GitLab

feat: support moe sum when topk==9

bugfix: Fix mtp model load error when eable shared experts fusion.

  - 缺失请求统一延后重新加入，避免同一轮重复写入
  - 抢占恢复用覆盖写入（add_row），正常运行用增量追加（append_row）
  - 保持正常请求的追加语义不变

增加环境变量开关，禁用 Marlin W16A16 MoE 路径
强制 Triton 且权重已是 Marlin packed 时给出明确报错
Marlin 支持探测改为 best-effort（不再依赖 VLLM_USE_LIGHTOP）

for qwen3, VLLM_USE_FUSED_RMS_ROPE=1 (default)

  - 移除 VLLM_USE_MARLIN_W16A16_MOE 环境变量
  - 初始化阶段基于 lightop 探测并缓存 _marlin_w16a16_moe_enabled，满足条件强制 use_nn_moe=False
  - 权重加载后按缓存结果一次性 Marlin pack；运行时按 packed 标记走 Marlin fast path

新增 VLLM_USE_FUSED_RMS_ROPE 分支，走 fused 路径
注册 torch.ops.vllm.rms_rotary_embedding_fuse（direct_register_custom_op）
cos_sin_cache 自动转 device/dtype 并缓存，避免每次重复拷贝