# PR #34044 完整报告

- 仓库：`sgl-project/sglang`
- 标题：docs(cookbook): DeepSeek-V4-Flash-0731 — drop chunked-prefill/autotune flags on B300 low-latency
- 合并时间：2026-08-08 07:12
- 原文链接：http://prhub.com.cn/sgl-project/sglang/pull/34044

---

## 执行摘要
本 PR 对 DeepSeek-V4-Flash-0731 cookbook 中的 **B300 flash-official / fp4 低延迟 **配方做了两处调整：删除 `--chunked-prefill-size 4096` 与 `--disable-flashinfer-autotune`，并把 `verified` 标记为 true。改动只涉及一个文档 snippet 文件，不影响 SGLang 运行时，主要价值是让推荐的启动命令与官方验证结果保持一致。

## 功能与动机
PR body 明确说明：

> Drops `--chunked-prefill-size 4096` and `--disable-flashinfer-autotune` from the **Flash Official (0731)**low-latency recipe on **B300**(`flash-official` / `fp4`), and marks the cell verified.

动机是官方已验证 B300 上该配方无需显式禁用 FlashInfer autotune，也不需要固定 chunked prefill 大小。删除这两个参数后，命令更简洁，也避免用户在新版本中手动关闭自动调优导致次优性能。

## 实现拆解

1. **定位目标 cell**：在 `docs/src/snippets/configs/deepseek-ai/deepseek-v4.jsx` 中找到 `match: { hw: "b300", variant: "flash-official", quant: "fp4", strategy: "low-latency", nodes: "single" }` 配置块。
2. **删除冗余 flags**：移除 `--chunked-prefill-size 4096` 和 `--disable-flashinfer-autotune`，保留 `--moe-runner-backend flashinfer_mxfp4`、`--speculative-algorithm DSPARK`、`--swa-full-tokens-ratio 0.1` 等关键参数。
3. **更新验证状态**：`verified` 由 `false` 改为 `true`。PR body 同时说明该 cell 没有 benchmarks entry，因此页面仍以 pending 状态渲染。
4. **配套情况**：无测试、无配置文件改动；这是纯文档 snippet 变更，只影响文档渲染结果。

### `docs/src/snippets/configs/deepseek-ai/deepseek-v4.jsx`

唯一变更文件，更新 B300 flash-official/fp4 low-latency 配方的 flags 并标记已验证。

```jsx
{
  // DeepSeek-V4-Flash-0731 在 B300 flash-official/fp4 上的低延迟配方
  // 已验证：删除了 --chunked-prefill-size 4096 和 --disable-flashinfer-autotune
  // 两个 flags，让 FlashInfer 走默认 autotune 路径，适配更广泛的 batch 场景
  match: { hw: "b300", variant: "flash-official", quant: "fp4", strategy: "low-latency", nodes: "single" },
  verified: true,
  env: [],
  flags: [
    "--trust-remote-code",
    "--model-path {{MODEL_NAME}}",
    "--tp 4",
    "--moe-runner-backend flashinfer_mxfp4",
    "--speculative-algorithm DSPARK",
    // 不再显式禁用 autotune：官方已验证默认行为在 B300 上良好
    "--swa-full-tokens-ratio 0.1",
    "--host {{HOST_IP}}",
    "--port {{PORT}}",
  ],
}

```

## 评论区精华
本 PR 没有任何 review 评论，`review_comments_count` 为 0，合并者 `zijiexia` 直接 APPROVED 且未附文字说明。因此没有可展开的讨论内容，唯一有价值的上下文是 PR body 对“已验证”状态的说明。

## 风险与影响
- **版本绑定风险**：移除 `--disable-flashinfer-autotune` 后，用户在旧版本 SGLang 上照抄命令可能遇到 autotune 未修复前的问题，例如启动耗时增加。风险只作用于复制命令的文档读者。
- **默认值变化**：`--chunked-prefill-size 4096` 移除后，chunked prefill 尺寸回退到默认值，用户若依赖固定值需自查。
- **影响范围**：仅 `docs/src/snippets/configs/deepseek-ai/deepseek-v4.jsx` 一个文件，影响面极小，不涉及核心调度、kernel 或运行时逻辑。

## 关联脉络
- **PR#32556**（Autotune flashinfer extend buckets at warmup）修复了 FlashInfer autotune 在预填充场景的问题，本 PR 允许恢复 autotune 与该修复一脉相承。
- **PR#33882**（Ling-3.0-flash cookbook drop YaRN override）同样是 cookbook 配方随官方验证结果调整的文档 PR，说明该文档体系处于持续收敛状态。
- **PR#33932**（Install DeepEP from release wheels）属于 DeepSeek 模型部署链路的配套改动，与本 PR 共同服务于 DeepSeek-V4-Flash 在各硬件平台上的部署验证。