![[Bug]: Significant performance regression after upgrading from 1.80.5 to 1.81.x (UI + API slowness)](https://www.chat-gpts.plus/wp-content/uploads/2026/06/19921-01def1f2-768x403.jpg)
用户在使用 LiteLLM Proxy 时，将版本从 v1.80.5 升级到 v1.81.x（包括 v1.81.0 和 v1.81.3）。环境中包含 50 个内部用户、200 个模型，连接至 PostgreSQL 数据库，每秒约 10 个请求（10 RPS），并开启了回调至 Langfuse OTE
用户在 Dify 1.15.0 自托管（Docker）环境中，进入容器后执行数据库升级命令时触发。
用户在 Hugging Face Transformers 中使用 SinqConfig 量化模型（如 google/gemma-4-E4B-it ），执行 model.save_pretrained(save_dst) 后，再通过 AutoModelForCausalLM.from_pretrai
用户在 HTML 页面中通过 标签引入 gradio.js （例如从 https://gradio.s3-us-west-2.amazonaws.com/6.0.2/gradio.js）来嵌入 Gradio 应用，并在浏览器控制台中观察到该报错。注意：虽然抛出该错误，但应用本身似乎
![[FEATURE] Add Wasm-based code interpreter tool to safely run untrusted code.](https://www.chat-gpts.plus/wp-content/uploads/2026/06/4810-3cca9c44-768x403.jpg)
用户在 CrewAI 框架中试图运行不受信任的 Python 代码时，关注到了现有 CodeInterpreterTool 的安全漏洞（参见 Issue #4516）。Feature request 提出集成 Wasm 沙箱（如 Capsule）作为替代方案，以提供更安全的代码执行环境。
在 MCP Python SDK 中使用 @mcp.resource 装饰器定义资源模板时，用户希望路径参数（如 {path} ）能够匹配包含斜杠（ / ）的完整路径，例如 folder://xxx/abc/zzz/ ，以便实现嵌套目录的资源访问。
用户在 AMD Strix Halo (gfx1151) GPU 上使用 Docker 镜像 vllm/vllm-openai-rocm:latest （vLLM 0.20.2）启动 vLLM 服务，加载 Qwen3.6-27B-AWQ 模型并启用 DFlash speculative decodi
用户在通过 MCP (OpenAI) 客户端连接 RAGFlow 服务时触发该错误。访问地址类似 http://192.168.3.80:9380/api/v1/openai/{api_key}/chat/completions 。RAGFlow 服务本身正常（返回 HTTP 200），API 密钥
用户使用 llama-server 或 llama.cpp 的 EAGLE3 投机解码功能，目标模型为 unsloth/Qwen3.6-27B-MTP-GGUF （架构 qwen3_5 ，GDN hybrid），草稿模型为基于 Ex0bit/Qwen3.6-27B-PRISM-EAGLE3 转换的
用户通过 Ollama 调用 GLM-5.2 Cloud 模型，进行网络安全、AI 项目相关的复杂推理任务。模型在过去一天内发生了明显的行为退化：从能够“预判用户下一步操作”变为只能给出“what would you like to do”这类泛化回复，且对于任何涉及网络安全的问题，模型都会以询问“