sgl-project/sglang

CPU CI 阶段改用实测分区模型动态扩容

值得 CI/基础设施维护者精读，核心看三点：一是把步骤 `timeout-minutes` 作为分区驱动信号而非硬性上限的“预算反馈”设计；二是 `_INLINE_SUITE_JOBS` 的硬失败策略，用显式错误替代静默降级；三是 CPU（托管、弹性）与 GPU（自托管、稀缺）在 `max_parallel` 节流上的差异化处理。若团队后续继续推进“实时分区模型”这条线，本 PR 的字段规范与读取逻辑是很好的参照。

修复 MiniMax-H3 页面质量表表头重叠

该 PR 属于琐碎文档修复，不值得精读，但可快速浏览了解处理 Mintlify 主题 `nowrap` 溢出的技巧：显式 `<br />` 配合保留空格以维持 `textContent` 不变，是一个可复用的小设计决策。

补齐 DeepGEMM 标准 MoE 调度，新增紧凑布局与 UE8M0 重量化

值得重点关注的设计点：masked/compact 布局启发式与 CUDA Graph 静态 buffer 的权衡、padding 行用 expert index -1 跳过无效数据的技巧、以及 UE8M0 直接量化激活以避免 2x 误差的精度处理。建议性能团队以本 PR 为基线，针对 compact 布局的 block_e 对齐与 masked/compact 交叉点做专项调优；合并者已批准，注意跟进 EP 路径 kernel 参数变更对其他调用点的影响。

空字符串语法约束归一化为 None，修复 UnboundLocalError 崩溃

值得快速阅读。PR 很小但展示了两个值得借鉴的点：一是把“空值归一化”放在数据类构造入口，而不是散落到下游判断；二是选择链的分支条件必须与入口条件严格一致，避免 falsy 值与 is not None 之间的缝隙。可作为 API 参数边界处理的范例。

更新 diffusion skills，新增 MiniMax-H3 T2VA 基准 preset

值得精读的文件为 `bench_diffusion_denoise.py` 的 `force_eager` 与 `artifact_dir` 设计，以及 `existing-fast-paths.md` 对 H3 数值契约的约束记录；其余为文档知识固化，可 skim。建议后续为该 preset 增加轻量单测或 CI 断言，避免文档与实际命令漂移。

ReplaySSM 环写融合进 GDN MTP verify 内核

值得精读，重点学习三处设计：一是条件分支的启用策略（backend x dtype x draft 长度三重条件），它限定了新 kernel 只作用于已验证的部署形态；二是 mixed-numerics 验证锚点设计——当两个 kernel 无法 bitwise 对齐时，改为让 Triton fold 消费新 kernel 写的 ring 并与其自身 committed state 对比，既验证了 ring 通道忠实性又避免了跨实现数值争议；三是 ring 作为纯旁路通道的契约（cache_ring 不影响输出，bitwise 断言保障）。阅读时可对照 test_gdn_cutedsl_ring_verify.py 的三条锚点与 gdn_backend.py 的分支逻辑，理解 spec decode 折叠机制对 kernel 侧通道的要求。

清除最后进程级配置读取，迁移至命名空间访问器

值得精读。核心看点是两层：一是 AST 静态扫描作为架构护栏的做法——把"进程级配置读取只准减少"编译进 CI，用双向断言（多了报违例、少了逼降基线）驱动渐进迁移；二是"什么该留守全局"的判别框架（派生 API、config-intent 读取、无进程组上下文），对理解 `ServerArgs` 与命名空间访问器的边界很有帮助。另需关注作者自述的验证缺口：model / attention 路径的翻转读取依赖 GPU CI，合入后应留意 speculative 与 model 套件结果。

FPM 端点写入迁移至配置 bags，消除 ServerArgs 消息总线

值得快速阅读，特别关注 `_init_fpm()` 中把 `ServerArgs` 从消息总线降级为纯配置持有者的写法，以及测试如何用真实 `override_server_args` 发布配置来覆盖生产路径。这是理解 sglang 配置治理（bags、runtime_context、writer ratchet）演进的好范例，但本身改动很小，不需要精读。