在多 GPU 机器上使用 llama.cpp 的 OpenVINO 后端时，如果 OpenVINO 把设备枚举为 GPU.0、GPU.1 这种带编号的名字，后端内部大量与字符串 "GPU" 的精确比较会失配，导致设备回退 CPU、部分算子没有按限制路由、KV cache 留在主机、GQN 快速 at
该问题通常出现在使用 SYCL 后端、基于较新 oneAPI 工具链构建并运行 llama.cpp（llama-cli / llama-server / llama-bench）的场景中，表现为 PP（prompt processing）性能大幅下降，甚至回退到 PR #25222 优化之前的水准。
该报错通常出现在 Dify 自托管环境中，当使用 Qdrant 作为向量库、且某个 embedding provider/model 还没有对应的 ANNOTATION 类型 DatasetCollectionBinding 时，首次启用 Annotation Reply 会触发首次创建绑定，从而抛
![[Bug]: Qwen3-Reranker: Process Hang with `/score` Endpoint for Specific Data](https://www.chat-gpts.plus/wp-content/uploads/2026/10/24704-b0c5e643-768x403.jpg)
该问题通常出现在使用 vLLM 部署 Qwen3-Reranker（如 Qwen/Qwen3-Reranker-0.6B ）并调用 /score 端点时，当输入数据长度恰好触达模型最大长度（8192 token）附近，进程会挂起。优先排查 truncate_prompt_tokens 的取值，以及是
![[Bug]: /v1/embeddings deadlocks when a truncated input follows a short one in the same request](https://www.chat-gpts.plus/wp-content/uploads/2026/10/55427-1df4d760-768x403.jpg)
当单个 /v1/embeddings 请求里出现“短输入 + 需要截断的长输入”时，vLLM 会把 [Bug]: /v1/embeddings deadlocks when a truncated input follows a short one in the same request 表现为请求
![issue: [regression] [dev] - Model editor JSON Preview Copy copies the model as last saved, not the edits shown](https://www.chat-gpts.plus/wp-content/uploads/2026/10/31955-efc6fbac-768x403.jpg)
在 Open WebUI 模型编辑器的 JSON Preview 中，点击 Copy 复制到剪贴板的是“上次保存的模型”而不是预览中显示的未保存编辑内容，属于 Copy 按钮读取了原始模型对象导致的回归问题。该问题已在 dev 分支修复。
该报错通常出现在 Open WebUI 通过 aiohttp 向模型提供方发起流式请求时，响应流在中途被截断，导致客户端收到不完整的 HTTP 传输内容；优先排查容器内的 HTTP_PROXY / HTTPS_PROXY 代理环境变量，以及上游提供方或自建 Ollama 的流式连接是否稳定。
当开启 “Paste Large Text as File” 后，长文本会被自动上传为 Pasted_Text_.txt 并挂到整个对话（chat）而不是当时那条消息上，此后每一轮对话都会把这份全文重新注入模型上下文，表现为后续消息也显示 “Found N sources” 且
调用 Ollama 的决策模型接口 /v1/systemone 并使用 clef-flash 模型时，服务端在计算 logit 阶段返回 500，报错为 Clef: non-finite logit 。从讨论看问题在 Windows 上稳定复现，优先排查是否为 Windows 构建/CPU head
该报错通常出现在 Windows 版 Ollama 调用 clef-flash （Q8_0、9.1B）的 /v1/systemone 决策端点时，模型在首次前向传播（prompt 处理）阶段就失败；优先确认是否为 Windows 构建的已知缺陷，并尝试改用 WSL2 / Linux 环境。