sgl-project/sglang

重构 trace 模块过滤器，修复默认上下文被错误过滤

推荐阅读 trace.py 中 process_tracing_init 和 TraceReqContext.__init__ 的变更，以及 trace_wrapper.py 的简化。设计决策（模块过滤器不应在 context 初始化中依赖全局 server_args）值得借鉴。合并迅速，逻辑自洽，CV 风险低。

统一 CUDA Graph 输入缓冲区管理

推荐所有涉及 CUDA graph 性能优化或模型推理的开发者阅读。该 PR 展示了如何通过声明式注册表简化复杂的手写数据搬运逻辑，设计模式值得借鉴。特别关注未解决的 DSV4 replay 正确性问题，建议团队尽快安排后续修复或至少更新文档说明限制。对于不涉及 DSV4 的模型，重构风险较低可正常合入。

新增实时 WebUI 播放控制器，优化帧节奏与缓冲

该 PR 值得精读，特别是 `RealtimePlaybackController` 的缓冲设计和事件切换逻辑。review 中关于 transfer 策略的讨论反映了实时流媒体中常见的权衡，值得关注。建议合并前确认除零修复已包含，并考虑增加集成测试。

更新 Gemma 4 统一模型文档的安装与精度说明

建议直接合并，文档质量提升；可作为后续模型文档的模板。

修复 MLX 后端 canary_manager 缺失与 overlap 循环输入缺失

建议精读以理解 MLX 后端与主调度器的交互细节。重点关注 scheduler.py 中 FutureMap 初始化顺序的调整，以及 resolve_forward_inputs 在 overlap 循环中的正确插入点。测试代码展示了如何为硬件后端驱动调度循环的单元测试模式。

支持 Gemma4 Unified 编码器自由多模态模型

值得精读，特别是研究如何在不重构核心架构的前提下，通过继承和轻量投影支持新多模态模型的设计模式。MTP 投机解码的集成方式也值得参考。建议在合并后关注 CI 结果，并补充性能基准测试。

修复 HiCache 降级分配时 prefetch 键截断错误

值得精读，因其展示了退化路径中细微但关键的 Bug 修复模式。鼓励为此分支编写单元测试。

批量 CUDA A2A 通信优化扩散模型推理

建议在合并后尽快进行多 GPU 扩散模型的集成测试，验证正确性和性能收益。该 PR 的设计决策（合并通信与共享 stream）值得后续类似优化参考，但风险较低，可部署。