RuntimeError: Engine core initialization failed. See root cause above. Failed core proc(s): {}`; the actionable line is only in EngineCore stderr.

快速结论：该报错通常出现在用 vLLM 加载 Zamba2 模型并同时启用 LoRA 的场景：Zamba2 并不支持 vLLM LoRA，但这一限制未在配置校验阶段拦截，而是在 worker 加载模型、进入 Zamba2Model.__init__ 时才由一条无消息的 assert not is_lora_enabled 触发，最终外层只看到 RuntimeError: Engine core initialization failed. See root cause above. Failed core proc(s): {}。优先排查“是否对 Zamba2 打开了 LoRA”，并到 EngineCore stderr 中找那条真正的断言行。

适用环境：Issue 环境为 Ubuntu 22.04.4 LTS、Python 3.12.13、PyTorch 2.13.0+cu130、CUDA runtime 12.6.20、NVIDIA 驱动 580.82.07，显卡为 RTX A6000 与 RTX 5880 Ada Generation 混合节点。社区复核基于当前 main 分支源码，未给出单独修复后的版本号。

最快修复方案：暂无确认的一步修复方案。可优先尝试：对 Zamba2 不要启用 LoRA，即去掉 LoRA 相关启用参数、使用不带 LoRA 适配器的基座模型启动；同时保留并查看 EngineCore 的 stderr 以确认根因。

注意事项：该结论来自 Issue 中的源码复核与报错路径对照，Issue 未提供已合入补丁或验证过的命令；Zamba2 文件中的 Zamba2LoRA 类只是模型内部的适配层实现，不代表 vLLM 支持 LoRA。相同裸断言模式也存在于 mamba2.py，因此同类现象可能出现在 Mamba2 上。

问题场景

用户在 vLLM 中加载 Zamba2 系列模型（Zamba2ForCausalLM），并在请求或引擎配置中启用了 LoRA。引擎启动阶段看似只返回一个笼统的初始化失败，实际失败点在 worker 进程加载模型时：Zamba2Model.__init__ 读取 vllm_config.lora_config，计算出 is_lora_enabled = bool(lora_config)，随后执行不带任何提示信息的 assert not is_lora_enabled。由于该断言没有消息，外层只能报出 Engine core 初始化失败，真正可操作的错误行仅存在于 EngineCore 的 stderr 中。

报错原文

RuntimeError: Engine core initialization failed. See root cause above. Failed core proc(s): {}

源码中对应的断言（无消息）：

assert not is_lora_enabled

原因分析

最可能的原因是配置组合不被支持，却未被提前拦截。具体证据如下：

Zamba2ForCausalLM 的继承关系为 nn.Module, HasInnerState, IsHybrid，没有继承 SupportsLoRA，因此其 supports_lora() 返回 False。
这一信号在配置阶段本可获得，但 Issue 检索未发现配置路径上的相应检查，因此 create_engine_config() 接受了“Zamba2 + LoRA”的组合，错误被推迟到 worker 加载模型时才暴露。
文件中的 Zamba2LoRA 类是 Zamba2Attention / Zamba2MLP 内部使用的适配结构，与 vLLM 的 LoRA 支持无关，不能据此认为 Zamba2 支持 LoRA。
同名裸断言还出现在 vllm/model_executor/models/mamba2.py，是仓库中另一处匹配；基于 supports_lora 的配置期检查可同时覆盖这两类模型（此为讨论中的建议方向，Issue 未给出已合入实现）。

环境排查

确认启动配置中是否真的启用了 LoRA：检查 LoRA 相关启动参数、请求中的 LoRA 适配器字段及 vllm_config.lora_config 是否非空。
确认所加载模型是否为 Zamba2（Zamba2ForCausalLM），以及是否属于同类混合状态模型（如 Mamba2）。
确认 Python、PyTorch、CUDA runtime、NVIDIA 驱动与显卡型号，与 Issue 环境（Python 3.12.13、PyTorch 2.13.0+cu130、CUDA runtime 12.6.20、驱动 580.82.07、A6000 与 RTX 5880 Ada）对比，判断是配置问题还是环境差异。
确认 vLLM 版本与分支：Issue 复核基于当前 main，不同版本中该断言是否存在、位置是否一致需要自行核对 vllm/model_executor/models/zamba2.py。
检查 EngineCore 进程的 stderr 输出是否被上层日志吞掉；若只看到外层 RuntimeError，需调整日志或直接查看子进程错误输出。

解决步骤

先定位真正错误：收集 EngineCore 的 stderr，确认其中出现 assert not is_lora_enabled 或 zamba2.py 相关栈帧，而不是其他初始化错误。
移除 Zamba2 部署中的 LoRA 启用项，例如不再传入 LoRA 相关启动参数、不使用 LoRA 适配器发起请求，改为加载不带 LoRA 的基座模型重新启动引擎。
若业务必须使用 LoRA，则不能继续使用 Zamba2 作为基座；应改用继承 SupportsLoRA、supports_lora() 为 True 的模型架构。
排查 Mamba2 等同类模型：若同样出现该报错，按相同思路检查是否误开了 LoRA。
如需从根本修复：可参考讨论中的方向，在配置校验阶段基于 supports_lora() 对不支持 LoRA 的模型直接报出明确的配置错误，并给断言补充消息；该改动未在 Issue 中确认合入，属于可优先尝试的改进思路。

验证方法

移除 LoRA 配置后重新启动 vLLM 引擎，模型加载阶段不再触发 assert not is_lora_enabled，EngineCore 启动成功且外层不再返回 Engine core initialization failed。若仍失败，应继续以 EngineCore stderr 中的首条异常为准，确认是否为其他原因。