sgl-project/sglang

临时跳过SM103 GPU上的TRTLLM attention以避免高并发挂起，改用FA4后端。

该PR值得精读，特别是关注硬件特定问题的处理方式，以及attention后端选择逻辑的设计权衡，如精确检测与范围检测的对比。

修复XGrammar后端reset方法未调用父类缓存清理的问题。

该PR变更简单直接，值得快速浏览以理解语法缓存清理的继承关系。关注点：XGrammarGrammarBackend如何集成到语法后端体系，以及reset方法在缓存管理中的作用。

将sglang-kernel依赖版本从0.4.0升级至0.4.1，确保版本一致性。

此PR变更简单直接，无需深入精读。建议关注点： 1. 了解sglang-kernel 0.4.1的具体变更内容（可能在其他PR或changelog中）。 2. 确认CI测试通过，验证新版本内核的兼容性。 3. 作为依赖管理模式的参考，展示了如何通过多文件同步保持版本一致性。

懒加载FlashAttention内核导入，避免FA4依赖未安装时的导入错误。

对于关注内核优化、依赖管理或代码设计的工程师，值得精读。设计决策体现了懒加载模式的应用，展示了如何优化模块导入策略以提升兼容性。

回滚NVFP4 Marlin降级支持，仅限Blackwell GPU使用FP4量化。

建议技术管理者关注此变更对硬件支持策略的影响，工程师可精读Marlin内核模板修改以理解FP4量化实现细节，但回滚本身设计决策较少，重点在于风险缓解。

修复DP注意力工作进程端口绑定，支持IPv6网络环境。

该PR值得精读，特别是对于处理分布式网络通信和IPv6迁移的工程师。关注get_zmq_socket_on_host的IPv6检测逻辑，以及dist_init_addr解析的健壮性设计。

限制HiSparse功能仅适用于DSA模型，添加服务器参数检查断言。

该PR变更简单直接，适合快速浏览以了解HiSparse的功能限制。对于深入理解HiSparse实现或DSA模型特性的工程师，可关注is_deepseek_nsa函数的定义和模型配置结构。无需精读，除非负责相关模块维护。

修复扩散模型门控仓库在 CLI 生成命令中的检测失败问题。

该 PR 代码简洁但展示了优雅的错误恢复和模块化设计，值得 CLI 和扩散模型开发人员参考，特别是如何处理网络依赖和门控仓库检测的场景。建议关注 _is_gated_diffusion_repo 的实现细节和异常处理策略。