[sufubao]

将 attention 计算、批次上下文和 KV/Conv/SSM 持久状态分开。模型按 LayerSpec 分组，LayerAttentionBinding 保存本层参数与共享 backend，通过 attention.context(infer_state) 取得当前 context，再显式调用 forward。context 按 allocate_context → prepare → update → forward 执行；State 继续负责存储、缓存恢复和释放。保留 group_id。无持久 KV 的视觉/音频路径使用 VarlenAttentionOp，保留 --vit_att_backend。

本轮收敛了共享 backend 的状态归属：MTP cursor 放入层参数，GDN/KDA native/replay 共用 decode layout，按 State 分别取得 accepted count；backend 不再浅拷贝注入 spec。context 使用 slots dataclass，workspace requirement 和 replay State 接口有明确类型；BatchBuilder 集中借用 InferState 的输入 tensor。selector 显式接收 specs、设备能力和执行约束，不再反向查询 basemodel。Dense/MLA FA3 共用 decode planning。out 明确由调用方拥有，支持 provider 返回 padded/strided buffer 的有效 view，也允许临时结果复制；不承诺零分配。import 按标准库、第三方、lightllm、相对导入分组，模型调用及中英文文档同步更新。

已合并 upstream/main 9640f76，包含 ReplaySSM #1690、KDA prefill 融合 #1705、对角求解并行化 #1703 和 decode 文件句柄修复 #1707。新 KDA kernel 除 import 外计算 AST 与上游一致。

本机 H200 验证（实验命令、源码哈希和失败记录在 /data6/exp_logs/runs）：

• attention/provider/resource/Graph、GLM5、FP8、varlen 和 speculative 回归去重后 2421 passed，0 skipped；首轮2358通过后因旧 monkeypatch 指向已删除的 MLA import 停止，修正夹具后相关模块与剩余用例97通过（261112-220026/220342）。
• ReplaySSM acceptance/Graph、动态 MTP 与 KDA 融合专项122通过（215807）；随后合并最新上游，新增求解器逐位对拍、KDA/GLM和启动路径专项286通过（220525）。以上测试有重叠，不相加。
• Qwen3.5-0.8B 完整权重，BF16、TP1/DP1，native/replay MTP step1各64次主模型/draft logits比较，最大误差0（215414/215428）；随后仅移除dense helper未用参数，最终普通replay decode32次比较误差0（220037）。覆盖prefill/decode Graph、GPU/CPU页恢复、本地DP/PD buffer恢复和分配器回收。
• PR的330个Python文件通过Black21.12b0 / Flake8 6.1.0。

之前扩展测试中的旧native MTP test_mtp_verify_path[1]仍有torch.equal最大差值0.000977；合并前测试/kernel覆盖对照可复现（180025），未放宽断言，本轮不计为通过。此前ReplaySSM完整624例结果见历史实验，本轮重跑的是上述受影响路径。跨节点PD、完整多模态模型、全部MTP组合及性能未验收。

仍保留共享AttentionBatch字段名和现有候选表；没有引入统一Registry或强制所有provider直接写out。Optional字段用于尚未prepare的context，泛型尚未经过全仓静态类型检查。无关工作区修改未纳入提交。