sgl-project/sglang

cookbook 新增 Kimi-K2.7-Code MXFP4 部署指南与命令生成器

值得精读 jsx 中 getDynamicItems 与 condition 的联动写法，以及“文档命令与实测运行对齐”的迭代过程；有 MI350X/MI355X 部署需求者可直接采用页面命令。整体为常规文档 PR，不必深入代码审查。

HIP 使能 DSA draft_extend CUDA graph 捕获

值得精读，尤其是 CUDA graph 捕获的允许列表设计。这是一个小幅但影响明确的性能优化，展示了如何通过后端隔离和本地导入实现跨平台支持。建议关注后续对 DSA HIP 的测试覆盖和长期稳定性。

GLM-Image 输出按请求尺寸中心裁剪，D32 对齐后复原

值得精读。核心价值在于两点：一是 `dataclasses.replace()` 与 `init=False` 字段的坑及其修复方式；二是以专用 `DecodingStage` 子类承载模型特有后处理的模式，对 diffusion 子系统后续扩展有参考意义。建议 diffusion 管线与 pipeline 架构相关工程师阅读 `glm_image.py` 和 `diffusion_generator.py` 的改动。

Kimi-K3 支持 MoRI EP 后端，AITER 路径提前返回

值得精读。这个 PR 是理解 SGLang MoE 后端扩展模式的很好样例：kimi_k3.py 的 `_ep_a2a` / `_sp_moe` 谓词展示了 backend 能力抽象如何决定模型的执行布局，mxfp4.py 的 `_apply_aiter()` 提取则体现了“按 dispatch 格式契约在统一入口分流”的设计。建议阅读时重点看 `DispatchOutputChecker.format_is_deepep()` 与 `use_deep_gemm` 分支的对称关系，并留意后续是否有针对 MoRI 的专项测试补充。

修复 AMD allreduce 融合测试桩缺失 moe 并行字段

值得快速浏览。该 PR 展示了当生产代码新增字段读取时，测试桩需要同步更新的典型场景，提醒关注测试环境与生产环境的并行上下文一致性。

支持自动加载 Comfy NVFP4-AWQ 文本编码器

值得精读，尤其是想理解“保留量化存储、按需反量化”这一设计权衡的读者。建议关注三个点：一是 `inspect_comfy_quant_markers` 如何用逐层 marker 验证替代显式量化参数；二是 `ComfyFullPrecisionNvfp4LinearMethod` 故意跳过 `process_weights_after_loading` 以保持可移植性的取舍；三是文档明确不承诺 FP4 加速的诚实表述方式。对扩展其他 Comfy 量化格式的开发者，本 PR 的标记解析与分派模式可以直接借鉴。

修复 MegaMoE pre-dispatch 缩放行步长填充问题

该 PR 值得精读，特别是内核地址计算和校验逻辑，展示了处理外部库非连续布局的通用方案。建议关注后续 DeepGEMM 是否暴露物理步长，以及是否可简化。

NPU 上 DSV4 稀疏注意力适配新算子，metadata 移至 host 计算

值得精读：host 侧 metadata 计算与 CUDA graph 捕获/回放下 CPU 镜像的构建策略是核心设计决策，对理解多硬件（NPU/XPU/AMD）后端适配很有价值；randgun 对简化条件的坚持与 vstone-w 对算子的澄清也值得留意。建议阅读时重点关注 CPU 镜像一致性与 sgl-kernel-npu 版本绑定，若要在生产环境启用，建议先补一次 PR 前后性能对比。