vLLM v0.25.0发布：MRv2成为所有稠密模型默认执行路径，删除PagedAttention
新版本包含 558 个提交，新增LLaVA-OneVision-2、Unlimited OCR等模型，Transformers后端性能追平原生vLLM，并强化流式解析引擎。
vLLM项目发布v0.25.0版本，包含 558 个提交，来自 232 位贡献者，其中 64 位是首次参与。
据发布说明，Model Runner V2（MRv2）现已成为所有稠密模型的默认执行路径，并新增了EVS、实时嵌入、Mamba混合模型的prefix caching、多模态prefix双向注意力，以及与完整CUDA graphs兼容的动态投机解码支持。
PagedAttention被删除，Transformers后端提速
发布说明称，旧的PagedAttention注意力实现已被移除，因为V1/MRv2后端已成为标准路径。
Transformers建模后端现在与原生vLLM性能相当，并新增FP8 MoE支持、CUDA graph和嵌入缩放修复，以及GPTBigCode/Starcoder2和RoBERTa的迁移。
新模型与流式解析引擎
新版本新增了LLaVA-OneVision-2、Unlimited OCR、MOSS-Transcribe-Diarize、openai/privacy-filter和Hy3模型。GLM-5 / DeepSeek-V3.2加入模型库，MiniMax-M3获得流水线并行和NVFP4支持。
新的Streaming Parser Engine提供了统一的工具调用/推理解析框架，包含新的Kimi k2.5/k2.6/k2.7解析器，以及seed_oss和DeepSeek V4的移植。
性能与硬件优化
针对GLM-5.2和DeepSeek，多个Triton内核融合带来了 1.9% 至 3.3% 的端到端吞吐提升，reduce-scatter MoE all-reduce优化提升 3.1% 至 3.2%，DeepSeek-V4的token索引缓存实现了 5 至 6 倍内核加速。
硬件支持方面，覆盖NVIDIA Blackwell、AMD ROCm、Intel XPU、CPU、RISC-V和POWER平台，包括ROCm迁移到torch 2.11稳定ABI、AArch64加速的未量化MoE等。
API、安全与移除项
OpenAI兼容API新增Responses API tools、Chat/Completions响应的指标字段等。Rust前端继续成熟，支持HTTPS/mTLS、DP supervisor和profiler控制路由。
安全方面修复了图像解压炸弹导致的OOM拒绝服务、NaN音频样本引起的死循环等问题。
移除的模型包括Baichuan、Aquila、Grok、Tarsier/Tarsier2、AyaVision/MusicFlamingo和Mantis。