sgl-project/sglang

修复 GLM-5 系列模型在 HiCache 下低概率输出乱码问题，确保 NSA 索引读取与缓存加载同步。

该 PR 值得精读，因为它揭示了 HiCache 与 NSA 模型交互时一个微妙但关键的同步问题。关注点在于如何通过统一的 `layer_transfer_counter` 机制来协调异步缓存加载与数据访问，这是分布式缓存系统中常见的并发控制模式。

拆分 Qwen3.5 FP4 模型测试文件并增加 CI 分区，避免超时失败。

该 PR 是基础设施优化，值得技术管理者关注 CI 配置变更以调整测试策略；工程师可参考测试分割策略，在类似场景下优化测试套件执行时间。

分离GPU测试用例并新增NPU专用测试运行器，修复NPU CI因下载GPU模型而失败的问题。

建议团队在合并前验证CI自动分区功能是否受影响，并检查所有导入路径是否已正确更新。对于学习价值，此PR展示了如何通过分离平台特定逻辑来优化CI流程，适合关注测试架构和跨平台兼容性的工程师参考。

修复 Ascend NPU 环境检查工具在 CANN 8.5 下的 BiSheng 编译器路径问题。

该 PR 变更集中且逻辑清晰，适合快速浏览以了解 NPU 环境检查的兼容性处理模式。值得关注的设计决策是采用硬编码路径加回退机制而非动态查找，这体现了在确定性与灵活性之间的权衡，对于类似环境检测场景有参考价值。

重构 LTX-2 扩散管道，将图像编码逻辑从去噪阶段提取为独立阶段。

该 PR 值得精读，以了解扩散管道重构的设计模式。重点关注 `LTX2ImageEncodingStage` 的设备管理机制和输入处理逻辑，以及如何与 SP 分片协同。同时，注意 review 中提到的输入验证问题，可作为未来改进点。

新增 Petit MXFP4 量化方案，支持 AMD CDNA2/CDNA3 GPU 运行 FP4 量化模型。

建议精读以了解量化管道集成设计，重点关注 `petit_mxfp4.py` 中的配置类实现和 `petit_utils.py` 中的兼容性检查逻辑，这些体现了 AMD 平台扩展和第三方内核集成的权衡。

修复 OpenAI 流端点中优雅中止时 status_code=None 导致的 AttributeError 崩溃。

此 PR 值得精读，特别是对于处理流端点和错误处理的开发者。关注如何使用 isinstance 检查来区分优雅中止和系统错误，以及注释中解释的设计决策。这有助于理解 SGLang 中请求生命周期的处理方式。

优化推测解码V2模式下KV缓存页需求估算，提升内存分配准确性。

该PR值得精读，特别是`_new_tokens_required_next_decode_spec_v2`方法的设计，它展示了如何将底层内存分配逻辑（来自`eagle_info_v2`）集成到高层调度器中，体现了性能优化中精确估算的重要性。建议关注其与`get_alloc_len_per_decode`的协作方式，以及页对齐计算（`ceil_align`）的运用。