sgl-project/sglang

将推理令牌测试迁移到现有服务器fixtures，减少CI服务器启动次数。

建议：该PR展示了测试重构和CI优化的有效模式，值得关注`ReasoningTokenUsageMixin`的设计和混入策略。阅读者应检查测试覆盖率是否足够，并考虑未来恢复`/generate` API测试以增强验证严格性。

在 rerun-test 工作流中添加 --failfast 标志，避免测试失败后继续浪费 GPU 时间。

该 PR 变更简单直接，无需深入精读。值得关注的点是它揭示了 CI 工作流中与 run_suite.py 行为不一致的问题，建议团队检查其他类似工作流是否也存在相同遗漏。

将CI自动二分法工作流中的Claude模型从sonnet-4-5升级至sonnet-4-6。

该PR变更简单，属于配置更新，无需深入精读。建议关注点：确保新模型版本与现有CI工作流兼容，并监控后续CI运行结果以验证效果。

临时禁用自动化基准测试工具单元测试，解决CI不稳定性问题。

该PR变更简单，但揭示了CI测试稳定性的管理策略。建议关注：1）团队如何处理flaky测试的权衡（快速修复vs精细处理）；2）后续是否会有PR恢复测试或关联跟踪issue。对于理解CI维护模式有参考价值。

删除不稳定的LFM2-MoE模型工具调用测试类，解决CI flaky问题。

该PR变更简单，适合快速浏览以了解CI优化策略。值得关注的是团队如何处理flaky测试：通过移除不可靠的模型特定测试，同时确保核心逻辑（lfm2解析器）仍有其他测试覆盖。

支持AMD平台MLA注意力内核在头数小于16和FP8 KV缓存下的TP=8配置。

建议精读aiter_backend.py的变更，关注head-repeat策略的设计决策和性能权衡。对于AMD平台开发者和内核优化者，此PR展示了如何重用现有内核处理非标准头数，值得学习其代码结构和测试更新。

添加CI自动二分法工作流，自动化分析scheduled PR Test失败并分类为回归、不稳定测试等。

建议团队仔细阅读此PR，特别是`ci_auto_bisect.py`中的AI集成逻辑和错误处理设计。关注review中提出的未解决问题，如API参数修复和重试逻辑，在部署前验证配置和测试。对于涉及CI自动化的开发者，此PR展示了如何结合GitHub API和AI服务进行智能分析，值得学习其设计权衡。

修复两个Python文件中的f-string前缀缺失，确保警告和断言消息能正确插值变量值。

该PR变更简单，无需精读。对于工程师，可关注点在于： 1. 作为代码质量示例，展示了f-string使用中的常见疏忽。 2. 可借机检查代码库中是否存在类似缺失前缀的字符串，但非必需。