sgl-project/sglang

新增 Moss-VL 多模态模型 SRT 运行时支持

该 PR 值得精读，特别是交叉注意力自定义掩码的实现、`prepare_forward_batch` 钩子模式、以及如何在现有调度框架中扩展多模态模型。建议关注性能优化的后续工作（如向量化位置插值和分隔符插入）。

XPU流水线并行支持，修复死锁

建议精读此 PR，尤其关注设备无关化模式和奇偶排序的设计，对多硬件后端支持有借鉴意义。可快速合并。

新增MUSA GPU后端对DeepSeek模型的完整支持

此 PR 为多后端适配的典范，值得详细审查。重点关注 `_is_musa()` 守卫模式、`forward_musa` 方法的分发逻辑以及 DeepGEMM 的 MUSA 绕过策略。建议在合并后尽快补充 MUSA CI 测试，并关注 `FP8` 量化和 `page_size` 相关未解决讨论。

更新Intel CPU/XPU文档，适配新CLI入口并添加XPU Docker指南

建议合并后添加提交修复xpu.mdx中缺少的`--host 0.0.0.0`参数。值得关注的变更：统一CLI入口的文档迁移，以及XPU Docker支持的正式文档化。

移除CPU内核中的RECORD_FUNCTION宏，消除重复Profiling记录

本PR属于常规维护，建议快速合并。变更简单且无风险，但值得记录在开发指南中：当内核通过torch.ops注册时，不应使用`RECORD_FUNCTION`宏。

缓存BatchedDecodeContext中的派生张量，消除每层重复计算

值得精读。这是一个小而精的性能优化示例，展示了如何通过数据缓存减少冗余计算和主机-设备拷贝，对MLX后端推理性能有明显提升。同时体现了如何通过review迭代采纳建议，最终实现更优方案。对于其他后端的类似模式有参考价值。

移植 CUDA 内核到 MUSA，支持 Moore Threads GPU

**建议精读**：重点关注 `common_extension_musa.cc` 和 `setup_musa.py` 以理解 MUSA 算子注册机制；`fused_add_rms_norm_kernel.mu` 展示了 MUSA 内联汇编和 warp 同步模式；`custom_all_reduce.cuh` 中的多后端条件编译策略值得参考。开发者需注意 MUSA 专用代码的维护成本。

简化扩散测试用例组织结构，合并列表并重命名文件

该PR属于常规维护重构，不涉及功能变更。建议阅读`gpu_cases.py`和`diffusion_case_parser.py`的变更，了解测试组织方式的新约定。"1-gpu-b200"测试套件的文件引用已更新，注意保持同步。