sgl-project/sglang

新增 fused QK RMSNorm + RoPE JIT 内核，优化扩散模型性能。

该 PR 值得精读，特别是关注 CUDA kernel 的 warp-level 优化设计（如向量化加载、warp 内计算）、融合策略如何平衡性能与兼容性，以及共享运行时 helper 的模块化实现，对高性能计算和扩散模型优化有借鉴价值。

优化 JIT 内核 qknorm_across_heads 以减少寄存器压力和共享内存使用，提升性能。

建议工程师精读此 PR，重点关注 CUDA 内核中通过 grid 维度拆分工作以减少状态的设计决策，以及如何通过提前加载权重优化内存访问。对于性能优化和 JIT 内核开发有参考价值。

将downcast_fp8内核从AOT迁移到JIT，优化向量化和线程块提升性能。

建议工程师精读此PR，重点关注cast.cuh中的向量化优化和线程块设计，以及type.cuh中的类型系统重构，以学习GPU内核性能优化技巧和跨平台兼容性处理方法。此外，review讨论展示了良好的代码审查文化，值得借鉴。

将 fused_qknorm_rope 内核从 AOT 迁移到 JIT 系统，实现无缝替换并优化性能。

建议技术管理者和工程师精读本 PR，特别关注内核模板化设计、性能调优技巧（如使用 AlignedVector 和 --use_fast_math）以及应用层回退逻辑的实现，这些对后续 JIT 内核开发有借鉴价值。

修复 NVIDIA Nemotron 3 Super NVFP4 模型 CI 测试超时，将估计时间从 300 秒增加至 600 秒。

该 PR 变更简单，无需精读，可作为 CI 维护的参考。关注点：测试超时调整的合理性，建议后续监控测试执行时间以调查根本原因，确保不是性能回归。

删除 DeepSeek V3 FP4 冗余 PCG 测试，优化 CI 执行时间。

该 PR 变更简单直接，值得快速浏览以了解测试清理和 CI 优化实践，无需深入精读。

更新 mooncake 依赖至 0.3.10，并在 CI 中重新启用 mooncake 端点测试。

该 PR 变更简单，建议快速浏览以确认依赖更新和测试调整。对于工程师，可以关注 mooncake 版本的变更日志以了解具体改进。对于管理者，这反映了对测试稳定性的信心提升，无需深入代码细节。

重构扩散模型量化权重加载钩子到专用文件，提升代码模块化。

该 PR 值得精读，关注 TransformerQuantLoadSpec 类的设计，以及如何使用适配器模式分离不同量化格式的加载逻辑。对于从事量化或扩散模型开发的工程师，此重构展示了良好的代码组织实践，有助于学习如何清理复杂加载路径。