GPT 5.1 Mini wrongly listed in model list
当你在 OpenAI Python SDK 的模型类型列表（如 chat_model.py ）中发现不存在的模型名 GPT 5.1 Mini wrongly listed in model list （即 gpt-5.1-mini ）时，这属于 SDK 生成类型文件中的错误条目，而不是 API 运行
分类： AI 工具排错
context_management=[{“type”: “type”}] in tests, not ‘compaction’
![context_management=[{"type": "type"}] in tests, not 'compaction'](https://www.chat-gpts.plus/wp-content/uploads/2026/09/2868-52c326d6-768x403.jpg)
这个报错通常出现在查看或运行 OpenAI Python SDK 自带的 Responses 接口测试示例时：测试代码把 context_management 的 type 写成了占位值 "type" ，而 SDK 类型定义与 API 规范只支持 "compaction" 。优先排查你参考的示例/测
[Bug]: Zero-cost budget bypass leaks unbounded spend when the free model has a paid fallback
![[Bug]: Zero-cost budget bypass leaks unbounded spend when the free model has a paid fallback](https://www.chat-gpts.plus/wp-content/uploads/2026/09/41344-83830b1b-768x403.jpg)
当 LiteLLM 中配置了零成本模型（如本地 Ollama）并为它设置了付费的 fallback 目标时，请求会在 auth 阶段被判定为“零成本模型”从而跳过全部预算检查（ skip_budget_checks = True ），随后在 router 阶段 fallback 到付费部署，导致已耗
TypeError: cannot use ‘weakref.ReferenceType’ as a dict key (unhashable type: ‘FunctionAgent’)
这个报错通常出现在 LlamaIndex 的 FunctionAgent / Workflow 示例运行时，`workflow.run(...)` 阶段内部序列化缓存尝试把 workflow 对象当作 WeakKeyDictionary 的键，而 `FunctionAgent` 不可哈希，于是抛出
Eval bug: Multi-GPU SYCL decode crash with false OOM if output tensor is on device with non-zero index
当系统存在多个 SYCL 设备、并且你把模型放在索引不为 0 的 SYCL 设备上运行时，llama.cpp 的 SYCL 后端会在首次 decode 阶段因 host pinned 内存被错误地绑定到 device 0 而崩溃，报出具有误导性的显存不足错误。优先确认是否只用单卡（SYCL0）或改用
Compile bug: Build error with sm_70 on Windows 11
这个 Compile bug: Build error with sm_70 on Windows 11 通常出现在用 CUDA 加上 -DCMAKE_CUDA_ARCHITECTURES 包含 70-real （Volta / V100，sm_70）编译 llama.cpp 时， fattn.cu
[Bug] Ascend NPU: RMSNorm crashes with elementwise_affine=False; _native_npu FA rejects [B, N, 1, Skv] masks (LTX-2)
![[Bug] Ascend NPU: RMSNorm crashes with elementwise_affine=False; _native_npu FA rejects [B, N, 1, Skv] masks (LTX-2)](https://www.chat-gpts.plus/wp-content/uploads/2026/09/14380-1858c464-768x403.jpg)
在 Ascend NPU 上以 attn_backend=_native_npu 运行 LTX-2（ dg845/LTX-2.3-Diffusers ）时，如果 RMSNorm 层配置了 elementwise_affine=False ，或交叉注意力使用了 [B, N, 1, Skv] 形状的掩码
AttributeError: ‘_OpNamespace’ ‘_C’ object has no attribute ‘fused_kimi_k3_mla_decode_q_concat_kv_cache_insert’
这个报错通常出现在 Intel XPU 上加载 Kimi-Linear-48B-A3B（及同属 Kimi-K3 家族）模型并首次执行 attention forward 时，原因是 MLA 的两个 CUDA-only 融合算子没有 XPU 实现。优先确认 vllm-xpu-kernels 是否已包含
[Bug]: Batch runner misclassifies a successful diarized transcription as streaming
![[Bug]: Batch runner misclassifies a successful diarized transcription as streaming](https://www.chat-gpts.plus/wp-content/uploads/2026/09/57944-9da86baa-768x403.jpg)
当你在 vLLM 的离线 batch runner（如 vllm.entrypoints.llm ）里对音频输入启用说话人分离（diarization）时，带说话人轮次元数据的成功转写结果会被误判为流式请求，从而抛出 Request must not be sent in stream mode 。
[Perf] SM8x sparse-MLA prefill fallback re-reads the shared MLA latent once per head (~64x redundant KV traffic)
![[Perf] SM8x sparse-MLA prefill fallback re-reads the shared MLA latent once per head (~64x redundant KV traffic)](https://www.chat-gpts.plus/wp-content/uploads/2026/09/57971-715139ff-768x403.jpg)
当你看到 [Perf] SM8x sparse-MLA prefill fallback re-reads the shared MLA latent once per head (~64x redundant KV traffic) 这类性能描述时，通常发生在 Ampere（sm_80）显卡上用