在运行 kimik2think 模型时，发现增加专家数量（experts）对性能提升的效果存在瓶颈。

### Reminder

- [x] I have read the above rules and searched the existing issues.

### Description

硬件配置对比：

RTX 5090: 32GB 显存
RTX Pro 6000: 96GB 显存
其他硬件配置是双路 8581C CPU，48GB*16 内存

使用命令运行 sgkt 服务，关键参数包括：
启用 AMXINT4 量化
使用 FlashAttention
关闭专家融合 (--disable-shared-experts-fusion)
单卡运行 (--tensor-parallel-size 1)
观察到的性能数据：

RTX 5090: 设置 --kt-num-gpu-experts 2 时，速度为 27 tks
RTX Pro 6000: 设置 --kt-num-gpu-experts 45 时，速度仅比 5090 快约 2 tks
基准对比: 从 0 专家到 2 专家，有 2 tks 的性能提升
核心疑问：
为什么在 Pro 6000 上，即使将专家数量从 2 增加到 45（提升 22.5 倍），性能提升却微乎其微（仅 2 tks）？是否存在配置优化空间，还是已经达到硬件性能瓶颈？

### Pull Request

_No response_