vllm-project/vllm

修复Rust前端指标未使用--served-model-name

值得合并，逻辑简洁、测试充分。设计上选择在构建状态时一次性解析名称，避免运行时检查，值得借鉴。

Rust前端支持parallel_tool_calls=false

值得精读，特别是 `structured.rs` 中抑制逻辑的实现方式——在事件流层通过状态机做过滤是一个非常清晰的设计决策。review 过程显示了将功能正确下放到合适抽象层的重要性。此外，PR 展示了一个良好的小功能实现与 review 沟通模式。

修复 MiMo v2.x 在 TP≠8 时的 QKV 分片及 FP4 支持

此 PR 值得精读，原因如下： 1. **分片算法设计**：`_shard_fp8_qkv_proj` 中处理 fp8 块尺度与 KV 头组交织的约束，采用反量化-重排-再量化的方案，是一个清晰的 trade-off 示例。 2. **量化路由扩展**：在 `Fp8Config` 中通过 `store_dtype` 分流至 `Mxfp4MoEMethod`，展示了如何在现有量化框架上以最小侵入支持混合量化 checkpoint。 3. **评估方法**：作者提供了多个数据集和配置的对比表，值得参考。

为 Rust 前端 Llm 添加 abort() 及请求 ID 映射

值得精读，特别是 `InflightRequests` 的 RAII guard 模式和本地合成中止输出流的实现思路。后续在实现并行采样或跨引擎中止时可以参考此设计。

同步 Rust 与 Python 的 EngineCoreReadyResponse 字段定义

建议团队在涉及跨语言协议定义时，借鉴本 PR 中 Python→Rust 双向键集合断言的测试方法，防止字段版本漂移。值得精读 `python_compat.rs` 的测试夹具设计。

为 SamplingParams.temperature 增加上界检查

值得合并，这是一个小而正确的 bugfix，解决了前后端验证不一致的问题。变更仅 6 行，逻辑清晰，已通过 reviewer 审核。

在 usage.prompt_tokens_details 中报告多模态 token 计数

值得精读。PR 展示了如何以最小侵入性扩展 OpenAI 兼容 API，重点关注 `_make_prompt_tokens_details` 中 `if not enable_prompt_tokens_details` / `if num_cached_tokens is None and not mm_token_counts` 的短路逻辑，以及 `cast` 安全地处理类型。设计上使用字典替代字段枚举体现了良好的可扩展性。

移除废弃模型 XverseForCausalLM

PR 本身简单直接，但可作为清理废弃模型注册表条目的参照模板。值得关注的是 `_PREVIOUSLY_SUPPORTED_MODELS` 机制的设计，它提供了优雅的弃用路径。