GitLab

feat(moe/marlin): 移除 VLLM_USE_MARLIN_W16A16_MOE，改为基于 lightop 探测自动启用并一次性缓存决策

See merge request dcutoolkit/deeplearing/vllm!376

  - 使用 get_moe_cuda_marlin_config_w16a16(status) 判断 W16A16 Marlin MoE 是否可用
  - 在 FusedMoE 初始化阶段计算并缓存 _marlin_w16a16_moe_enabled，满足条件时强制 use_nn_moe=False
  - 权重加载后按缓存结果进行一次性 Marlin pack；运行时按 packed 标记走 Marlin fast path
  - 删除 envs.py 中 VLLM_USE_MARLIN_W16A16_MOE 环境变量定义与解析逻辑

[fix]解决glm4 moe + mtp精度异常

See merge request dcutoolkit/deeplearing/vllm!374

[fix]解决gpt oss nn moe权重加载出错

See merge request dcutoolkit/deeplearing/vllm!372

[qwen3-480b] MoE(TN) configs for nmz TP=8

1、pcie 解决custom cudagraph模式需要拷贝的问题，这个需要配合dtk进行使用。

See merge request dcutoolkit/deeplearing/vllm!369

   vllm：export VLLM_CUSTOM_CACHE=1
   dtk：export HIP_KERNEL_EVENT_SYSTENFENCE=1
2、kvcache支持fp8

todo: add VLLM_USE_QUERY_QUANT to not use q quant

适配block-wise fp8接口

See merge request dcutoolkit/deeplearing/vllm!366

set VLLM_USE_PD_SPLIT=1
update moe_align_block_size

Switch default w8a8 gemm impl to blaslt.

See merge request dcutoolkit/deeplearing/vllm!365

处理test_concat的ds_cat的导入bug

See merge request dcutoolkit/deeplearing/vllm!361

perf(fused-moe): 预打包 Marlin W16A16 MoE 权重，降低 warmup 显存峰值

See merge request dcutoolkit/deeplearing/vllm!358

在 post-load hook 中对 w13/w2 做 per-expert Marlin pack，并替换为 packed 参数
Marlin fast path 仅接受 packed 权重；未预打包则 fail fast，避免运行时 packing 峰值/不确定性
更新 Marlin wrapper 的入参与 shape 推导（从 packed layout 计算 K/N）

区分pcie和hglink custom allreduce的使用
vllm：export VLLM_CUSTOM_CACHE=1
dtk：export HIP_KERNEL_EVENT_SYSTENFENCE=1