vllm-project/vllm

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。

修复 vllm bench serve 中数据集参数顺序依赖的验证错误。

建议精读此 PR，特别是了解如何从 argparse Action 迁移到显式验证以解决顺序依赖问题，这对设计命令行参数验证有参考价值。

新增 Granite 4.1 Vision 内置多模态模型支持，集成 SigLip 视觉编码器和深度堆叠特征注入。

该 PR 值得精读，特别是关注深层特征注入的设计（参考 Qwen3-VL 模式）和 Pipeline Parallelism 集成方式。建议工程师学习缓冲区管理和线程安全实践，以及如何处理尚未 upstream 的模型配置。