sgl-project/sglang

修复PD分离模式下优先级调度静默失效问题

建议阅读此 PR，尤其关注 `_add_request_to_queue` 的控制流调整和 `pop_preallocated` 中排序时机的决策。设计上值得注意的点：将优先级设置与模式分支解耦，以及在索引操作前排序以保证一致性。

DeepGEMM EP-MoE 新增 BF16 支持

该 PR 值得阅读，尤其对 DeepGEMM wrapper 模式和自定义 Triton kernel 实现感兴趣的同学。设计上延续 FP8 架构，代码模块化清晰。建议关注后续是否添加自动化测试。

MLX 后端新增 mlx_q4/q8 即时量化支持

建议精读此 PR，尤其关注以下设计决策：1. 如何通过标记配置类（MlxQuantizationConfig）避免后端代码侵入并行配置架构；2. 如何利用 MLX 元数据在 `_load_model` 中计算内存节省而不强制实例化权重；3. 如何通过 `is_mps()` 条件注册实现平台感知的量化方法集合；4. 测试文件的注册与自动跳过模式，可作为跨平台测试的范式。

扩散模型新增性能模式自动选择

本 PR 的设计模式（ModelDeploymentConfig 契约 + ServerArgsAutoTuner 分段调优）具有很强的借鉴价值，适合多模型部署平台参考。建议仔细阅读 `server_args_auto_tune.py` 和 `model_deployment_config.py` 的实现。Review 中提出的三个问题尚未解决，在后续使用中需要注意相关风险。

移植DeepSeek V4融合KV压缩V2内核到主分支

建议开发团队深入阅读 `compressor_v2.py` 和 `compress.py` 的设计，了解在线 / 离线压缩路径的统一抽象。同时关注 `Compressor` 内部方法暴露导致的耦合问题，未来可考虑通过策略模式或接口抽象进一步解耦。对于正在使用 DeepSeek V4 的团队，应通过全面的集成测试验证 v2 路径的端到端行为。

为 DeepseekV2MLP 添加 fused SiLU+clamp+FP8 量化路径

值得精读，尤其是 fused 路径的条件判断和与 deep_gemm 的集成方式；注意 review 中关于 transposed 参数命名的讨论，建议后续完善注释。

NPU 后端集成 zbal 零缓冲区加速库

该 PR 值得 NPU 用户和关心内存优化的工程师精读，尤其是 `lazy_init_zbal_gva_mem` 的混合分配策略。建议在合并后补充 NPU 环境下的性能基准测试文档。

临时禁用不稳定的 NIXL 测试

这是一个紧急止血的临时变更，适合快速合并。建议团队在后续 PR 中优先解决 NIXL 后端稳定性问题，并恢复测试覆盖。