vLLM v0.25.0の主要変更｜v0.27.1時点で再確認

この記事の結論

vLLM v0.25.0の主要記述は公式releaseと一致します。Model Runner V2（MRv2）は全dense modelの既定になり、legacy PagedAttention implementationは削除されました。ただしv0.25.0は現在のlatestではありません。2026年8月12日の監査時点ではv0.27.1が最新releaseです。

確認日: 2026年8月12日 23:00（Asia/Tokyo）
固定した版: vLLM v0.25.0 / 702f481、v0.27.1 / 6e448d0
公開時刻: v0.25.0は2026-07-11 20:06 UTC（日本時間では7月12日）、v0.27.1は2026-08-11 10:47 UTC
調査方法: GitHub公式release/tagによる机上調査。GPUでのupgrade、throughput、latency、output品質は未測定です。
未検証範囲: 各model・quantization・hardwareでのMRv2互換性、旧設定の移行、performance回帰、production workload。

v0.25.0の主要変更

v0.25.0 release notesがhighlightとして挙げる変更は次のとおりです。

領域	公式releaseの変更	読み方
実行系	MRv2を全dense modelの既定へ	dense modelの標準経路がMRv2になった
Attention	legacy PagedAttention implementationを削除	paged KV cacheの考え方全体が消えたわけではない
Transformers	modeling backendをnative vLLM相当の速度へ改善	公式release claim。個別環境では要測定
Parser	Streaming Parser Engineを追加	reasoning/tool-call parserを統合する新framework
Speculative decoding	heterogeneous vocabulary向けTLI、DSpark/DFlash拡張	model・draft・backendの対応確認が必要
KV offloading	lifecycleやlookupを改善	connector構成ごとに再検証が必要

「全dense modelの既定」はdense architectureについての話です。hybrid model、MoE、multimodal、poolingなど、すべてのmodel classが同一経路へ統一されたという意味ではありません。

PagedAttention削除の意味

release notesの表現は「PagedAttention has been removed」で、削除対象をlegacy attention implementationと説明しています。これはV1/MRv2 backendが標準となったため古い実装経路を整理した変更です。

したがって、次の二つを区別します。

削除されたもの: v0.25.0 release notesが指すlegacy PagedAttention implementation。
残る概念: KV cacheをblock/page単位で管理し、schedulerやattention backendが利用するmemory管理。

古いflag、custom patch、out-of-tree pluginがlegacy classを直接参照していた場合は影響を受け得ます。「名称が見えないからmemory pagingがなくなった」と判断するのは正確ではありません。

MRv2既定化で確認すること

upgrade前後で少なくとも次を比較します。

modelが同じrevisionとdtypeで起動するか。
同一promptの出力とlogprobに許容外の差がないか。
prefix cache、structured output、reasoning/tool parserが動くか。
TTFT、inter-token latency、throughput、memory peakが悪化していないか。
tensor/pipeline/data parallel、KV connectorなど利用中機能が対応するか。

MRv2が既定になったことだけを理由に、すべてのworkloadが速くなるとは限りません。v0.25.0 notesのperformance値は特定kernelやhardwareの結果を含むため、自環境のend-to-end値として流用しません。

Transformers backendの位置づけ

v0.25.0はTransformers modeling backendをnative vLLMと同等に高速化したと説明し、FP8 MoE、CUDA graph、embedding scalingなどの修正も挙げています。これは専用model実装がないarchitectureを試す際の重要な改善です。

一方で、model architecture、quantization、attention backend、custom codeによって通る経路は変わります。起動しただけではnative implementationと同じkernel、memory使用量、output品質になったとは限りません。server logとbenchmark条件を保存します。

Parserとspeculative decoding

Streaming Parser Engineはreasoningとtool callの解析を共通frameworkへ寄せる変更です。application側では、stream chunkの境界、tool argument、Unicode、終了時flushを含むtestを用意します。

speculative decodingではuniversal TLI、DSpark、DFlashなどが追加・拡張されています。draft modelを有効にすると必ず高速化するわけではないため、通常decodeをbaselineにし、acceptance rateだけでなくTTFTとrequest throughputを比較します。

v0.27.1時点での読み替え

v0.27.1は2026年8月11日公開のpatch releaseで、release本文はv0.27.0に対するquantized DSpark Markov head supportを記載しています。v0.25.0の記事を読むときは、次のように扱います。

v0.25.0の変更履歴としては有効。
新規installで選ぶlatest versionの説明としては古い。
v0.25.0からv0.27.1へ直接上げる場合、v0.26・v0.27系列のrelease notesも読む。
productionではversion rangeではなくcontainer digestまたはexact package versionを固定する。

安全なupgrade手順

現行container/package、model revision、launch commandを保存する。
同じhardware上にv0.25.0または移行先の隔離環境を作る。
golden promptとAPI contract testを実行する。
single requestと目標concurrencyでbenchmarkする。
parser、prefix cache、quantization、distributed機能を個別に確認する。
問題があれば旧image/digestへ戻せる状態で切り替える。

旧PagedAttention codeへ依存するcustom extensionがある場合は、先にdependencyを洗い出します。production serverを直接upgradeし、問題が出てから設定を推測する進め方は避けます。

この記事で確認していないこと

本監査はofficial release notesの内容とversion chronologyを確認したものです。v0.25.0またはv0.27.1をinstallしておらず、GPU benchmarkも実施していません。したがって、公式releaseの性能表現を本サイトの実測値としては扱っていません。

公式資料

v0.25.0の核心は「MRv2がdense modelの標準経路になり、legacy attention implementationが整理されたこと」です。現在の導入判断はv0.27.1までのrelease差分を含めて行います。