推理框架 vLLM 近日新增一项文本水印能力。该功能基于 Gumbel-max 算法实现，被定位为「无失真」，意味着在嵌入水印的同时不改变模型原本的输出分布。

从集成路径看，这一能力被直接接入 Model Runner v2 的采样管线，而非以外挂模块形式存在。相关改动通过三个 PR 逐步落地：PR #54053、#56122 与 #56233。

三个 PR 各自承担不同职责。据 vLLM 方面披露，其分别实现了融合 GPU kernel、双键方案以及上下文去重。这三项改动共同支撑起水印功能在工程层面的可用性。

兼容性是此次实现的另一重点。该水印方案可与投机解码共存，并保持输出的多样性，这使其在需要兼顾生成效率与内容溯源的场景中具备落地空间。