sgl-project/sglang

修复 DP-aware PD 路由的调度和 URL 问题

建议工程师精读该 PR，尤其是 `prepare_worker_request` 和 `inject_prefill_dp_rank_for_decode` 的设计，它展示了如何在不破坏现有非 DP 模式的前提下，优雅扩展 DP 感知逻辑。同时，`parse_bootstrap_host_from_url` 的防御式编程（fallback 为 localhost）值得学习。

将 SamplingParams 转换为 msgspec Struct 以支持 msgpack 序列化

值得精读。重点关注：1) msgspec.Struct 的继承设计和 __post_init__ 的使用方式；2) is_normalized 标志如何回避 msgpack 反序列化中的重复处理；3) 通过 omit_defaults 和清除别名实现紧凑序列化的技巧。建议在合并后密切关注运行中的行为是否符合预期，特别是 top_k 默认值的变化。

为GLM5引入BCG支持并优化prefill性能

强烈建议精读。本 PR 展示了如何在推理框架中平衡 eager 与 CUDA 图执行，是 CUDA 图后端演进的关键步骤。特别关注 `MlaBmmFusionPlan` 和 `mla_bmm_then_unified_attention` 的设计，以及在 split op 中灵活切换 eager 与图的策略。讨论中的设计取舍值得团队参考。

修复 GLM-4.6 在 B200 上的 CI 失败

建议快速合入。这是一个针对硬件特定配置的精准修复，改动量小且经过验证。

优化 draft extend 的 select_index 计算

该 PR 极小且安全，建议直接合并。虽无测试覆盖，但由于逻辑等价且改动简单，风险可控。对于追求极致性能的工程师，可关注此类微优化；对于一般开发者，可快速略过。

修复 Nemotron3-Ultra MTP 参数与 NVIDIA 参考对齐

该 PR 较为简单，如果关注 Nemotron3-Ultra 模型部署，可以精读此文档。主要为保持与其他框架的参数一致性。

添加 DeepSeek-V4-Flash 演示 notebook

该 PR 适合作为入门参考，尤其是需要快速体验 DeepSeek-V4-Flash 长上下文能力的用户。但技术人员若关注推理引擎深度优化，可跳过此 PR。

统一 ProfileReqInput 为 ProfileReq 并清理接口

推荐阅读 `io_struct.py` 和 `common.py` 中的重构模式。核心设计决策包括：① 将 `ProfileReqType` 枚举作为 `ProfileReq` 的成员，避免外部重复定义；② 通过 `normalize_serialized_named_tensor_payloads` 统一多来源tensor数据的格式，可以作为一种数据清洗模式在其他场景复用。