执行摘要

• 一句话：修复 Dockerfile 中 DeepEP 依赖和版本
• 推荐动作：建议测试 CUDA 12 环境下使用新 DeepEP 仓库的镜像是否能正常构建和运行。

功能与动机

跟随 #25113 修复，确保 Docker 构建镜像时能正确获取并构建 DeepEP 依赖，避免因分支或版本错误导致构建失败。

实现拆解

1. 移除废弃变量：删除 GRACE_BLACKWELL_DEEPEP_BRANCH 参数。
2. 依赖版本升级：将 SGL_DEEP_GEMM_VERSION 从 0.0.1 改为 0.1.0。
3. 重构 DeepEP 克隆逻辑：当 GRACE_BLACKWELL=1 时，根据 CUDA_VERSION 主版本选择不同的仓库：
   • CUDA 12 使用 https://github.com/fzyzcjy/DeepEP.git 的 gb200_blog_part_2 分支。
   • 其他 CUDA 版本使用 https://github.com/deepseek-ai/DeepEP.git 的 hybrid-ep 分支，并固定到指定 commit。
4. 超时宏修改：保持原有对 NUM_CPU_TIMEOUT_SECS 和 NUM_TIMEOUT_CYCLES 的增强。

关键文件：

• docker/Dockerfile（模块 部署脚本；类别 infra；类型 infrastructure）: 所有依赖版本与克隆逻辑的修改都集中在此文件

关键符号：未识别

关键源码片段

docker/Dockerfile

所有依赖版本与克隆逻辑的修改都集中在此文件

# Dockerfile 变更片段
​
# 移除废弃的 GRACE_BLACKWELL_DEEPEP_BRANCH 参数
ARG GRACE_BLACKWELL=0
ARG HOPPER_SBO=0
# -ARG GRACE_BLACKWELL_DEEPEP_BRANCH=hybrid-ep # 已移除
ARG HOPPER_SBO_DEEPEP_COMMIT=9f2fc4b3182a51044ae7ecb6610f7c9c3258c4d6
ARG DEEPEP_COMMIT=9af0e0d0e74f3577af1979c9b9e1ac2cad0104ee
ARG BUILD_AND_DOWNLOAD_PARALLEL=8
ARG SGL_KERNEL_VERSION=0.4.2.post1
ARG SGL_VERSION
# 升级 deep_gemm 版本
ARG SGL_DEEP_GEMM_VERSION=0.1.0 # 之前是 0.0.1
​
# ......
​
# 在 deepep_builder 阶段，重构 Grace Blackwell 的 DeepEP 克隆逻辑
FROM torch_deps AS deepep_builder
ARG CUDA_VERSION
ARG BUILD_AND_DOWNLOAD_PARALLEL
ARG GRACE_BLACKWELL
# -ARG GRACE_BLACKWELL_DEEPEP_BRANCH # 已移除
ARG HOPPER_SBO
ARG HOPPER_SBO_DEEPEP_COMMIT
ARG DEEPEP_COMMIT
​
WORKDIR /build
​
# Clone DeepEP
RUN set -eux; \
    if [ "$GRACE_BLACKWELL" = "1" ]; then \
        # 根据 CUDA 主版本选择不同的仓库和分支
        if [ "${CUDA_VERSION%%.*}" = "12" ]; then \
            # CUDA 12 使用 fzyzcjy 的仓库，gb200_blog_part_2 分支
            git clone https://github.com/fzyzcjy/DeepEP.git && \
            cd DeepEP && \
            git checkout gb200_blog_part_2 && \
            # 调整超时宏（保持原有修改）
            sed -i 's/#define NUM_CPU_TIMEOUT_SECS 100/#define NUM_CPU_TIMEOUT_SECS 1000/' csrc/kernels/configs.cuh && \
            sed -i 's/#define NUM_TIMEOUT_CYCLES 200000000000ull/#define NUM_TIMEOUT_CYCLES 2000000000000ull/' csrc/kernels/configs.cuh && \
            cd .. ; \
        else \
            # 其他 CUDA 版本使用 deepseek-ai 的主仓库，hybrid-ep 分支，固定 commit
            git clone https://github.com/deepseek-ai/DeepEP.git -b hybrid-ep && \
            cd DeepEP && \
            git checkout d28bd676c2120573c9f1425f0c16c39faa4117e6 && \
            sed -i 's/#define NUM_CPU_TIMEOUT_SECS 100/#define NUM_CPU_TIMEOUT_SECS 1000/' csrc/kernels/configs.cuh && \
            sed -i 's/#define NUM_TIMEOUT_CYCLES 200000000000ull/#define NUM_TIMEOUT_CYCLES 2000000000000ull/' csrc/kernels/configs.cuh && \
            cd .. ; \
        fi; \
    elif [ "$HOPPER_SBO" = "1" ]; then \
        # 原有 Hopper SBO 逻辑不变
        git clone https://github.com/deepseek-ai/DeepEP.git -b antgroup-opt && \
        cd DeepEP && \
        git checkout ... && \
        cd .. ; \
    fi

评论区精华

无审核评论，仅提交者自行合并。

• 暂无高价值评论线程

风险与影响

• 风险：低风险。仅修改 Docker 构建过程，不影响运行时逻辑。但若新 DeepEP 仓库分支不稳定或与 CUDA 版本不兼容，可能导致镜像构建失败。
• 影响：影响 Docker 镜像构建，特别是针对 Grace Blackwell 架构的镜像。普通用户无影响。
• 风险标记：外部依赖变更

关联脉络

• PR #25113 （推断）之前引入 DeepEP 相关分支的 PR: 本 PR 修复的工具链改动源自该 PR