sgl-project/sglang

重排 environ.py 环境变量分组，清理废弃开关

值得快速浏览 diff，学习如何组织超大型 Envs 类（按功能主题分区、删除死开关）；不适合精读，因无算法和设计决策。建议合并后 grep 全仓库确认被删键无残留引用，并关注 CI 失败是否已另行处理。

Qwen3.5 B200 NVFP4 MTP 改用 tp=2+EP2 配置

值得快速阅读：它展示了如何基于外部基准在配置生成器中沉淀经过实测的部署配方，体现 MoE 场景下 TP+EP 组合优于纯 TP 的权衡。如需深入了解 MTP 与并行策略的互动，可结合 InferenceX PR#2550 阅读。

XPU MoE 权重行 stride 填充 64B 规避 L3 aliasing

值得精读。该 PR 把硬件内存系统（L3 set aliasing）分析转化成一段很小但精准的分配逻辑，展示了'不改逻辑 shape、只调 stride'的兼容性设计，并配套了设备门控与 bit-exact 数值测试。对关注 Intel XPU 性能或 MoE kernel 调优的工程师尤其有参考价值；后续在 XPU 上做其他 GEMM 算子优化时可复用相同的 padding 常量与判定函数。

新增 Muse Glimmer 模型原生支持，覆盖 CUDA 与 MLX 双后端

值得精读。重点看三处设计：一是 `muse_glimmer_mlx.py::sanitize()` 对三种 checkpoint 布局的判别与变换（offset norm 折叠、q/gate per-head interleave、位置性 norm 重命名），这是处理 vendor 私有格式的范例；二是 `MuseGlimmerDetector` 的 `preserve_channels` 机制，解决被引用的工具标记与真实工具调用的歧义，对流式解析器设计有借鉴意义；三是 `remote_code_gate.py` 在 mlx-lm 无 trust_remote_code 参数的情况下前置安全检查的思路。

新增 ZMQ 套接字上限配置，修复 PD 大规模连接失败

建议运维和 disaggregation 相关开发阅读。该 PR 揭示了一个非直觉的规模瓶颈（libzmq per-context 上限而非 OS fd 上限），并以最小改动提供可调配置。值得关注的决策：默认值取 16384（约 16 倍默认值）并留在 Envs 中统一管理；同时作者明确承认 socket 缓存无界，后续 LRU eviction 是真正的根治方向，读者可跟踪该后续工作。

修复 CUDA 13.0 下 VMM 句柄类型赋值崩溃

值得精读。虽然只有 2 个文件、55 行新增，但包含两个值得借鉴的设计：一是将「校验用的 int 归一化」与「赋给绑定的枚举类型」分离，让 `make_device_allocation_prop` 同时兼容 None、int、枚举输入与严格的旧绑定；二是用带类型检查 setter 的测试替身消除对安装版本的环境依赖，配合突变检查验证测试有效性。这类「测试与环境版本解耦」的思路在依赖快速演进的 CUDA/PyTorch 生态里特别有参考价值。

FP32 LM head 跳过 FP32 cast，H200 上约 10x 加速

值得精读，是一个小而精准的性能优化示范：利用 `torch.mm(out_dtype=...)` 避免显式 dtype cast，同时用条件分支 + 测试确保非目标平台安全回退。关注点在于：1) 测试对平台差异（CUDA vs 非 CUDA）的处理方式；2) 数值精度是否满足 `use_fp32_lm_head` 的语义承诺；3) 后续若要在其他后端启用同类优化，可复用该条件分支模式。

修复 SM120 FP8 KV 下 HiSparse 启动被 DSA 后端校验误拒

建议精读。该 PR 展示了参数解析与校验之间的协同设计，暴露了分散验证导致启动失败的典型问题。修复思路（让校验认可解析结果）简单有效，值得在类似多关卡配置校验中借鉴。另外，PR 中附带的性能对比数据为 HiSparse 在 SM120 上的价值提供了证据。