执行摘要

本PR根据内部反馈清理了GLM-5.2和MiniMax-M3 cookbook中的冗余serve flags，删除手动设置的运行时默认值已正确的参数，提高--max-running-requests避免人为限流；同时用真实权重重新测量B200/GB300的benchmark性能并更新文档。整体降低了cookbook配置的维护成本，提高了配置的可读性和准确性。

功能与动机

Lianmin在2026年6月19日的反馈指出：“make the default arguments just work — drop hand-set serve flags where the runtime default is correct or better”。因此本PR删除了GLM-5.2配置中与运行时默认重复的--cuda-graph-max-bs-decode等标志，并调整了--max-running-requests以允许更高的并发。同时，上游PR#28976已实现--attention-backend fa4时自动强制page_size为128，因此MiniMax-M3文档中要求显式设置--page-size 128的说明已过时，需修正。

实现拆解

1. 清理GLM-5.2 serve flags：在glm-5.2.jsx中，删除所有cell中的--cuda-graph-max-bs-decode标志，低延迟和高吞吐策略不再显式设置--max-running-requests，平衡策略提升至256。为GB300高吞吐配置添加SGLANG_DEEPEP_NUM_MAX_DISPATCH_TOKENS_PER_RANK=512环境变量。向GLM-5.2.mdx添加benchmark方法论注释。

2. 修复MiniMax-M3 page-size注释：在minimax-m3.jsx中删除所有Blackwell cell的--page-size 128，并在MiniMax-M3.mdx中修正说明，指出--attention-backend fa4已自动强制page_size为128。

3. 更新benchmark数据：在glm-5.2-benchmarks.jsx中，用main @ 09ca4fc上真实权重的测量结果替换旧数据。H200标记为待重新测量，B200和GB300填入新结果。

docs_new/src/snippets/configs/zai-org/glm-5.2.jsx

核心serve flags清理：删除冗余的 --cuda-graph-max-bs-decode，调整 --max-running-requests，为GB300 HT添加 env SGLANG_DEEPEP_NUM_MAX_DISPATCH_TOKENS_PER_RANK=512

// GLM-5.2 balanced cell (H200 FP8): 去掉 --cuda-graph-max-bs-decode 128，
// 同时将 --max-running-requests 从 80 提升到 256，避免人为限流。
{
  match: { hw: "h200", variant: "default", quant: "fp8", strategy: "balanced", nodes: "single" },
  verified: true,
  env: [],
  flags: [
    "--model-path {{MODEL_NAME}}",
    "--tp 8",
    "--dp 8",
    "--enable-dp-attention",
    "--moe-a2a-backend deepep",
    "--speculative-algorithm EAGLE",
    "--speculative-num-steps 1",
    "--speculative-eagle-topk 1",
    "--speculative-num-draft-tokens 2",
    "--mem-fraction-static 0.85",
    // 大 chunked-prefill 是 balanced 策略的主要杠杆；
    // max-running 跟踪 KV 容量（H200 上约 60-80 个 8K+1K 请求）。
    "--chunked-prefill-size 32768",
    "--max-running-requests 256",
    "--host {{HOST_IP}}",
    "--port {{PORT}}",
  ],
}

docs_new/src/snippets/configs/zai-org/glm-5.2-benchmarks.jsx

核心benchmark数据更新，用真实权重重新测量B200/GB300，标记H200为pending

// B200 low-latency 策略的新 benchmark 条目
// 测量条件：8×B200, TP8, 真实权重 , --random-range-ratio 1.0, 每次运行 --flush-cache
// env SGLANG_SIMULATE_ACC_LEN=3.5 固定 EAGLE 接受长度（50% 接受 3/50% 接受 4）
{
  match: { hw: "b200", variant: "default", quant: "fp8", strategy: "low-latency", nodes: "single" },
  sglang_version: "main @ 09ca4fc",
  speed: [
    { workload: { dataset: "random", isl: 8192, osl: 1024, max_concurrency: 1 },
      ttft_ms: 757, tpot_ms: 3.22, tokens_per_sec_per_gpu: 32 },
    { workload: { dataset: "random", isl: 8192, osl: 1024, max_concurrency: 16 },
      ttft_ms: 3188, tpot_ms: 9.12, tokens_per_sec_per_gpu: 164 },
  ],
}

评论区精华

本PR无实质性review讨论。zijiexia直接批准了变更，机器人评论未提出建设性意见。

风险与影响

• 风险：删除的flags可能影响少量已习惯旧配置的用户，但PR通过验证确认运行时默认值表现更好。GB300高吞吐配置的env变量是必需的，用户若忽略可能导致DeepEP断言失败。benchmark数据更新可能使用户对比旧版本时产生困惑，但已注明测量条件。
• 影响：cookbook用户获得更简洁的命令，维护团队减少了冗余配置。无运行时影响。

关联脉络

本PR是cookbook配置持续优化的一部分。上游PR#28976（fa4页面大小自动强制）使MiniMax-M3的显式设置不再必要。后续可关注其他模型配置的类似清理。