vLLM发布v0.25.1补丁：修复FFmpeg缺失导致的启动阻塞及混合精度RMSNorm量化融合错误
vLLM v0.25.1作为v0.25.0的补丁版本，包含两项针对性bug修复：系统缺少FFmpeg时TorchCodec不再阻塞模型启动；混合精度（如BF16激活与FP32权重）的allreduce+RMSNorm+量化融合路径被引导至安全路径，避免输出乱码。
AI解读：vLLM v0.25.1是一次小版本补丁，解决两个会直接干扰用户的bug。第一个问题是：如果系统没装FFmpeg，即使模型推理根本用不到TorchCodec，vLLM在启动时（比如执行vllm serve Qwen/Qwen3-VL-2B-Instruct）也会因import torchcodec报错而卡住。修法是把错误从导入时推迟到真正调用时，所以没装FFmpeg的用户可以正常启动，只有需要TorchCodec时才报错。第二个bug影响的是使用NVFP4量化模型 + FlashInfer做allreduce + RMSNorm融合的场景。当激活值是BF16、而RMSNorm权重是FP32（Gemma/Qwen风格的RMSNorm）时，融合模式会错误匹配，导致隐藏状态被破坏，输出变成重复的“!!!!!”之类乱码。修复是加了一个dtype匹配检查，遇到混合精度就把图执行导向安全路径，只有dtype一致时才保留完整融合。对普通用户来说，如果你没碰TorchCodec或NVFP4量化模型，这次更新无需立即行动；但如果你是vLLM的部署者或量化模型使用者，建议升级到v0.25.1，它由 @Isotr0py和首次贡献者 @hugo-cen提交，变更量小，回归风险很低。
vLLM项目发布v0.25.1补丁版本，在v0.25.0基础上包含两项针对性bug修复，由 2 位贡献者（含 1 位新贡献者）提交 2 个commit。
第一项修复：系统缺少FFmpeg时，TorchCodec不再阻塞模型启动。此前，import torchcodec会在导入时抛出RuntimeError，即使不实际使用TorchCodec，也会导致vLLM服务无法启动（例如vllm serve Qwen/Qwen3-VL-2B-Instruct）。现在错误被推迟到运行时，只有真正需要TorchCodec时才会出现。
第二项修复：为混合dtype的allreduce + RMSNorm +静态量化融合增加保护。此前，FlashInfer的融合模式可能匹配到激活值与RMSNorm权重dtype不一致的图（例如BF16残差流搭配FP32 Gemma/Qwen风格RMSNorm权重，见于NVFP4模型），导致隐藏状态损坏并产生垃圾输出（如重复的 '!!!!!' 标记）。现在，dtype匹配检查会将不兼容的混合dtype图路由到安全路径，而dtype一致的模型保留完整的融合优化。
修复细节与贡献者
第一个修复对应PR #47888，确保缺失系统FFmpeg时不再阻塞模型启动；第二个对应PR #48330，由新贡献者 @hugo-cen首次提交。
本次贡献者包括 @Isotr0py和 @hugo-cen。
- 修复 #47888：避免系统无FFmpeg时TorchCodec阻塞模型启动
- 修复 #48330：为混合dtype allreduce RMSNorm量化融合添加保护