执行摘要

• 一句话：将更快的 v2 分组量化内核设为默认，提升高负载性能。
• 推荐动作：该 PR 值得精读，特别是关注 v2 内核的默认启用逻辑和弃用环境变量的处理方式。设计决策包括基于组大小自动启用 v2 内核，以及平滑过渡的弃用机制，这些对于性能优化和向后兼容性有借鉴意义。

功能与动机

根据 PR body 中的描述，动机是“将 #10312 中更快的分组量化内核设为默认，因为它在更高工作负载下可以快得多”。作者 Fridge003 在 profiling 报告中展示了在 B200 GPU 上，使用 GLM-5 模型（TP8，batch-size=16）时，内核执行时间从 383us 减少到 132us，性能提升显著。

实现拆解

实现主要涉及五个文件：

1. python/sglang/srt/environ.py：移除 SGLANG_PER_TOKEN_GROUP_QUANT_8BIT_V2 环境变量定义，并在 _convert_SGL_to_SGLANG() 函数中将其标记为已弃用（无新变量替换）。
2. python/sglang/srt/layers/quantization/fp8_kernel.py：修改 sglang_per_token_group_quant_fp8 函数，当 enable_v2 为 None 时，根据组大小是否在支持的列表 [16, 32, 64, 128] 中自动决定是否启用 v2 内核。同时，将 per_token_group_quant_fp8 函数重定向到 sglang_per_token_group_quant_fp8（CUDA 下）或保留旧实现（非 CUDA）。
3. sgl-kernel/python/sgl_kernel/gemm.py：修改 sgl_per_token_group_quant_8bit 函数，移除对环境变量的检查，改为根据组大小是否在支持的列表中自动启用 v2 内核。
4. docs/references/environment_variables.md：从文档中移除 SGLANG_PER_TOKEN_GROUP_QUANT_8BIT_V2 环境变量的条目。
5. test/registered/quant/test_fp8_kernel.py：更新测试，将输入张量转换为 bfloat16 以匹配 v2 内核支持的数据类型。

关键文件：

• python/sglang/srt/layers/quantization/fp8_kernel.py（模块 quantization）: 核心变更文件，修改了量化函数以默认启用 v2 内核，并重定向了 per_token_group_quant_fp8 函数。
• sgl-kernel/python/sgl_kernel/gemm.py（模块 sgl-kernel）: 修改了内核调用函数，移除环境变量检查，改为基于组大小自动启用 v2 内核。
• python/sglang/srt/environ.py（模块 environ）: 移除了 SGLANG_PER_TOKEN_GROUP_QUANT_8BIT_V2 环境变量定义，并添加弃用处理。

关键符号：sglang_per_token_group_quant_fp8, sgl_per_token_group_quant_8bit, per_token_group_quant_fp8

评论区精华

由于 review_comments_count 为 0，没有正式的 review 评论。但在关联 Issue 的评论中，作者 Fridge003 提供了 profiling 报告，显示在 B200 GPU 上，使用 GLM-5 模型（TP8，batch-size=16）时，内核执行时间从 383us 减少到 132us，性能提升显著。用户 nvpohanh 评论“这应该能在一定程度上提升 GLM-5 FP8 的性能”，表明社区对性能改进的认可。没有出现争议或未解决的疑虑。

• 暂无高价值评论线程

风险与影响

• 风险：风险分析：
  1. 回归风险：v2 内核默认启用可能引入新的 bug 或精度问题，尤其是在不支持的组大小或数据类型下。PR 通过限制支持的组大小（16、32、64、128）和更新测试（将输入转换为 bfloat16）来缓解。
  2. 兼容性风险：移除了 SGLANG_PER_TOKEN_GROUP_QUANT_8BIT_V2 环境变量，可能影响依赖此变量手动控制行为的现有用户。PR 通过添加弃用警告来平滑过渡。
  3. 性能风险：虽然 profiling 显示性能提升，但在不同硬件或工作负载下效果可能不一致。缺乏广泛的基准测试覆盖。
• 影响：影响分析：
  1. 对用户：默认启用更快的量化内核，可能提升推理性能，尤其是在高负载场景下。用户无需手动设置环境变量即可受益。
  2. 对系统：内核性能改进可能减少延迟、提高吞吐量，但需确保新内核的稳定性和正确性。
  3. 对团队：简化了配置，移除了一个环境变量，降低了维护复杂度。但需要关注潜在的性能回归或精度问题。
     - 风险标记：核心路径变更, 缺少广泛基准测试, 环境变量弃用

关联脉络

• PR #10312 （未提供，但 PR body 中提及）: PR body 中提到“将 #10312 中更快的分组量化内核设为默认”，表明此 PR 基于 #10312 引入的 v2 内核进行优化。
• PR #22574 [Diffusion] Add FLUX.1-dev ModelOpt NVFP4 support: 同属量化相关 PR，涉及 NVFP4 量化支持，可能共享量化内核或性能优化逻辑。
• PR #22204 [RL] Refactor NVFP4 shuffling/swizzling to in-place replacement: 同属量化相关 PR，涉及 NVFP4 重构，可能影响量化内核的使用或性能。