sgl-project/sglang

修复多模态嵌入请求缺失字段崩溃

该 PR 改动极小但修复了所有多模态 embedding 请求的完全故障，建议尽快合入。值得关注的点在于：公共调用点对请求类型的假设如何导致回归，以及测试注册平台差异对回归拦截时效的影响。建议后续考虑将覆盖用例加入 NVIDIA PR CI，或在类型设计上为 EmbeddingReqInput 提供一致接口。

滑动窗口跟踪 prefill 批大小高水位，修复 TPOT 劣化

该 PR 值得精读，尤其是 `RecentPrefillBatchSizeTracker` 和 `_estimate_attempted_prefill_bs` 的设计：用滑动窗口替代指数衰减来老化高水位，并在无法获得真实批大小时用保守上界估计，是一种可复用的调度状态维护模式。建议关注 `max_prefill_bs` 类型变化对下游判断的影响，以及窗口大小在不同负载下的调参经验。

DSpark 在 DP attention 下支持 MegaMoE 后端

值得精读，但重点不在代码量，而在于它展示了一个典型的「先论证 lockstep 前提、再放开参数限制」的工程范式：用 `_fill_dp_moe_sync_metadata` 的 all-gather 与 `run_idle_participation` 的参与机制证明 EP 下每 rank MoE 调用次数一致，再以 `SGLANG_RAGGED_VERIFY_MODE=static` 兜底图 tier 一致性。PR body 附带的正确性/性能双验证也值得作为后续同类 gate 变更的参考模板。

为 Qwen3.5 纯文本包装类补齐 DFLASH 钩子，修复启动崩溃

值得快速阅读（约 10 行改动），不适合精读。对维护 DSPARK/DFLASH 与 Qwen3.5 适配的工程师尤其有用：它展示了“包装类必须透传 aux-hidden capture 契约”这一模式。建议后续补充一个单元测试，断言 wrapper 存在 `set_dflash_layers_to_capture` 且将调用委托给 body 类，防止同类契约回归。

json_schema.strict 强制要求 JSON 布尔值

值得精读：这是一个小而精准的类型边界修复，展示了如何用 pydantic StrictBool 收紧 API 合同，并配套了正反例测试。

裁剪 Qwen3.5 FP8 GB300 性能批次，缩短夜间 CI 耗时

值得快速浏览，不需要精读。如果团队在维护 Blackwell/GB300 性能回归，可以借鉴按变体裁剪 batch size、抽取公共 accuracy_params、循环内捕获 AssertionError 并聚合并最终统一抛出的模式；但本 PR 本身只是测试编排小改动，且真实环境验证未通过，合入前应确认重跑失败的具体原因。

规避 xgrammar 0.2.1 负整数下限编译错误，修复 Kimi-K3 工具调用

值得精读，可作为处理第三方依赖转换缺陷的典型 workaround 案例。关注点：零拆分的 anyOf 策略如何保持语义等价；exclusiveMinimum 的边界转换；以及 CI 中真实 xgrammar 编译测试的写法。

支持 top-p-only 采样掩码并新增 chat 接口暴露

值得精读。它展示了如何以最小改动（3 处源码 + 3 处测试）扩展一个既有原语的请求面，并通过拆分后续 PR 控制性能风险。关注 `sampling_mask_max_top_k` 对批处理的影响，以及 #34037 的后续落地。