执行摘要

该PR修复了kimi-linear模型在启动服务器时因ModelConfig对象缺少scaling属性而导致的AttributeError，通过添加scaling计算并处理rope_scaling，解决了启动失败问题，确保了MLA-based模型的正确初始化。

功能与动机

由于self.scaling属性被删除，kimi-linear模型在启动时抛出AttributeError，错误堆栈显示在attention后端初始化时无法访问scaling（具体见PR body中的日志）。PR旨在恢复scaling属性以支持模型启动，避免服务器崩溃。

实现拆解

修改了python/sglang/srt/configs/model_config.py中的_derive_model_shapes方法：

• 添加基础计算：self.scaling = 1 / math.sqrt(self.qk_nope_head_dim + self.qk_rope_head_dim)
• 条件判断：如果hf_config.rope_scaling存在，则调用compute_mla_mscale_scaling函数调整scaling值，以支持长上下文模型的rope scaling功能。

评论区精华

review中，gemini-code-assist[bot]指出：

"MLA-based模型往往在使用rope_scaling（如Yarn）时需要调整scaling因子；同时，其他MLA架构如KimiVLForConditionalGeneration、DeepseekVL2ForCausalLM和MiniCPM3ForCausalLM也可能缺少scaling属性。"

作者yuan-luo回复"Fixed."，表明已处理rope_scaling调整，但未回应其他架构问题，留下潜在维护点。

风险与影响

• 风险：
  1) rope_scaling处理不当可能影响长上下文模型性能；
  2) 其他MLA架构可能仍缺失scaling属性，导致未来启动错误；
  3) 缺少测试覆盖，可能遗漏边缘情况。
• 影响：修复了kimi-linear启动问题，提升系统稳定性；团队需检查类似架构并加强配置测试。

关联脉络

未关联到具体Issue；历史PR中无直接修改相同文件或模型的PR，但近期PR如21657（DeepSeek模型优化）和21727（多模态bugfix）表明团队持续优化模型兼容性，本PR是MLA架构配置修复的一部分。