根据PR body说明，临时规避措施可撤销是因为flashinfer v0.6.7.post2的发布（#22097）修复了TRTLLM attention在SM103 GPU上的高并发挂起问题（引用issue #21906）。原PR #21906为临时workaround，现外部依赖修复后回归正常逻辑。
推荐技术管理者和核心工程师精读此PR，关注注意力后端逻辑的简化设计，以及如何协调外部依赖修复进行代码回退的决策过程。
Review中gemini-code-assist[bot]建议改进错误消息文本，使用“SM10x”代替“SM100”以更准确反映支持的GPU家族范围。讨论聚焦于文档清晰度，但建议未被采纳到本PR中，状态为待处理。
实现分为三个关键文件：
1) nsa_backend.py：移除对SM103的特殊处理，统一SM10x家族使用flashinfer的TRTLLM attention；
2) server_args.py：删除is_sm103_supported相关代码，简化多个模型的后端默认设置和兼容性检查；
3) common.py：删除_check_cuda_device_exact函数和is_sm103_supported常量，清理无用代码。
| 文件 | 模块 | 状态 | 重要度 |
|---|---|---|---|
python/sglang/srt/layers/attention/nsa_backend.py |
attention | modified | 7.0 |
python/sglang/srt/server_args.py |
server | modified | 6.0 |
python/sglang/srt/utils/common.py |
utils | modified | 3.0 |
分析完成后，这里会展示 LLM 生成的相对完整源码片段和详细注释。
gemini-code-assist[bot] 建议在错误消息中使用“SM10x”代替“SM100”，以更准确反映支持的 GPU 家族。
结论：建议未被采纳到本 PR 中，PR 已合并，错误消息保持原样。 · suggested
主要风险包括：
1) 依赖外部库flashinfer的修复，若新版本仍有问题可能导致回归挂起；
2) 错误消息未更新，可能误导用户关于支持架构的具体信息；
3) 核心注意力路径变更，需确保在SM103 GPU上通过CI测试验证稳定性。
影响范围：使用SM103 GPU（如B300）的用户将恢复TRTLLM attention后端，可能提升推理性能和减少工作负载切换。影响程度中等，仅限于特定硬件配置，但涉及核心注意力模块的默认行为变化。
参与讨论