sgl-project/sglang

迁移废弃的/get_server_info端点至/server_info，并在所有精度测试中打印推测解码接受长度。

该PR变更简单直接，适合快速浏览以了解API迁移和测试工具改进。关注_check_accept_length函数的异常处理设计，确保非推测解码服务器不会导致测试失败。

集成kernels社区FlashAttention v3内核，提供统一接口和环境变量控制。

此PR值得精读，重点关注统一接口设计（如`flash_attention.py`中的版本分发机制）、fallback策略（`flash_attention_v3.py`中的异常处理）和缓存管理（环境变量与CI集成），这些设计决策展示了内核集成中的兼容性权衡和用户可配置性最佳实践。

优化HiSparse解码备份调度，通过异步备份减少CPU气泡，提升TPOT性能5%。

建议技术管理者和工程师精读此PR，重点关注流调度设计如何减少CPU气泡，以及review中讨论的Tensor Parallelism支持和性能优化点，以借鉴异步备份模式。

修复NPU后端MLAPO融合内核在非MLA模型下错误禁用KV缓存保存的问题。

该PR值得NPU后端开发者精读，虽然改动小但揭示了MLAPO与模型类型耦合的设计决策。关注self.use_mla属性的使用方式，以及未来是否应重构重复逻辑。

通过 Granian 支持 HTTP/2 服务器，提升高并发客户端吞吐量。

建议技术管理者和后端工程师精读此 PR，重点关注如何优雅地集成第三方 ASGI 服务器、处理多进程初始化的设计决策，以及命令行参数验证的逻辑，这些对类似基础设施改进有借鉴价值。

修复MambaRadixCache v1 (no_buffer)模式下page_size>1导致的崩溃，添加自动校正逻辑。

该PR值得快速浏览，主要关注点： 1. 理解MambaRadixCache不同模式（no_buffer vs extra_buffer）的配置约束 2. 注意gemini-code-assist[bot]提出的覆盖问题，这可能需要在后续PR中解决 3. 作为配置验证模式的一个案例，展示了如何在server_args中处理不兼容参数

优化Mamba状态跟踪，消除D2H操作，提升TTFT性能6%。

建议技术管理者和工程师精读此PR，学习如何通过预计算索引优化D2H操作；关注`init_forward_metadata`中的设计决策，以及review中关于性能权衡的讨论。

为NIXL解耦后端添加Mamba状态切片传输支持，使混合Mamba模型在异构TP下正常运行。

该PR值得技术管理者关注，因为它扩展了NIXL后端的异构TP支持，是解耦推理演进的重要步骤。工程师可精读`_send_mamba_state_slice()`函数以学习状态切片和RDMA传输的设计模式，但需注意参数传递的可读性改进空间。