ViT CUDA图视频推理的默认帧数自动推断，从硬编码改为模型感知。

建议技术管理者和工程师精读此PR，关注协议扩展和模型感知推断的设计决策，以及review中解决缓存问题的权衡，有助于理解vLLM多模态CUDA图路径的演进。

新增Intel GPU的CI测试配置，覆盖misc、engine和lora组件。

对于负责CI基础设施、测试或Intel GPU支持的工程师，建议浏览新增的YAML配置文件以了解测试组织方式和硬件特定调整；但变更主要涉及配置和脚本调整，无需深入源码精读，可重点关注review中讨论的风险点。

扩展LoRA专家权重加载逻辑，支持Qwen3.5和Step3.x模型的`.base_layer`前缀。

该PR值得精读，特别是了解LoRA权重加载中动态参数映射的设计决策，以及如何平衡向后兼容性和功能扩展。关注条件检测的实现和专家映射表的调整方式。

更新批次不变性文档，添加两个已验证的 Qwen3 AWQ 模型。

对于大多数工程师，无需精读此 PR。它仅是一个简单的文档更新。值得关注的点在于：它反映了 vLLM 项目对批次不变性功能测试覆盖的持续完善，以及文档与代码实现保持同步的实践。