Lsglang 扩展了 SGLang，是一个同时使用 CPU 和 GPU 的 MoE（将处理拆分给多个 expert 的模型）混合推理服务器。2026 年 11 月 3 日的提交 2eee88c 的提交信息是 'Release 1.7.2'，变更的文件有三个：README.md、RELEASE_NOTES.md、python/pyproject.toml（137 行变更，122 行新增，15 行删除）。
本次版本的核心是 GPU expert 缓存，也就是把填充“让常用 expert 常驻 GPU”这一部分的路径拆成两条。新的环境变量 LK_POOL_NO_STAGE 默认值 1 会把每个 NUMA 分片从 pinned 主机页直接 DMA 到 slot，从而消除主机拷贝。在 8 节点主机上，异步 DMA 拷贝大约发生 16 次。README 写明在同一个构建中，DeepSeek-V4-Flash-0731/DSPARK 的 expert 准入开销从 1.1 ms 降到 0.13 ms，gather 从 1669-2494 us 降到 0 us。如果给出 0，则改为运行现有的 coalesced staging ring，也就是 LK_POOL_STAGE。
更显眼的变化在推测性解码一侧。LK_VERIFY_RESIDENT 的默认值从 0 改为 1，draft 行直接沿用真实 token 建立的 expert residency。README 写明，在 DeepSeek-V4-Flash-0731/DSPARK 上相对纯 CPU 路径为 +17.6%，接受率不变。LK_POOL_MBOX_SPLIT 在唯一一行数据中为 7.43 ms/step 对 7.07-7.35 ms/step，无法分出哪一边更快，因此从配方中移除；LK_POWER_SAVING 也被更正为仅适用于空闲状态，在推理过程中不降低功耗。LK_POOL_LOG、LK_VERIFY_PUMP、LK_POOL_DET_SPLIT、LK_POOL_SPLIT_PROBE 被分离到仅调试用的章节。
不过，仅凭这些数字下结论还为时过早。所有数值都是 README 在某个特定构建上测得的，而在 DeepSeek-V4.1-Flash-1017 TP2/3090 上结论恰好相反。在该配置下，采用 per-fragment 默认值时解码中位数从 27.0 tok/s 降到 21.1 tok/s，而在 LK_POOL_NO_STAGE=0 时回到 26.0 tok/s。样本数也不一样，分别是 284 次和 11 次。因此 launch/sglang_serve_dsv41_*.sh 这三个配方固定为 0，其他地方则保留默认值 1。没有依据把它原样套用到其他模型和硬件上。