vllm-project/vllm

自动将 reasoning_content 标准化为 reasoning

建议精读此 PR，重点了解： - 如何通过 Pydantic model_validator(mode="before") 在早期标准化输入数据。 - 根据 review 合并验证器的决策过程和性能 benchmark 方法。 - 如何处理已废弃字段的兼容性，包括始终移除旧字段的策略。 此 PR 设计模式适用于类似字段迁移场景。

修复 Step3-VL 编码器 CUDA Graph 测试 OOM

值得合并，该 PR 精准修复了 CI OOM 问题，且保留了关键测试覆盖。重构的 `compilation_config_overrides` 模式可作为其他编码器 CUDA graph 测试的参考。CI 配置改用标签机制是良好实践。

批量化Gemma4视觉编码，吞吐提升最高3.8x

值得精读。PR 展示了如何通过分解模型调用并引入动态批量调度来显著加速多模态编码阶段。设计中的权衡（pooler 不批量化）和兼容性修复（使用 current_platform）值得关注。可作为其他多模态模型性能优化的参考模式。

修复 Qwen3.5 GDN 在 TP>=2 时 Marlin 量化失败

值得所有 Qwen3.5 用户和关注量化兼容性的工程师阅读。本 PR 展示了如何在不改动权重加载和模块映射的前提下，通过 `disable_tp` 优雅地规避量化内核的分片限制，并利用 `split_ba` 保持下游 kernel 的兼容性。review 中的设计权衡讨论也很有启发性。

为 FlashInfer all-reduce 启用 PDL 启动重叠，设置小 batch 阈值

值得精读，尤其关注两点：1）PDL 启动重叠的优化思路及其在 FlashInfer 融合 kernel 中的运用；2）review 中对于魔法数字提取为常量的设计决策过程。对于使用 FlashInfer 的团队，应确认是否启用相关 fusion pattern，避免 3D tensor 风险。

更新 H200 GPU 性能基准测试配置文件

建议在合并后验证 CI 基准测试流水线是否正常运行，尤其关注 JSON 解析和 70B 测试的内存占用。若 review 中指出的问题尚未修复，应尽快跟进修正。

修复 V2 model runner 在 dummy run 时 LoRA 未初始化引起的 Triton 断言错误

此 PR 值得精读，尤其是理解 V2 model runner 中 dummy run 路径与 LoRA 的交互。关注点：1）临时方案的设计权衡；2）未来向 LoRA warmup 迁移的 plan。开发者应跟踪 PR#35536 的进展。

DeepSeek V3.2/V4 解析器 composed schema 测试

建议阅读，该 PR 展示了如何为工具调用解析器编写针对复杂 JSON Schema 类型的回归测试，对理解 DSML 解析器的类型强制转换逻辑有参考价值。