执行摘要

• 一句话：清理启动日志噪声，移除冗余日志和 import
• 推荐动作：该 PR 是低风险清理，可快速合并。建议关注是否有可能在调试时需要这些日志，若需可考虑改为 debug 级别而非直接移除。

功能与动机

根据 PR body，目的是清理启动时的日志噪声（"Remove noisy startup logs"），使日志更干净，便于用户阅读。具体涉及 custom allreduce v2、speculative decoding 和 finalized token capacity 处理。

实现拆解

1. custom_all_reduce_v2.py：移除 log_info_on_rank0 import，在 __init__ 末尾移除初始化成功日志，在 _register_graph_inputs_ipc 末尾移除 IPC 注册地址数量和 cuda graph 地址日志。
2. speculative_hook.py：在 _handle_eagle_family 函数中，移除了 else 分支中关于“Overlap spec v2 默认启用”的 warning 日志，仅保留 non-overlap 时的 warning。
3. flashinfer_backend.py：移除 CUTLASS 因 TMA 描述符问题而禁用时的 info 日志，并将条件判断从 if check_... 取反为 if not check_...，保留 CUTLASS 回退行为但消除日志。
4. model_runner_kv_cache_mixin.py：在 _resolve_max_num_reqs 方法中，移除 finalized token capacity 的 info 日志，仅保留 max_running_requests 被降低时的 warning 日志。

关键文件：

• python/sglang/srt/distributed/device_communicators/custom_all_reduce_v2.py（模块 通信层；类别 source；类型 dependency-wiring）: 移除了 log_info_on_rank0 import 和两条信息性日志（初始化成功、IPC 注册地址数），减少启动噪声。
• python/sglang/srt/arg_groups/speculative_hook.py（模块 参数配置；类别 source；类型 core-logic）: 移除了 _handle_eagle_family 中 disable_overlap_schedule 为 False 时的 warning 日志（"Overlap spec v2 is enabled by default"），仅保留 non-overlap 时的 warning。
• python/sglang/srt/layers/attention/flashinfer_backend.py（模块 注意力层；类别 source；类型 core-logic）: 简化了 SM100 上 CUTLASS 后端选择的逻辑，移除 CUTLASS 禁用的 info 日志，同时将条件判断取反，保持相同行为。
• python/sglang/srt/model_executor/model_runner_kv_cache_mixin.py（模块 模型执行器；类别 source；类型 data-contract）: 移除了 _resolve_max_num_reqs 方法中 finalized token capacity 的 info 日志，减少启动时输出。

关键符号：CustomAllReduceV2.init, CustomAllReduceV2._register_graph_inputs_ipc, _handle_eagle_family, FlashInferBackend.init, _resolve_max_num_reqs

关键源码片段

python/sglang/srt/distributed/device_communicators/custom_all_reduce_v2.py

移除了 log_info_on_rank0 import 和两条信息性日志（初始化成功、IPC 注册地址数），减少启动噪声。

# python/sglang/srt/distributed/device_communicators/custom_all_reduce_v2.py
# 移除 log_info_on_rank0 导入，仅保留 is_sm100_supported
# from sglang.srt.utils import is_sm100_supported, log_info_on_rank0 # 移除 log_info_on_rank0
from sglang.srt.utils import is_sm100_supported
​
class CustomAllReduceV2:
    def __init__(self, ...):
        # ... 初始化逻辑 ...
        self._post_init_obj()
        self.disabled = False
        # log_info_on_rank0(logger, "Custom allreduce v2 initialized successfully") # 已移除
​
    def _register_graph_inputs_ipc(self):
        # ... 注册逻辑 ...
        self.obj.register_inputs(result)
        # log_info_on_rank0(logger, f"Registered {len(pairs)} cuda graph addresses via IPC") # 已移除

python/sglang/srt/arg_groups/speculative_hook.py

移除了 _handle_eagle_family 中 disable_overlap_schedule 为 False 时的 warning 日志（"Overlap spec v2 is enabled by default"），仅保留 non-overlap 时的 warning。

# python/sglang/srt/arg_groups/speculative_hook.py
# 在 _handle_eagle_family 函数中
if server_args.disable_overlap_schedule:
    logger.warning(
        "Non-overlap (synchronous) spec v2 is used for eagle/eagle3/standalone "
        "speculative decoding."
    )
# else: # 已删除
# logger.warning( # 已删除
# "Overlap spec v2 is enabled by default for eagle/eagle3/standalone speculative decoding." # 已删除
# ) # 已删除

python/sglang/srt/layers/attention/flashinfer_backend.py

简化了 SM100 上 CUTLASS 后端选择的逻辑，移除 CUTLASS 禁用的 info 日志，同时将条件判断取反，保持相同行为。

# python/sglang/srt/layers/attention/flashinfer_backend.py
# 在 FlashInferBackend.__init__ 方法中
fmha_backend = "auto"
if is_sm100_supported():
    # 当 piecewise cuda graph 启用时禁用 CUTLASS 后端，
    # 因为 B200 上存在 TMA 描述符初始化问题。
    if not check_cuda_graph_backend(Phase.PREFILL, Backend.TC_PIECEWISE):
        fmha_backend = "cutlass"
    # 之前版本使用 if check_... 然后 log，现在简化为 if not check_... 直接设置

评论区精华

无 review 评论；仅 Gemini Code Assist 自动 review 提及无反馈。

• 暂无高价值评论线程

风险与影响

• 风险：风险极低。所有变更均为移除日志语句或简化条件判断，不改变运行时逻辑。flashinfer_backend 中的条件判断从 if A: log; else: set 改为 if not A: set，行为与之前完全一致。custom_all_reduce_v2 的 log_info_on_rank0 import 移除后确认无其他使用。
• 影响：影响范围小，只影响启动时日志输出，不改变任何运行时行为或性能。用户将看到更简洁的启动日志，但可能失去一些调试信息（如 custom allreduce 初始化成功、IPC 注册数量等）。对生产环境无负面影响。
• 风险标记：低风险清理

关联脉络

• 暂无明显关联 PR