sgl-project/sglang

修复 Triton 后端 PP 下 v_head_dim 越界崩溃，解除 XPU 生产阻断

值得精读。这个 PR 虽小，但揭示了两个重要设计约束：一是 PP 下所有「以 layer 0 为锚点」的初始化逻辑都应改为 start_layer 锚定；二是注意力内核的维度必须来自 buffer 实际布局而非 model config（MLA 的 kv_lora_rank 与 head_dim 不一致）。建议后续补一个 PP + Triton 后端的单测，并排查仓库内是否存在其他写死 0 的同类查询。

/health 门控 warmup，新增 /liveness 区分存活与就绪

值得精读。该 PR 展示了一个经典的微服务健康检查语义拆解案例（liveness vs readiness），并解决了由端点语义混用导致的启动死锁问题。关注点：/health 门控的实现方式、内部探测为何必须切换 /liveness、以及文档中对 warmup-mode 行为差异的说明。

新增 LoRA 支持的 30B MoE 文生视频模型，复用 fused_experts

值得精读。核心设计决策：1）直接复用 srt `fused_experts` 而非在 diffusion 侧自研 MoE GEMM，注意 `gate_up_interleaved`/`inplace`/`routed_scaling_factor` 三个对齐上游语义的关键开关；2）fp32 敏感模块清单 `LINGBOT_VIDEO_FP32_MODULES` 与 `should_keep_in_fp32` 的精度管理方式；3）热路径优化教训——权重打包一次加载、RoPE 设备端一次构建、B>1 合并为单次 batched attention；4）srt TP group 桥接的权宜设计及其后续框架级替代方向。阅读顺序建议：先看 `runtime/layers/moe.py`，再看 `lingbot_video_moe.py` 的 attention 与 position ids，最后看 pipeline 组装。

Ring 准入改为后端能力自声明，去掉两处白名单

值得精读。改动虽小，但把“能力自声明优于调用点白名单”的模式再次落地（与 #33707 一致），并演示了如何用单元测试锁住类级能力与字符串级配置的一致性。对要新增 diffusion 注意力后端、或想理解 USPAttention gate 演进路径的同学有直接参考价值；同时也提示接入新后端时务必同步覆写 `supports_ring_rotation()` 并补一致性测试。

Qwen masked 注意力元数据改 host 侧构建,消除每步 GPU 同步

值得精读。改动仅 57 行,但展示了两个有价值的工程决策:一是复用已有信息(txt_seq_lens)消除不可避免的 GPU 同步,二是从被否定的较大方案(#31852)中剥离出独立成立的小改进并单独合入。实现层面建议关注 `build_varlen_mask_meta_from_ranges` 的契约与分支条件完备性,未来可补充基准数据验证收益量级。

SWA chunk-cap hatch 测试迁入 CI 注册套件

这是一个纯测试迁移 PR，代码量小、逻辑清晰，适合快速浏览。值得关注的点是：`_swa_req_never_fits` 门卫的语义（什么条件下才允许走 `_swa_chunk_cap` hatch）以及用真实 `PrefillAdder` fixture 替代手工拼接的测试改进方式。不建议深度精读，但可将其作为 SWA 调度测试组织的参考。

Ascend 文档升级至 v0.5.16，GLM-5.2 切换稳定镜像

无需精读源码逻辑，但值得浏览 glm_5_2.mdx 的镜像切换和 qwen3_6_35b_a3b.mdx 中移除 NEXTN 失败警示的文案，体会版本发布后文档同步的流程。若你维护 Ascend 相关部署脚本，需要注意镜像标签命名约定已从 v<SGLang>-cann<CANN> 变为 cann<CANN>-v<SGLang>。

Z-Image qk-norm 融合 Triton 内核，e2e 提速 6.4%

建议精读。核心看点：(1) 如何用 Triton 逐位复刻 aten 归约顺序（vec8 lane 串行累加 + shfl-down butterfly）并做到 `torch.equal`；(2) 融合过程中吸收 `.contiguous()` 物化的设计，把 q/k 拷贝开销消掉；(3) 运行时自检从引入到移除的权衡——先以进程级安全网验证可行性，再收敛为单元测试契约。维护时重点关注 bit-exact 契约对 aten 实现细节的依赖程度，以及测试用例是否足以在 aten 变更时及时暴露回归。