- 在 post-load hook 中对 w13/w2 做 per-expert Marlin pack，并替换为 packed 参数 - Marlin fast path 仅接受 packed 权重；未预打包则 fail fast，避免运行时 packing 峰值/不确定性 - 更新 Marlin wrapper 的入参与 shape 推导（从 packed layout 计算 K/N）
- repeat_counts/CPU 元数据为 numpy/array-like 时会在 repeat_interleave/.to() 崩溃 - 统一转换为 CPU torch.Tensor 后再扩展并拷到 GPU
新增环境变量开关 VLLM_V1_FAST_TOKEN_ID_COPY（默认关闭）。开启后在 CachedRequestState 中缓存 prompt_token_ids 的 np.int32，并在 add_request 里用 np.copyto 写入 token_ids_cpu，避免长 prompt 场景反复 list->NumPy 转换开销（尤其是抢占/反复进出 batch 时）
新增环境变量 VLLM_V1_USE_REDUCED_TOPK_TOPP_SAMPLER 用于开关控制 扩展 SamplingMetadata，增加 max_top_k 与 has_any_no_top_k 在 InputBatch 侧计算 top-k 的主机端汇总信息，避免 device 同步 更新 Sampler/TopKTopPSampler 传递并使用新参数以启用优化采样