sgl-project/sglang

修复Qwen图像编辑模型在非CUDA环境下的调制索引处理错误，支持NPU和SP分片。

建议工程团队精读此PR，特别是_modulate函数中的条件分支设计，展示了如何优雅处理不同硬件后端的kernel选择。关注CUDA检测、平台标识使用以及回退机制的实现细节。

放松扩散模型PR测试性能阈值，调整CI基准以减少失败率。

这是一个简单的CI配置调整，不值得深入阅读。技术管理者可以关注此次变更背后的CI策略变化，即性能控制从PR测试转向nightly-ci，工程师可了解diffusion模块测试基准的更新。

增强扩散模型overlay机制，优化首次加载性能并支持本地缓存。

建议技术管理者关注此PR的设计决策，特别是overlay机制的集成方式和代码复用策略，以评估维护成本。工程师可精读`python/sglang/utils.py`和`cli/utils.py`的改动，理解如何优化检测逻辑和避免重复代码，值得借鉴其函数重构技巧。

修复Mistral Small 4模型因配置/权重格式不匹配导致的启动失败问题。

建议工程师精读此PR，特别是_is_mistral_native_format函数的修改，了解如何检测和处理模型格式不匹配，以及重构辅助函数的设计决策。对于负责模型加载或格式处理的开发者，此变更值得关注。

修复Mamba缓存内存泄漏问题，确保调度器在添加请求失败时正确释放资源。

建议技术管理者和scheduler模块开发者精读此PR，了解Mamba缓存泄漏的根因和修复策略，以及review中关于资源管理封装的设计讨论。关注_get_new_batch_prefill_raw函数的修改点，以掌握调度器中的资源释放时机。

修复Qwen3-Next FP8模型权重加载时的属性赋值错误。

建议快速浏览以了解权重加载机制的细微调整，重点关注_override_weight_loader函数的设计，学习如何处理属性与只读属性的差异。

为AMD GPU添加Qwen3.5 MXFP4模型支持，提升推理性能。

建议技术管理者精读此PR，关注融合模块映射的设计决策和性能与准确率的权衡；工程师可学习如何处理不同量化配置的兼容性问题，以及代码重构（如移除硬件检查）的最佳实践。

更新 DeepSeek-V3.2 模型在 Ascend NPU 上的部署最佳实践文档。

建议团队工程师在部署 DeepSeek-V3.2 模型到 Ascend NPU 时参考此文档更新，关注配置参数变化；但 PR 不涉及代码逻辑，无需深度技术分析。