执行摘要

为多个模型后端（包括 DeepSeek、GPT-OSS、Kimi 和 Qwen 系列）启用 DFLASH 支持，扩展推测解码能力，通过添加辅助隐藏状态捕获方法提前集成 huggingface z-lab collection 模型。

功能与动机

基于 PR #20547，本变更旨在提前启用 DFLASH 功能，以支持来自 huggingface z-lab collection（https://huggingface.co/collections/z-lab/dflash）的模型，无需等待 DFLASH spec v2 合并。PR body 中明确说明：'landing this early to enable support for these models now'，反映了快速扩展兼容性的需求。

实现拆解

• 模型文件扩展：在 8 个模型文件中添加 set_dflash_layers_to_capture 方法，用于设置层捕获以获取辅助隐藏状态。例如，在 deepseek_v2.py 中，方法包括管道并行性检查（if not self.pp_group.is_last_rank: return）和层索引映射（self.model.layers_to_capture = [val + 1 for val in layer_ids]）。
• 关键逻辑更新：在 qwen3_5.py 中，forward 方法被修改为支持捕获输出，添加 aux_hidden_states 处理；并新增 get_input_embeddings 方法。在 qwen3_vl.py 中，forward 方法调整以返回 aux_hidden_states。
• 统一接口：所有模型都添加了 set_dflash_layers_to_capture，但实现细节略有差异，如 qwen3_5.py 中缺少偏移处理，review 中已指出。

评论区精华

review 评论由 gemini-code-assist[bot] 提供，聚焦于正确性和设计问题：

• qwen3_vl.py："This call will fail if self.model is an instance of Qwen3LLMModel..." 建议使用 hasattr 检查方法是否存在。
• qwen3_5.py："The implementation of set_dflash_layers_to_capture... is inconsistent with other models..." 指出缺少层索引偏移和管道并行性验证。
• 返回类型："It is better to use the capture_aux_hidden_states flag to determine the return type..." 建议使用标志避免逻辑错误。
  评论未显示回复，但 PR 已合并，可能已通过其他方式解决或待后续处理。

风险与影响

• 技术风险：不一致实现可能导致运行时错误，如 qwen3_vl.py 中的 AttributeError 或不安全元组解包引发 ValueError；缺少验证可能影响管道并行性下的正确性。
• 影响范围：扩展 DFLASH 支持到多个关键模型后端，提升系统兼容性，使用户能早期使用新模型；但增加代码维护复杂性，需确保跨模型一致性。影响程度中等，涉及模型层但非核心架构。

关联脉络

• 与历史 PR 关联：与 PR #22049（推测解码惩罚支持）相关，同属推测解码技术演进；与 PR #20089（DeepEP 融合）相关，涉及 DeepSeek 模型优化。
• 演进趋势：从近期历史 PR 看，sglang 仓库持续扩展模型支持（如 DeepSeek、Qwen 系列）和优化推测解码功能，本 PR 是这一趋势的一部分，旨在快速集成社区模型。