vllm-project/vllm

跳过 conch kernel 处理 g_idx 重排

小而精准的 bugfix，值得合并。对于全量量化模型用户，避免潜在无声错误。

为KV缓存次级层添加异步批处理查找

值得精读该PR，尤其是AsyncLookupManager的线程安全模型（无锁通过所有权分离）和cleanup逻辑。可作为vLLM内部异步模式的参考。设计决策中使用SimpleQueue、None作为停止信号、NeedToDrain计数器等细节值得注意。

移除第一代 Qwen 和 QwenVL 模型代码及配套组件

此 PR 清理彻底，值得作为参考模板用于其他旧模型淘汰。建议阅读以理解 vLLM 的模型注册和组件解耦方式。如果用户仍依赖旧模型，不应升级到此版本。

修复 EXAONE-4.5 视觉编码器 missing sequence_lengths

建议快速合并，属于典型的数据契约同步修复。可关注类似模式——继承 Qwen2_5_VisionTransformer 的模型（如刚修复的 qwen3_omni_moe_thinker）是否也有遗漏。

新增 tool_call_parser_invocations_total Prometheus 指标

值得阅读 review 中关于指标设计、延迟初始化和低基数标签的讨论，有助于理解 vLLM 中 Prometheus 指标注册的约束与模式。

修复组合权重加载器导致参数丢失的 bug

此 PR 属于关键 bug 修复，逻辑精巧，值得精读。建议关注 `get_numel_loaded` 函数的设计模式（通过 TorchDispatch 拦截 copy_ 来计数），以及如何通过上限截断解决 composed loader 的双重复制问题。新增的测试用例是良好的回归测试范例。

修复 DSv3 路由 gemm 的 max batch 启发式逻辑

建议精读该 PR，它展示了一个小而精的性能 hack：根据 GPU 架构动态调整内核选择阈值。设计决策——如将阈值作为实例属性而非全局常量——值得参考，便于后续扩展。同时，该 PR 体现了数据驱动优化（实测微基准）的重要性。

延迟导入 humming 量化后端，避免不必要的导入副作用

值得精读此 PR 的懒加载门面设计，可作为其他可选后端导入优化的参考模式。建议关注其对类型提示的实际影响，必要时可补充类型桩。