sgl-project/sglang

新增DFLASH推测解码算法支持，扩展SGLang推理框架的推测解码功能。

建议工程师精读此PR，重点关注dflash_worker.py的核心逻辑和集成点（如model_runner.py中的辅助隐藏状态设置），以理解DFLASH算法在SGLang中的实现方式。值得关注的设计决策包括融合内核优化、验证掩码策略处理和非因果注意力模式适配。对于技术管理者，评估是否适合生产环境，考虑兼容性限制和性能收益，并建议进行额外基准测试。

通过固定模型版本修复AMD CI中Kimi-K2.5-MXFP4测试的权重加载失败问题。

该PR不值得精读，除非您负责AMD CI维护或Kimi模型集成。它只是一个简单的临时修复，设计决策单一（固定版本）。关注点在于团队如何处理上游依赖变更和CI稳定性，以及后续PR将如何解决根本问题。

迁移废弃的/get_server_info端点至/server_info，并在所有精度测试中打印推测解码接受长度。

该PR变更简单直接，适合快速浏览以了解API迁移和测试工具改进。关注_check_accept_length函数的异常处理设计，确保非推测解码服务器不会导致测试失败。

集成kernels社区FlashAttention v3内核，提供统一接口和环境变量控制。

此PR值得精读，重点关注统一接口设计（如`flash_attention.py`中的版本分发机制）、fallback策略（`flash_attention_v3.py`中的异常处理）和缓存管理（环境变量与CI集成），这些设计决策展示了内核集成中的兼容性权衡和用户可配置性最佳实践。

优化HiSparse解码备份调度，通过异步备份减少CPU气泡，提升TPOT性能5%。

建议技术管理者和工程师精读此PR，重点关注流调度设计如何减少CPU气泡，以及review中讨论的Tensor Parallelism支持和性能优化点，以借鉴异步备份模式。

修复NPU后端MLAPO融合内核在非MLA模型下错误禁用KV缓存保存的问题。

该PR值得NPU后端开发者精读，虽然改动小但揭示了MLAPO与模型类型耦合的设计决策。关注self.use_mla属性的使用方式，以及未来是否应重构重复逻辑。

通过 Granian 支持 HTTP/2 服务器，提升高并发客户端吞吐量。

建议技术管理者和后端工程师精读此 PR，重点关注如何优雅地集成第三方 ASGI 服务器、处理多进程初始化的设计决策，以及命令行参数验证的逻辑，这些对类似基础设施改进有借鉴价值。

修复MambaRadixCache v1 (no_buffer)模式下page_size>1导致的崩溃，添加自动校正逻辑。

该PR值得快速浏览，主要关注点： 1. 理解MambaRadixCache不同模式（no_buffer vs extra_buffer）的配置约束 2. 注意gemini-code-assist[bot]提出的覆盖问题，这可能需要在后续PR中解决 3. 作为配置验证模式的一个案例，展示了如何在server_args中处理不兼容参数