sgl-project/sglang

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。

针对 AMD GPU 的 RoPE 与 KV 缓存融合性能优化。

建议精读此 PR，关注融合 Triton 内核的设计决策、避免双重应用 RoPE 的条件逻辑（如 `enable_fused_set_kv_buffer` 检查），以及 HIP 路径集成方式，这些对于理解性能优化和硬件特定支持有重要参考价值。

为Intel AMX实现MXFP4 GEMM内核，以支持GPT OSS系列模型推理。

建议技术管理者精读gemm_fp8.cpp中的AVX512实现和vec.h中的MXFP4转换逻辑，以了解低级优化技巧。工程师可关注tinygemm接口设计，评估其复用价值。

为 Qwen3-VL 和 Qwen3-Omni 添加 CPU 旋转位置嵌入核函数以优化性能。

建议精读此 PR，特别是核函数实现中的向量化技巧和并行化策略，对于优化 CPU 推理性能有借鉴价值。关注 `rope.cpp` 中的算法设计和 `utils.py` 中的条件调度逻辑。