v26.0 — SM103 BF16 Grouped Dispatch adaptive transport

核心优化：Grouped Dispatch 支持可选全warp cp.async与TMA；默认M<=128使用cp.async、M>=192使用TMA，显式策略仍可覆盖。负载感知CTASP策略允许空闲计算CTA协助小token搬运，不改变full-K/128-row ready语义。

完整重测510点，504点有效。相对v25.1几何平均：EP4 +4.72%，EP8 +5.11%，合计+4.92%；小token M<=128分别+11.17%/+10.89%。

两份非零随机输入、Graph10+50、max-rank计时及完整数值/路由/tail校验。6个EP4点显存不足；3个有效EP8点缺历史强GEMM分母。结果与逐点配置见results/sm103/v26.0。