sgl-project/sglang

修复两个过期 CPU 测试夹具，字段对齐新配置

不值得精读，但值得作为「跨 PR fixture 漂移」案例被记录：它和 #33254 一起展示了当多个功能 PR 并行演进配置结构时，手写测试桩需要及时同步。若后续有梳理测试基建的计划，可考虑把这类 `SimpleNamespace` 桩替换为真实配置工厂方法，从根上避免同类 CI 失败。

新增 MiniMax-H3 原生音视频生成管线与部署支持

值得精读。该 PR 展示了大型多模态生成模型在 SGLang 中落地的完整工程范式，尤其是 `video_adapter.py` 的 fail-closed 请求校验、`packed_sequence.py` 的布局构造、`denoise_loop.py` 的静态分支预计算与避免热点循环 gather/scatter 的优化思路，以及 VAE 的 tiling/blend 机制，都是高质量的设计参考。建议重点阅读 `minimax_h3.py`、`klvae.py`、`denoise_loop.py` 与 `material_io.py`。

测试桩补全字段，修复 base-a-test-cpu CI 失败

## 建议 - 值得快速浏览即可，不必精读；核心价值在于理解测试桩与真实配置对象的字段同步问题。 - 值得关注的设计点：`ResolvedView.__getattr__` 的隐式转发会让桩缺失字段在运行时才暴露；更健壮的做法是让桩直接基于 `ServerArgs` 的字段集生成默认值，或在测试中引入字段覆盖检查，避免手工维护。 - 若后续 `_mla_backend_page_constraints` 继续演进，建议在同一 PR 中同步更新该测试桩。

基准数据集采样支持 --seed 确定性，新增图像前缀缓存复用测试

值得精读：可学习如何用“排序 + RNG 重置”让基于全局随机状态的采样在跨 tokenizer 版本时保持确定性，以及如何通过端到端贪心请求校验图片前缀缓存正确性。断言修复的 caution 说明体现了对隐性坏味道的复盘，建议关注后续 VLM 套件的失败信号。

回滚 #33026 TCP 层 TTFT 修复，恢复旧 socket 绑定

值得快速了解回滚背景，若依赖 rust-server 性能，请关注后续重新修复的 PR。不必精读源码。

测试夹具改优雅关闭，消除 GPU 残留误报

值得精读。这是一个罕见的"机制导向"CI 修复案例：作者没有止步于表面修好，而是用定量 A/B 证伪自己的初次结论，最终给出"减少 38% 但不消除"的诚实评估。对维护大型 GPU 测试集群的团队，terminate_and_kill_process_tree 加静态反汇编扫描的方法论可借鉴；同时它揭示了 SIGKILL 关停 CUDA 服务器时 pinned host 内存回收的耗时机制，对理解测试隔离设计有参考价值。

NPU 多模态注意力默认选 ascend_attn，图执行同步生效

值得精读。该 PR 是理解 SGLang 多模态后端选择机制的良好示例：它展现了“单一解析点 + 结果传播”如何避免组件间重新读取原始配置的脆弱性，并演示了硬件优化实现必须与安全默认（mask 回退）配套的设计权衡。关注 NPU 或多模态推理的工程师建议仔细阅读 vision.py 中 backend 解析与 `VisionAscendAttention` 的 mask 回退逻辑。

新增 return_hidden_states="last"，仅返回末 token 向量以降低载荷

值得精读，是 hidden-states 服务化能力的关键演进。重点关注三处设计决策：(1) 固定 server 级 capture ceiling 取代按需重捕获，避免图重建抖动；(2) radix cache 语义对 prefill 切片偏移步长的约束（`extend_input_len_per_req` 而非 `len(origin_input_ids)`）；(3) EAGLE `tc_piecewise` 与 FP4/TRTLLM-MoE 死图前科（#28870）对 skip guard 的要求。测试文件 `test_batch_result_processor_hidden_states.py` 与 `test_hidden_state_graph_recapture.py` 是理解边界条件的最佳入口。