sgl-project/sglang

为W8A8 MoE解码阶段引入新NPU操作符以提升性能。

该PR值得精读，特别是对于关注NPU硬件优化和MoE模型性能的工程师。关键设计决策包括只优化decode阶段以避免prefill回归，以及使用融合操作符减少计算开销，这些权衡值得学习。

修复Nemotron推理解析器在纯推理输出时内容为空的问题，添加force_nonempty_content选项。

该PR值得快速浏览，重点关注force_nonempty_content的设计决策：它通过参数化而非硬编码的方式解决空内容问题，保持了向后兼容性。对于处理模型输出解析的开发者，可以学习这种通过交换字段内容来增强健壮性的模式。同时，建议查看新增的单元测试，了解如何全面测试解析器的各种边界情况。

修复调度器以支持PP与CP并行，解决H20配置下PP2+CP8+TP8的通信问题。

建议技术管理者和工程师精读`scheduler_pp_mixin.py`中的通信逻辑修改，特别是CP广播的添加，以理解分布式数据同步机制。同时关注`server_args.py`中的配置检查变化，确保在启用PP与CP时正确设置`enable_nsa_prefill_context_parallel`等变量，并留意未解决的`attn_cp_size`讨论。

将网络工具函数从common.py移至network.py，提升代码模块化。

建议精读此PR以理解代码组织的最佳实践，特别是关注不重新导出的设计决策，以及如何安全地重构跨多个文件的导入。

修复 NemotronH 混合模型 PCG 禁用问题，实现高达 10.5% 的吞吐量提升。

建议技术管理者和工程师精读此 PR，重点关注 split op 的设计如何平衡 CUDA graph 捕获和动态形状处理，以及 `layer_id` 对齐策略在混合架构中的通用性。代码变更虽小，但涉及底层优化和兼容性权衡。

集成FlashInfer MXFP8 GEMM、MoE和路由MoE，扩展量化支持与性能优化。

建议技术管理者和工程师精读此PR，重点关注FlashInfer MXFP8集成的设计决策，特别是权重对齐逻辑（如align_mxfp8_moe_weights_for_flashinfer_trtllm）和torch编译兼容性处理（自定义op包装）。这些设计对高性能推理后端优化有借鉴价值。

为扩散模型图像编辑功能添加多提示与多图像的映射支持。

该 PR 值得精读，尤其关注 `per_prompt_images` 的设计决策和错误处理机制。建议工程师重点查看 `image_encoding.py` 中的循环编码逻辑，以理解多提示场景下的性能权衡；技术管理者可评估通用性设计对其他模型适配的指导意义。

修复Flux2 LoRA加载以支持AI Toolkit/ComfyUI训练的模型。

建议技术管理者关注新格式检测的实现，特别是命名映射逻辑，可作为未来扩展其他LoRA格式的参考模板。工程师值得精读_convert_ai_toolkit_flux_lora函数，理解权重转换的设计决策和潜在改进点。