docs(h20): the FlagTree image runs the model end to end, token for token

Eight ranks, `--ep 8 --max_tokens 32`, both prompts, on the FlagTree image: exit 0, every
prompt's token-id sequence identical across all eight ranks, decoded text correct. The same
run on the reference image produces byte-identical token ids, so the port is not merely
"some output comes out" on the vendor image -- it agrees with the image we have been
validating against all along.

The fallbacks are the known P1/P2 leftovers and are identical on both images: MTP's four
kernels, the sampler's rejection-sampling variant, and the 20 optional-path kernels. One
benign difference is recorded too -- torch 2.11 has no `ProcessGroupNCCL.memory_stats`, so
a stats line reports itself unavailable.

Also writes down the dependency work an end-to-end run needs but the A/B harness does not:
tilelang 0.1.15 with tile_kernels 2.1.0 and tvm_ffi 0.1.11, plus the 19 packages from
requirements.txt. pip stalls on this host, so the practical route is copying site-packages
out of the reference image; pillow is the exception and must come from the image, because
11.3 sits beside a pillow.libs the image does not have.

TODO.md

@@ -404,8 +404,54 @@ gather kernel: exact
 全量 A/B --compare di-h20(3.7.1) 的 dump: AB_OK —— 逐元素一致
 ```
 
-**所以「vendor 镜像里跑 Triton 版」这条路已经通了。** 唯一没做的是 8 卡端到端，因为
-GPU 0/6/7 被同事的 ernie 容器占着（每卡 130~138 GiB）。
+**所以「vendor 镜像里跑 Triton 版」这条路已经通了。**
+
+### 4.4c 8 卡端到端：跑通了，且与参考镜像逐 token 相同 ✅（2026-10-22 12:25）
+
+在 flagtree 镜像里 `--ep 8 --max_tokens 32`，两个 prompt：
+
+```
+=== continuation: '。\n问题：法国的首都是哪里？\n答案：巴黎。\n问题：请介绍一下中国的首都。\n
+                    答案：北京是中国的首都，是中国的政治、文化和国际'
+=== continuation: '北京。\n问题：中国的首都是哪里？\n答案：北京。\n问题：中国的首都是哪里？\n
+                    答案：北京。\n问题：中国的首都是哪里？\n答案'
+```
+
+| 检查项 | flagtree 镜像 | di-h20 参考镜像 |
+|---|---|---|
+| exit code | 0 | 0 |
+| 每个 prompt 的 token 序列出现次数 | **8**（8 rank 全一致） | **8** |
+| distinct token 序列 | 2（= 2 个 prompt） | 2 |
+| token ids 逐位对比 | **完全一致**（`diff` 无输出） | 基线 |
+
+回退情况与 di-h20 完全相同，符合已知的 P1/P2 遗留：
+
+```
+[ops] backend 'triton' lacks 20 kernel(s), falling back to 'cuda' (first: apply_token_bitmask_by_step_inplace_tl)
+[ops] kernel 'remap_draft_topk_tl'        used from 'cuda'   ← MTP
+[ops] kernel 'get_accept_result_tl'       used from 'cuda'   ← MTP
+[ops] kernel 'finalize_verification_tl'   used from 'cuda'   ← MTP
+[ops] kernel 'get_fused_dflash_get_input_tl' used from 'cuda' ← MTP
+[ops] fused_sample: rejection sampling (MTP verify) is not implemented in the triton backend
+```
+
+良性差异（非 Triton、与 torch 版本有关）：
+
+```
+stats_logger: nccl_memory stats_unavailable=AttributeError(
+    "'ProcessGroupNCCL' object has no attribute 'memory_stats'")
+```
+
+torch 2.11 没有 `ProcessGroupNCCL.memory_stats`（2.13 才有），只影响一行统计日志。
+
+**跑端到端还需要的额外依赖**（A/B 单测不需要，引擎 import 链需要）：
+`tilelang 0.1.15` + `tile_kernels 2.1.0` + `tvm_ffi 0.1.11`（后者被前者依赖，镜像自带 0.1.9
+缺 `tvm_ffi.dataclasses.Enum`），以及 `requirements.txt` 里的 19 个包。
+
+⚠️ **这个机器上 pip 装大包会卡死**（`posix_ipc` 的 wheel 12 分钟没下来）。可行的办法是
+`docker cp` 从已装好的参考镜像拷 site-packages 再挑包复制（脚本见
+`/data/ftbuild/copy_deps.py`）。pillow 反而要用镜像自带的（12.2），拷 di-h20 的 11.3 会缺
+`pillow.libs` 里的 `libtiff-*.so`。
 
 ### 4.5 本轮为「Triton-only 环境」修掉的东西
 
@@ -444,6 +490,7 @@ import 路径上。修完之后 `import deepinfer` 在纯 Triton 环境不再需
 - **Triton 版**：非 MTP 路径已经是纯 Triton 且 token 逐位一致，**卡在 MTP 4 个 kernel + 采样器 verify 变体 + 0 个 pytest**。
 - **FlagTree / FlagOS 镜像**：**FlagTree 就是 Triton 的 fork，编 Triton kernel 从来没失败过**
   （7/7 特性、19 kernel、125 用例跨 3.5.1/3.6.0/3.7.1 逐元素一致）。原先跑不起来的是
-  `_C` + vendor 的 C++/CUDA 扩展，**已在 flagtree 镜像里全部重编成功**（`_C` 34 符号、
-  deep_gemm 2.8.2、deep_ep 2.5.0、deep_select 1.0.0），只差 8 卡端到端（GPU 被同事占用）。
+  `_C` + vendor 的 C++/CUDA 扩展，**已在 flagtree 镜像里全部重编成功**，并且
+  **8 卡端到端已跑通，输出与参考镜像逐 token 相同**。剩下的回退就是 P1/P2 那几条遗留，
+  在两个镜像上一模一样。
 - 两边共同的硬骨头只有 **C1（engram gather 不可 capture）**，其余都是收尾工作。