sgl-project/sglang

修复 delayed negotiate 导致 prefill 挂起

值得精读。这是一个典型的“缺失上下文导致状态错误”的调度 bugfix，展示了在复杂调度组合下参数传递的重要性。关注点：negotiate_should_allow_prefill 的参数契约与调用方职责划分。建议后续为该场景补充单元测试，防止回归。

AMD MI35x 新增 MiniMax-M3 MXFP8 精度测试

此 PR 主要面向 AMD 平台维护者和 CI 配置参考，不涉及推理逻辑变更，无需精读。但测试文件中针对推理模型 chat+thinking 模式的评估方法、环境变量配置等细节值得参考。

修复 SM120 上融合 MHC 门控条件使 opt-in 生效

值得精读。本 PR 展示了如何精细控制硬件特定 kernel 的启用门控，分离独立路径与融合路径的依赖关系。测试用例设计清晰，覆盖了条件矩阵的所有分支。对于维护 DeepSeek-V4 推理性能的工程师是重要的参考案例。

允许 custom all-reduce v2 在单 NVLink clique 跨节点使用

该 PR 展示了如何基于硬件拓扑（NVLink fabric clique）做运行时决策，对通信优化场景有参考价值。值得精读其中的 `is_one_nvlink_clique` 设计模式和模板化 AllReduceParams 的性能考量。对于使用 NVL72/MNNVL 集群的团队，此 PR 意义重大。

修复 hybrid SWA 下 hicache-size 重复分配宿主内存

建议精读。此 PR 修复了一个重要的内存分配 bug，逻辑清晰，测试充分，设计简洁。值得关注的设计决策是将 `--hicache-size` 定义为总预算并按设备字节比例拆分，而非分别传递固定值，这与其他相似场景（如 ratio 模式）的设计保持一致。

使用 llguidance 原生批量掩码填充，替换逐行调用，提升语法解码性能。

值得精读，尤其是 `fill_vocab_mask_batched` 的设计模式——在基类提供默认回退、子类重写为原生批量调用，是性能优化的典型做法。对于后端开发人员，了解 `register_vocab_mask_buffer` 和 `initialize_vocab_mask_buffer` 有助于实现自己的固定缓冲区优化。测试用例 `test_batched_matches_serial` 是验证批处理正确性的好范例。

修复注意力 TP 复制正向的 token 计数定位

该 PR 值得精读，尤其是理解注意力 TP 分片/复制模式下的 token 计数定位机制。设计简洁，通过谓词模式提供扩展点，对后续支持更多注意力分发策略具有参考价值。

修复不稳定的 testing_mask 测试断言

值得合并：修复了不稳定测试，无需 runtime 变更。