[Bug]: Streaming failure callbacks bypass duplicate logging guard and enqueue repeated S3 uploads
![[Bug]: Streaming failure callbacks bypass duplicate logging guard and enqueue repeated S3 uploads](https://www.chat-gpts.plus/wp-content/uploads/2026/10/42988-00a3ce71-768x403.jpg)
在 LiteLLM 1.100.0 上以 stream=True 调用时，重复的失败通知会绕过 has_run_logging 的去重保护，导致每次失败都触发一次 failure callback；若启用了 s3_v2 ，同一对象 key 会被重复入队并调度多次并发上传。优先排查 Logging.h
分类： AI 工具排错
Provider-reported usage.cost is trusted verbatim as USD spend with no unit validation — causes astronomical phantom spend
当 OpenAI 兼容聚合器（aggregator）在响应或流式 usage 块里返回非 USD 单位的 usage.cost 字段时，LiteLLM 会把它原样当成美元计入 spend ，绕过你为模型配置的 input_cost_per_token / output_cost_per_token
Eval bug: llama-server tools using utf8 for a filename instead of cp866 for windows.
这个报错通常出现在 Windows 上通过 llama-server 内置文件工具（write_file / read_file 等）创建非 ASCII 文件名时，磁盘上的真实文件名出现乱码。优先排查 Windows 侧的 UTF-8 到文件系统路径（cp866/OEM 代码页）转换是否失效。
Deterministic prefill crash at a fixed token position on qwen4exp (Qwen3.8-Flash-Next) under multi-GPU layer split — 4 runtimes, FA on/off,
该问题出现在 llama.cpp / LM Studio 的 CUDA runtime 对 qwen4exp（Qwen3.8-Flash-Next）模型做长上下文 prefill 时，multi-GPU layer split（ --split-mode layer ）下会在固定 token 位置确
Could not locate cudnn_ops64_9.dll. Please make sure it is in your library path!
该报错通常出现在 Windows 上以 CUDA 方式运行 Faster Whisper（或依赖 cuDNN 9 的下游项目）时，DLL 加载器找不到 cudnn_ops64_9.dll 。优先排查 NVIDIA cuDNN 的安装目录层级，以及运行进程能否在 library path 中定位到该
TypeError: expected str
这个 TypeError: expected str, bytes or os.PathLike object, not NoneType 通常出现在 Linux 上手动设置 LD_LIBRARY_PATH 、尝试加载 nvidia-cublas-cu12 / nvidia-cudnn-cu12 动
[Bug]: Responses API streaming regenerates output item id/call_id in response.completed (breaks strict clients)
![[Bug]: Responses API streaming regenerates output item id/call_id in response.completed (breaks strict clients)](https://www.chat-gpts.plus/wp-content/uploads/2026/10/59834-4a72fa90-768x403.jpg)
当你在 vLLM 上以 stream: true 调用 OpenAI 兼容的 Responses API（ /v1/responses ）并触发函数调用时，流式事件里的 response.output_item.added / response.output_item.done 与终止事件 resp
issue: Speech Playback Speed is ignored by Read Aloud and response auto-playback
当 Open WebUI 使用服务端 TTS 引擎（例如 OpenAI 兼容接口指向 Kokoro-FastAPI）时，Settings > Audio > Speech Playback Speed 会被 Read Aloud 和回复自动播放忽略，所有句子都按 1x 播放。优先排查音频队列在给每个
issue: a tool call whose id an earlier round reused is dropped, orphaning its result
当 provider 在同一个 turn 的多轮工具调用中重复使用同一个 tool call id（例如每轮都从 :0 重新编号）时，Open WebUI 的工具循环会丢掉这一轮的 function_call ，却保留它的 function_call_output ，导致持久化的 turn 里出现没
model.to(bf16)/half() and Trainer bf16_full_eval cast RoPE inv_freq buffers, unlike from_pretrained(dtype=…): large angle error at long co
当你在加载模型之后再用 model.to(torch.bfloat16) / .half() / .bfloat16() 或 Trainer(bf16_full_eval=True) 做全量评估时，RoPE 的 inv_freq 等频率 buffer 会被一起降精度，导致长上下文下角度误差迅速放大；