sgl-project/sglang

新增 --warmup-num-frames，对齐视频 BCG 预热与 serving 帧数

值得短读。重点关注三处设计决策：`_resolve_warmup_num_frames` 中显式覆写与 `MagicMock` 兼容的写法；`_adjust_warmup` 将帧数纳入“显式形状”推断的联动逻辑；`build_sglang_cmd` 中 preset 参数到服务参数的透传模式。这些模式对后续增加更多 warmup 形状配置有参考价值。

修复 NPU decode 分配器在空闲页池紧张时的越界 gather

值得快速阅读，理解 NPU 分配器的边界条件处理。建议后续补充针对该边界情况的单元测试，以巩固修复效果。

为负载感知路由器新增 per-scheduler 负载发布 socket

值得精读。这是为外部路由器提供真实负载数据的基础设施 PR，设计质量高：端口推导与广播单一来源、opt-in 保护升级兼容、去重心跳保证迁移及时性、golden bytes 钉跨语言契约。对计划接入 sgl-router cache_aware_zmq 或自研负载感知路由的团队，这是必读的引擎侧对接规范；对一般模型服务团队，只需确认 `--load-publish-endpoint` 默认关闭、升级无影响即可。

将配置解析器移入 utils，统一模块组织结构

不建议精读，这是一次低风险、机械的模块整理。值得注意的设计决策是采用“延迟导入”避免循环依赖，并提供了可复现的迁移验证方法，对于类似重构有参考价值。

修正 H200 BF16/FP8 低延迟配方的 verify 后端文档

该 PR 值得快速浏览，因为它揭示了文档与后端行为之间的耦合关系。建议关注 Codex 提出的高吞吐量配方未覆盖的问题，可能需要在后续 PR 中为 H200 高吞吐量配方也添加 Triton verify 标志，或修改通用投机处理逻辑以自动处理该情况。

H100 MoE 新增 TMA 配置，LingBot-Video 推理提速约 2%

值得精读。虽然只是两个 JSON 文件 + 一个测试函数，但它展示了：以真实负载 shape（5034/5049 token）为基准做内核配置调优、用 ABBA 交叉验证和 SHA256 断言保证无数值回归、以及将调优结果固化为可被测试保护的配置资产。对于要在新 Triton 版本或新硬件上做 MoE 性能调优的团队，这是很好的参考样例。

修正权重缓存驻留内存导致 KV 过度分配、启动 OOM

值得精读。重点学习两个设计决策：其一，rank-local 校正必须先于分布式 MIN，因为不同 rank 的权重驻留量不同，MIN 之后再补偿会算错；其二，用“loader 字段默认 0 + no-op 校正”替代显式 daemon 模式判断，使普通启动零开销、未来任何预驻留权重的 loader 都能复用同一钩子。此外，review 中“去掉额外本地快照与第二次 MIN，直接加回已有基线”的演进展示了如何收敛过度防御的实现。若团队后续推广此机制，建议补充 daemon 集成测试与 KV sizing 单测。

移除 XPU 开关，默认启用 sgl-kernel MoE，可参数回退

值得精读。关注三个设计决策：一是「环境变量开关 → server args 显式后端」的配置收敛模式，可复用到其他平台的类似开关清理；二是双路径并存的分支写法 `is_xpu() and not get_moe_runner_backend().is_triton()`，在保持默认高性能的同时保留逃生通道；三是参数化测试对后端优先级矩阵的覆盖方式（server 参数优先于 layer 参数），可作同类后端选择测试的参考模板。