sgl-project/sglang

新增 H20 Qwen3.8 MoE 调优配置与工具修复

值得快速阅读：若团队在 H20 或同类 GPU 上做 MoE 推理调优，这份 PR 演示了 tuned config 从生成（tuning_fused_moe_triton.py）、加载匹配到验证（micro benchmark + e2e + 数值一致性）的完整闭环。重点看配置文件的 M 分桶规律及其与默认启发式的差异、common_utils.py 架构分支组织方式，以及作者对精度噪声的论证。若没有 Qwen3.8/H20 场景，可只关注调优工具的架构识别修复一处。

首页轮播新增 MiniMax-H3 并移除 GLM-5.2

纯文档内容变更，不涉及运行时逻辑，无需精读实现。可作为“单一数据源驱动多页面展示”的配置类 PR 样例，重点关注其文案事实来源规则（从模型配置与页面提取可验证信息）以及对轮播规模的控制策略。

调整 NPU 性能用例 prefill delayer 窗口参数修复 TPOT

不建议精读，属于纯测试参数调优。值得留意的只有一点：prefill delayer 的滑动窗口大小会显著影响 NPU 上长序列场景的 decode pass 稳定性，后续若有平台调度调整，可参考本 PR 的窗口与 max-delay-passes 配套组合。

GLM5 共享专家 append 融合进 aiter topk，消除每层内核

值得精读，重点看三点设计：① 用持久预填充 buffer + row stride 部分列写入消除每层 kernel 启动，并与 CUDA graph 地址稳定性耦合；② 容量超限降级回 fallback 的“只影响覆盖、不影响正确性”设计哲学；③ review 中“条件镜像易碎、改用 shape 检测”的健壮性权衡，以及“server args 未初始化时优雅降级”的工程细节。同时应把“最终被 PR#35105 回滚”作为教训：特殊硬件路径优化应配套直接针对该分支的单元测试与更小粒度的 CI 验证，避免只依赖 nightly 精度套件。

diffusion 复用 SRT SigLIP 视觉模型，删约 240 行重复代码

值得精读。这个 PR 展示了如何在不破坏 bit-exact 数值的前提下，跨运行时复用模型实现并同步并行组状态，尤其适合关注 diffusion/SRT 架构演进、视觉模型统一维护的工程师。建议重点阅读 `gemma_3.py` 的权重映射与 `_vision_parallel_context`，以及 `parallel_state.py` 的 patch/恢复对称逻辑——这是本 PR 最容易出问题的两个设计点。

LTX-2.3 lossless 路径复用 bit-exact 调制快速路径

值得精读，尤其关注两个设计决策：其一是同一算术在 eager 与 compile 两种执行模式下选择不同实现（复用 kernel vs 保持表达式可见），这是多后端/多执行模式下 kernel 复用的典型案例；其二是用 monkeypatch 将 `_ltx2_modulate` 替换为 `pytest.fail` 来反向验证编译路径隔离，测试手法低成本高信号。建议阅读时结合 `_ltx2_modulate` 与 `fused_ltx2_rms_norm_modulate` 的差异，理解 "bit-exact 可复用、非 bit-exact 需挂载门控" 的分级策略。

AMD nightly 补 GPT-OSS 性能基准，覆盖 MI30x/MI35x

建议精读两个新增测试文件与 `generate_simple_markdown_report`：一是看如何通过复用 accuracy 的 SERVER_ARGS 保证吞吐量归因正确，二是看 warmup 首行的约定如何与报告函数联动，三是记住多步骤 job 必须清理 `GITHUB_STEP_SUMMARY` 的教训。设计上最有价值的决策是“先建数据源、后设阈值”——不要在没有历史基线时硬编阈值。后续关注点：积累几周 nightly 数据后为两个 suite 补充吞吐量门禁。

DSA decode 跳过 indexer 的 k-only 快路径，吞吐提升约 5%

值得精读。核心看点有三：一是 CUDA graph 捕获期分支冻结这一深层约束下的解决思路——不在 capture 期按运行时 seq_len 分支，而是捕获 dense/sparse 两张图并在 replay 时由 host 分发；二是 `_resolve_dsa_variant` 优先复用 host 侧 `seq_lens_cpu` 镜像、避免每步 d2h 同步的性能细节；三是硬件 gating 的取舍——明确承认 CUDA 未验证并刻意保持原行为，值得作为跨平台共享代码变更的参考样本。若团队后续要支持 CUDA DSA 模型，建议先补齐 CUDA 上 DSA 模型的 decode 验证再摘除 `is_hip()` 门控。