vllm-project/vllm

限制 Intern-S1-Pro 测试至 Transformers 5.14.1

该 PR 虽小，但展示了如何为依赖 `trust_remote_code` 的模型设置版本保护，值得测试维护者参考。建议后续系统性地排查其他远程代码模型在 `Transformers v5` 下的兼容性，并考虑将 `max_transformers_version` 与 `transformers_version_reason` 作为远程代码模型的通用防御模式。

修复 Triton MoE 路径 INT8 W8A8 激活崩溃

这是一个 2 行的迷你 bugfix，值得快速阅读。它的价值在于：一是展示了量化类型扩展时内核入口 dtype 契约容易遗漏的问题；二是作为回归案例提醒，在跟进 #50833 等上游改动时需同步检查所有入口校验。代码逻辑简单，无需精读。

修复广播队列端口 TOCTOU 竞态，内核原子分配端口

值得精读，尤其适合负责分布式通信与多实例部署的工程师。源码只有 7 行净改动，但示范了用内核原子语义消除经典 TOCTOU 竞态的标准做法，并处理了「从归一化端点恢复信息」的隐蔽边界——只取端口、用原始地址重建，避免 IPv6 归一化漂移破坏 handle 契约。测试设计（pin 探测端口让旧代码确定性失败）对同类竞态的回归测试有很强的迁移价值。后续可参照此模式清理其余 `get_open_port` 使用点（如 #50965 正在处理的 DP 保留端口 livelock），并为 `VLLM_PORT` 行为变化补充文档。

TPU 上禁用 Kimi ViT 动态 torch.compile

值得快速浏览。该 PR 展示了用装饰器参数做平台条件编译的简洁写法，`disable` 与 `skip` 的取舍讨论也有参考价值；对后续 TPU 平台适配和 torch.compile 使用有借鉴意义。

关闭用量上报残留 HTTP 会话，兼容进程快照检查

值得快速浏览：这是一个精准、低风险的兼容性修复，展示了 vLLM 中共享 HTTP 连接与进程快照（文件描述符状态检查）之间的权衡。关注 `_send_to_server` 的一次性 Session 取舍，以及低频路径用自己的连接、高频资源路径用共享连接的分层策略；对想理解 vLLM checkpoint/restore 前置条件的读者有参考价值。

DSv3.2 序列并行全链路化，吞吐提升 3.6%~5.2%

值得精读。三个设计决策最值得关注：(1) dense MLP 在 SP 下复制以换取通信消除的显存/性能权衡阈值；(2) 从手工 pad + TP collective 收敛到 `sp_all_gather` / `sp_reduce_scatter` / `sp_shard` 统一原语，对其它模型的迁移价值；(3) MTP 输入 shard 点前置、输出端打包一次性 gather 的放置原则。建议阅读时对比 tests/models/deepseek_v32/test_sequence_parallel.py 的 token 数契约断言，理解数据流的 full/shard 边界。

为 MRv2 offload 新增定向单测并回退 CI 变更

值得快速阅读，重点看 tests/basic_correctness/test_cpu_offload.py 中的 test_mrv2_weight_offloading：它展示了如何穿透 engine_core 到 GPUModelRunner，并通过 get_offloader() 直接校验 offloader 内部状态，这种测试思路对验证 MRv2 内部机制很有参考价值。对于负责 offload 或 MRv2 功能的工程师，建议精读并留意该测试对内部实现的耦合度。

改进 --linear-backend 过滤：未覆盖层回退并启用 b12x

值得精读。该 PR 是 kernel 自动选择基础设施上的一次小而关键的行为调整，展示了“严格校验 vs 可用性回退”的取舍过程，以及 FlashInfer b12x 这类新内核如何在不破坏 auto 默认选型的前提下被显式启用。关注 `_resolve_backend_kernels()` 的 helper 设计、`warning_once` 的提示策略，以及讨论中“AI 加速内核开发会使选择越来越放宽”的判断。