解读 MegaMoE 在 Blackwell 与 Hopper 上的融合算子设计，围绕 TMEM 复用、数据布局、流水线与通信调度，串联具体优化及其依赖的架构知识。

本文基于 2026 年 10 月 16 日 NVIDIA 下午场 S1 讲座整理。

理解扩散模型，重点是分清模型预测什么、采样器怎样使用预测，以及潜空间和网络结构如何影响计算成本。本文沿 DDPM、DDIM、Stable Diffusion、DiT 与 Flow Matching 展开，保留关键公式和模型结构，用直觉解释设计目的。

从一个 Talker codec chunk 追踪到 Code2Wav，说明阶段之间传什么、何时能消费，以及取消后谁负责收回共享内存。

沿一次 Qwen3-Omni 文本输入、文本与语音输出请求，追踪跨 stage 的登记、提交、结果汇合与终止，理解 Runtime 的对象归属和完成条件。

vLLM-Omni 教程源码、PR 与证据索引本文为 架构、Runtime、阶段内执行、Connectors 和 Diffusion Runtime 提供共同研究坐标。阅读代码时先固定版本、配置和执行分支，再使用文中的类名与调用关系。 1．固定版本与...

vLLM-Omni 阶段内执行：从调度输出到多模态结果契约面向读者： 已理解 vLLM/SGLang 的 Scheduler、Worker、ModelRunner、KV 和 CUDA Graph，并已阅读本组 Runtime。本文帮助读者定位 Omn...

vLLM-Omni 架构概览：从执行阶段到请求生命周期面向读者： 已理解 SGLang/vLLM 的请求调度、KV cache、Worker 与 ModelRunner，希望进一步阅读和修改 vLLM-Omni 的开发者。本组教程的目标是：给定一个需...

沿一次 Qwen-Image 文生图请求追踪状态、批次与去噪循环，再用 MiniMax-H3 continuous batching 的实际 PR 检查隔离、失败同步和性能边界。

沿 expert-major 接收布局追踪 Triton 专家计算，解释 CUDA Graph 下的动态工作量，以及 TBO 微批拆分如何影响计算成本。

从 SGLang 调用追踪到 NCCL 通信与 MoE dispatch/combine，解释数据身份、执行依赖和资源生命周期如何决定正确性与性能。