sgl-project/sglang

为 NPU CI 测试缓存 PyTorch 依赖，加速构建。

该 PR 是常规的 CI 基础设施优化，对于负责 NPU 或 CI 维护的工程师值得快速浏览以了解依赖缓存策略；对于其他开发者，变更影响有限，无需深度阅读，但可作为基础设施改进的参考案例。

修复AMD 4-GPU CI测试脚本路径错误，确保内存清理正常执行。

此PR变更简单直接，无需精读；但对于关注CI基础设施维护的工程师，可作为修正脚本路径的示例。

修复 diffusion 夜间 CI 脚本中的导入路径错误，确保测试正常运行。

对于负责 CI 维护或 diffusion 测试的工程师，建议查看修改以了解导入路径处理模式；对于一般开发者，此 PR 变更简单，无需精读。

修复 Qwen-Image 模型与 nunchaku 量化的兼容性问题。

建议从事扩散模型或多模态生成的工程师精读此 PR，以了解 ReplicatedLinear 的集成方式和量化适配模式。特别关注 prefix 参数的设置和 forward 方法的调整，可作为量化兼容性修复的参考案例。

升级xgrammar依赖到0.1.32以获取安全修复。

建议快速审查版本变更，重点关注xgrammar 0.1.32的发布说明以了解具体安全修复内容。对于工程师，无需深入代码逻辑，但需验证相关功能（如MUSA支持）在升级后仍正常工作，并关注CI测试结果。

集成aiter的fused_topk到MoE topk函数，提升AMD GPU上softmax+topk融合性能。

该PR值得精读，尤其关注条件分支设计如何平衡性能优化和向后兼容，以及导入组织的优化模式。对于从事硬件优化、MoE开发或第三方库集成的工程师有参考价值。

为Apple Silicon Mac添加原生MLX执行后端，提升推理性能。

建议技术管理者和工程师精读此PR，重点关注MlxModelRunnerStub的设计如何避免PyTorch加载，以及tensor_bridge.py中的零拷贝张量转换实现。这些决策展示了硬件后端集成的优雅模式。

重构扩散JIT内核测试布局并收窄CI触发范围。

建议关注此PR以了解扩散JIT内核测试的组织优化和CI触发策略，特别是对于从事测试基础设施或CI配置的工程师，值得精读 `test/run_suite.py` 和CI工作流文件的变更，但整体变更较直接，可快速浏览。