sgl-project/sglang

修复 Qwen3-VL MoE 模型在启用流水线并行时因加载非本地层权重而崩溃的问题。

该 PR 值得精读，特别是对于从事多模态模型或流水线并行开发的工程师。关注点包括：1) 权重加载中如何优雅处理流水线并行的层分布；2) 视觉语言模型中语言模型与视觉编码器权重的区分逻辑；3) 与非 MoE 版本（qwen3_vl.py）和纯语言 MoE 版本（qwen3_moe.py）的一致性设计。

为 NVFP4 量化模型引入 Marlin fallback 支持，使非 Blackwell GPU（SM75+）能运行 FP4 模型。

建议精读 `marlin_utils_fp4.py` 和内核修复部分，关注设计决策如自动 GPU 检测和条件隔离。注意 review 中提到的测试覆盖率和 PCG 问题，未来可能需补充数值验证和 tracing 支持。

修复函数调用 JSON 模式中 maxItems=1 限制导致的模型停滞问题。

该 PR 值得精读，特别是设计决策如何通过 parallel_tool_calls 参数平衡灵活性与控制，以及 JSON 模式生成的修改方式，展示了 API 兼容性与功能修复的结合。

为MOVA扩散模型添加NPU硬件支持，优化RoPE和内存格式兼容性。

建议涉及NPU开发或Diffusion模型的工程师精读此PR，关注平台检测设计（如current_platform.is_npu）、RoPE优化策略（torch_npu.npu_rotary_mul集成）以及如何处理硬件不兼容性（如channels_last_3d和complex128临时修复）。这些设计决策值得学习，以应对类似跨平台支持场景。

为扩散模型CI中的Slack上传添加超时设置，防止网络问题导致CI卡死。

该PR实现简单直接，适合快速浏览了解CI稳定性改进。值得关注的是超时值的选取逻辑（30秒用于下载，60秒用于API调用）以及这种配置如何平衡可靠性与响应速度。

跳过损坏的AutoModel映射条目以修复Llava多模态模型加载失败。

建议工程师精读此PR，特别关注异常处理的设计权衡（如限制workaround范围）和测试策略（避免脆弱实现）。对于处理外部依赖损坏条目的类似问题，可借鉴此处的条件捕获和日志记录模式。

清理CI测试套件中过时的Ascend NPU条目，修复XPU CI检查失败。

该PR变更简单直接，适合快速浏览以了解CI套件清理模式。值得关注的是如何通过__not_in_ci__处理遗留文件，以及sanity check机制对文件存在性的依赖。

添加基于Transformers的通用建模后端，支持TP、PP、MoE、多模态和torch.compile，扩展SGLang模型兼容性。

建议工程师精读此PR以理解Mixin架构设计和模型加载的通用化方法；重点关注TransformersBase的模块替换逻辑、AutoWeightsLoader的权重分发机制以及多模态处理器的自适应策略；同时注意review中提出的风险点，如测试覆盖和错误处理，在类似开发中加以改进。