vllm-project/vllm

为 Mooncake PD 引入端到端集成测试与独立 CI 任务

值得精读，尤其是 `run_accuracy_test.sh` 中 RDMA 设备白名单的注释、`.buildkite/test_areas/disaggregated_mooncake.yaml` 里池选择的理由、以及 `install-kv-connectors.sh` 的 CUDA 13 wheel 替换逻辑——这三处都是真实 CI 环境踩坑后的产物，对想要把自有 P/D 或 RDMA 传输测试接入 CI 的团队有直接参考价值。整体评分定位在"有意义的测试基建"而非核心功能变更。

文档化 reasoning_content 输出移除的客户端破坏性变更

值得快速阅读（约 5 分钟）。它展示了 API 演进中输入/输出不对称导致兼容性坑的真实案例，以及维护者对“文档该写多详细”的取舍——轻量合入、详细背景留 PR body。对负责 OpenAI 兼容层和维护推理输出的工程师，建议关注 `getattr` 替代 `hasattr` 的技术细节（pydantic extra field 陷阱），它在其他未声明字段的场景同样适用。

新增 K-EXAONE-2.0-750B-A37B 模型支持

值得精读，尤其是 `exaone_moe.py` 中注意力层与 MLP 路由的适配方式。该 PR 展示了如何在一个既有模型实现中扩展新配置：保持向后兼容（默认参数）的同时引入新分支。可重点学习 `swiglu_limit` 的逐层传递模式与 `set_default_rope_theta` 的用法。不过对于团队，建议关注模型注册名大小写变更的沟通，以及后续补充针对 K-EXAONE-2.0 的 e2e 测试。

给 DSpark Markov head 传 quant_config 支持量化权重加载

值得快速阅读：改动只有 4 行，但展示了 vLLM 中“模型量化配置向子模块透传”的标准做法。如果读者在维护 DSpark/DSV4 或量化模型，建议精读并考虑补充针对 quant_config 透传的回归测试，以覆盖 W4A16 + weight_scale_2 场景。

新增 Kimi-Linear 48B 的 P/D 夜间回归测试到 CI

值得 CI/可靠性团队精读，了解如何用较小模型（Kimi-Linear）作为大模型（K3）的回归代理，以及如何通过 TP/DP/EP 组合适配大权重显存限制。对普通功能开发者价值有限，核心 vLLM 逻辑无改动，不需要深读。

CPU-only 主机 torch.compile 崩溃修复：empty_cache 改用独立 no-op

值得精读的小型修复：改动仅 13 行，但完整展示了一个编译期崩溃 -> 最小复现 -> 根因定位（对象身份别名）-> 极简修复的调试链路。对维护 CPU worker 补丁与接触 torch.compile 图形捕获的同学有参考价值；也提示 Dynamo 对 torch 模块 API 的追踪可能依赖函数对象身份，写 monkey patch 时需避免别名共享。

修复 breakable cudagraph 下误导性的 torch.compile 警告

该 PR 值得快速阅读，但无需深究：它展示了如何在配置初始化阶段避免误导性日志，并把分散的开关判断收敛到单一函数。建议合并，但希望后续补一个简单的日志断言测试，避免该行为回归。

新增多模态生成模型 PPL 回归测试与 CI 任务

值得精读，重点看 ppl_utils.py 的双侧 PPL 对比口径（vLLM greedy logprob 累加 vs HF loss 平均）以及“HF 参考值可缓存为常量”的提速设计；对多模态模型维护者尤其有参考价值。后续扩展模型时需关注外部数据集依赖与 1% 容差是否适用，建议在扩展 PR 中同步评估。