标签： AI

当你在 vLLM 0.30.0 的 Rust 前端（Rust frontend）下使用带有 raise_exception(...) 调用的 chat template（例如 Qwen3 系列用于校验 reasoning_effort 的模板）发起请求时，minijinja 渲染器不认识该函数，导致

这是在 Intel XPU 上使用 vLLM 加载模型后，主机内存（host RAM）没有被释放的报错。通常发生在 vllm serve 启动加载权重、量化或 mmap 行为与预期不一致时，优先排查启动命令、模型加载方式与是否使用静态量化权重。

当客户端对 GLM-5.3-Flash 传入 chat_template_kwargs: {"enable_thinking": false} （或 thinking: false ）时，vLLM 的 GLM reasoning parser 会关闭推理提取，但 GLM-5.3 的 chat tem