水印这件事，vLLM 选择把它塞进采样管线最核心的位置。官方博客确认，基于 Gumbel-max 算法的无失真水印已经并入 Model Runner v2，相关实现由 PR #54053、#56122、#56233 三次提交落地。
无失真的意思是，水印不改动模型原本的概率分布，只在采样时用 Gumbel 噪声做确定性扰动来编码信号：人读不出痕迹，下游模型也察觉不到，而持有密钥的一方可以用统计检验把它捞出来。真正难的不是算法，是别把推理性能拖下水。vLLM 的做法是融合 GPU kernel，把水印逻辑压进采样算子，省掉额外的访存往返；双键方案让密钥管理与检出更稳；上下文去重则压掉重复文本造成的信号衰减。更关键的是它与投机解码兼容——在低延迟的生产环境里，这几乎是启用水印的前置条件。输出多样性也保住了，不必再在水印强度和生成质量之间二选一。
对做推理服务的人来说，判断标准很实在。要在对外 API 上做内容溯源、区分机器生成与人工改写，或者满足监管侧的标识要求，现在多了一个不必自己改采样器的选项。但水印检出依赖密钥和足够长的文本，短回答上的可靠性天然有限，这是所有水印方案的共同边界。官方随 PR 给出的实测吞吐数据，才决定它在你的机器上能不能真开起来——算法优雅是一回事，每 token 多花的那点时间能不能接受，是另一回事。
