执行摘要

• 一句话：移除 SM100 MXFP8 未优化警告
• 推荐动作：该 PR 变动微小，无需精读。值得注意的设计决策是作者在尝试修改默认后端失败后，审慎地只做了最小化修改，并与审阅者达成共识。这体现了保留兼容性、避免不成熟重构的工程原则。

功能与动机

作者在 PR body 中说明："sm100 mxfp8 now has optimized kernels. Drop the warning." 目的是消除对用户的误导性警告，提升使用体验。

实现拆解

1. 修改条件判断：在 python/sglang/srt/configs/model_config.py 文件中，修改 _verify_quantization 方法，将原本仅检查 self.quantization == "mxfp4" 的条件扩展为检查 self.quantization in ["mxfp4", "mxfp8"]。
2. 更新注释：同步更新了注释，明确提及 MXFP8 也已拥有优化内核。
3. 回退默认后端尝试：在提交历史中可以看到作者曾尝试修改默认后端以指向 flashinfer_trtllm，但由于需要更广泛的重构（权重重排、缩放因子处理）而作废，最终仅保留警告豁免。

关键文件：

• python/sglang/srt/configs/model_config.py（模块 模型配置；类别 source；类型 data-contract）: 核心变更文件，修改了 MXFP8 在 SM100 上的警告逻辑。

关键符号：未识别

关键源码片段

python/sglang/srt/configs/model_config.py

核心变更文件，修改了 MXFP8 在 SM100 上的警告逻辑。

# 在 _verify_quantization 方法中，原本只豁免 mxfp4，现在同时豁免 mxfp8
if self.quantization not in optimized_quantization_methods:
    # Don't warn for MXFP4/MXFP8 on SM100 since they have optimized kernels
    if not (
        self.quantization in ["mxfp4", "mxfp8"] and is_sm100_supported()
    ):
        logger.warning(
            "%s quantization is not fully "
            "optimized yet. The speed can be slower than "
            "non-quantized models.",
            self.quantization,
        )

评论区精华

审阅者 b8zhong 询问是否在本次 PR 中同时修改默认后端（否则仍会使用 Triton）。作者回复表示尝试过但需要大规模重构，b8zhong 接受并认为“密集 GEMM 在 MoE 中占 E2E 很小”，因此同意仅做警告豁免。

• 是否同时修改默认后端 (design): 不修改默认后端，仅做警告豁免。b8zhong 同意，并认为密集 GEMM 在 MoE 中占比很小。

风险与影响

• 风险：风险极低。变更仅为扩大条件判断列表，逻辑行为为减少不合理的警告，不会引入回归或功能错误。但未添加测试覆盖该条件分支，未来若出现新的量化方法或架构，可能需要同步更新。
• 影响：直接影响：SM100 (Blackwell) GPU 用户在使用 MXFP8 量化时不再看到误导性的“未优化”警告。间接影响：无。影响范围小，仅限特定硬件和量化组合。
• 风险标记：暂无

关联脉络

• 暂无明显关联 PR