RuntimeError: causal_conv1d does not support spec-decode and non-spec tokens in the same invocation (MTP + chunked prefill)

快速结论：该报错通常出现在 Intel XPU 上同时启用 MTP 投机解码与 chunked prefill 时：同一批次中混入了“投机解码 token”和“非投机（普通 prefill）token”，而当前版本的 causal_conv1d XPU kernel 不支持在同一调用中处理这两类 token，因而直接抛出 RuntimeError: causal_conv1d does not support spec-decode and non-spec tokens in the same invocation (MTP + chunked prefill)。优先排查的是 vllm-xpu-kernels 版本是否已包含修复补丁。

适用环境：Issue 已确认环境为 Ubuntu 24.04（x86_64）、Python 3.12、PyTorch 2.13.0+xpu（修复验证时为 2.14.0+xpu）、Intel Arc Pro B70 Graphics、vLLM XPU kernels 0.1.13.2（修复验证时为 0.1.15.4），使用 GPTQ-Int4 量化与 FP8 KV cache，开启 MTP 投机解码（num_speculative_tokens=4）和 chunked prefill。

最快修复方案：升级到包含修复的版本，即 vllm-xpu-kernels 0.1.15.4（对应 vLLM nightly，验证版本 0.32.1rc1.dev276+gdf6603f05；Issue 中亦提到可尝试 vllm/vllm-openai-xpu:v0.32.0 镜像）。

注意事项：Issue 明确指出 nightly 镜像拉取的是 vllm-xpu-kernels 最新正式发布版，因此仅更新 vLLM 而不更新 XPU kernels 可能无法复现修复；若不是最新的 vllm-xpu-kernels（含补丁），问题仍可能复现。修复验证仅覆盖上述单一 Intel XPU 平台与配置，其他显卡/量化组合尚未验证。

问题场景

用户在 Intel XPU（Intel Arc Pro B70 Graphics）上运行 vLLM 服务，模型采用 GPTQ-Int4 量化、FP8 KV cache，并同时启用 MTP 投机解码（num_speculative_tokens=4）与 chunked prefill。当同一批次里同时调度一个 chunked-prefill 请求和一个 MTP 投机解码请求时，混合前向（prefill chunk + 投机解码步）触发 causal_conv1d XPU kernel 报错。

报错原文

RuntimeError: causal_conv1d does not support spec-decode and non-spec tokens in the same invocation (MTP + chunked prefill)

原因分析

可能原因：causal_conv1d 的 XPU kernel 在单次调用中无法区分并同时处理两类 token——投机解码 token 与普通（非投机）token。当 MTP 投机解码与 chunked prefill 共存时，vLLM 的调度会把这两种 token 放进同一个 batch 的混合前向，旧版 kernel 因此主动抛出该异常。Issue 讨论中提到的修复落在 vllm-xpu-kernels 的 #537（对应 vLLM #48109），使 kernel 能够处理这种混合调用。

环境排查

确认 vllm-xpu-kernels 版本：受影响的为 0.1.13.2，修复验证版本为 0.1.15.4；Issue 中提及该修复预计随 0.1.14.0 发布进入 nightly。
确认所使用的 vLLM 构建/镜像：nightly 镜像会拉取 vllm-xpu-kernels 最新正式发布版，需核实实际加载的 kernel 版本，而非仅看 vLLM 版本。
确认 PyTorch 是否为 XPU 构建（Issue 中为 2.13.0+xpu，修复验证为 2.14.0+xpu）及 Intel Level-Zero 驱动版本。
确认推理配置：MTP 投机解码是否开启、num_speculative_tokens 取值、chunked prefill 是否开启、量化方式（GPTQ-Int4）与 KV cache 精度（FP8）。
确认 Python 版本（Issue 为 3.12）与操作系统（Ubuntu 24.04）。

解决步骤

可优先尝试：将环境升级到 vllm-xpu-kernels 0.1.15.4 或更高版本；若使用容器，改用 docker.io/vllm/vllm-openai-xpu:nightly 或 Issue 中提到的 vllm/vllm-openai-xpu:v0.32.0。
升级后在容器内核对实际加载的 vllm-xpu-kernels 版本号，确保不是旧的 0.1.13.2。
沿用原复现配置启动服务：开启 MTP 投机解码（num_speculative_tokens=4）、chunked prefill、GPTQ-Int4 量化与 FP8 KV cache，以便复测同一路径。
在混合负载下发送请求，使 chunked-prefill 请求与投机解码请求被调度进同一批次，触发原报错路径。

验证方法

观察日志中不再出现 causal_conv1d does not support spec-decode and non-spec tokens in the same invocation；包含“prefill chunk + 投机解码步”的混合前向能够完整执行并正常返回生成结果。Issue 作者在 vllm-xpu-kernels 0.1.15.4 + vLLM 0.32.1rc1.dev276+gdf6603f05 的 nightly 镜像上已按原配置验证通过。