sgl-project/sglang

NPU 扩散模型接入 fast layernorm 并修复 BSA

建议 NPU 平台维护者精读 layernorm.py 的改造：CustomOp 注册、__init__ 内动态探测依赖、forward_* 设备拆分是清晰的适配范式，值得作为后续 NPU kernel 接入的模板。同时注意 BSA 算子切换需与 sgl-kernel-npu 版本对齐，并建议补充一个 forward_npu 与 forward_native 的一致性单测及 fallback 路径测试。

GLM-Image 响应新增 token usage 报告

该 PR 值得精读，尤其适合关注以下设计决策：usage 在 AR/DiT 分离部署下的提取、聚合与按输出拆分机制；内部字段（cached_tokens）与公开字段（prompt_tokens_details）的边界处理；`--enable-cache-report` 与 LLM 侧同名参数的语义对齐方式。阅读时建议重点核对 `glm_image.py` 的返回类型变化和 `gpu_worker.py` 的合并语义，并留意合入前文档要求未落实、GPU CI 未验证两个遗留问题。

移除 AMD ROCm nightly K3 MI35X 镜像发布 job

此 PR 是纯删除式 CI 清理，逻辑直白，不值得精读；但可作为了解 AMD nightly 发布策略演进的参考。值得关注的点是：发布流程裁剪时应确认是否仍有外部用户依赖 nightly 镜像。

修复未分片 HF 权重未被识别导致的 Mistral 加载崩溃

值得精读。改动虽小（1 文件 9 行），但位于权重加载格式自动检测的核心决策点，修复了 Mistral 双子模型开箱即崩的问题。值得关注的设计点：一是 AUTO 加载路径与 filter_duplicate_safetensors_files 去重配合，实现检测翻转后自动选择正确权重文件；二是 HF-API 分支用根目录限定避免子目录误判，保持与本地 glob 语义一致。若团队后续维护 Mistral 系新模型，建议为该检测逻辑补充单元测试，避免回归。

CI 按版本门控跳过 sglang-kernel 与 sgl-deep-gemm 重装

值得精读，特别是 installed_wheel_ok 把版本、来源、文件完整性三重校验打包为单个 shell 函数的做法，对 CI 中“跳过重装但保持可信”这类问题有通用参考价值。关注点：版本串拼接依赖 PEP 440 local version 约定，RECORD 校验只能覆盖文件缺失，内容损坏仍需依赖重建缓存策略。

修复 min-free-slots 显式阈值被封顶，非 DFlash 可调

值得精读：它演示了一个小型调度器准入参数如何在“用户显式配置 vs 自动启发式”之间做优先级设计，并伴随 PP 约束收紧。重点看 `resolve_min_free_slots` 的新分支顺序和 `server_args` 的启动校验，以及测试如何覆盖边界（8 以下集群、max_running 上限、1 禁用）。

CPU 单测迁至 CPU 池并压缩 5090 队列

值得 CI 维护者和测试贡献者精读。重点关注三处：一是注册级 disabled= 取代 pytestmark.skip 的分片治理思路；二是 run_bench_serving_multi 让多个 benchmark 共享 server 的聚合测试模式；三是“CUDA 屏蔽后跑通 + 保留一个设备路径注册（如 AMD）”的 CPU-only 判定模板。该 PR 不涉及产品逻辑，对业务研发可略读。

移除 cu129 DeepGEMM 回归测试，统一 cu130 覆盖

该 PR 适合关心 CI 成本与发布质量权衡的读者快速阅读，不值得深入精读。值得关注的设计决策是“用单一 cu130 矩阵统一回归覆盖”的假设是否成立，建议后续观察 cu129 wheel 是否有回归漏报。