支持 SGLang 的 expert-parallel-size（EP）

### Reminder

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

### Description

目前 kt_ep_wrapper 不支持 SGLang 的 --expert-parallel-size 参数。
TP=8 在 8×L20（无 NVLink）下 PCIe all-reduce 是主要瓶颈，
改用 TP=4+EP=2 通信开销能明显降低。

当前问题

配了 --tensor-parallel-size 4 --expert-parallel-size 2 后，
模型加载阶段崩溃：

RuntimeError: The size of tensor a (192) must match the size of
tensor b (384) at non-singleton dimension 0

gpu_experts_mask 初始化时按 384 个全量 experts 创建，
但 SGLang EP 切分后每个 rank 只剩 192 个 experts，对不上。

期望行为

kt_ep_wrapper 感知 SGLang 的 EP rank，按 EP 切分后的 local expert 数
来创建 gpu_experts_mask，--kt-num-gpu-experts 也应该按 EP rank 自适应。

环境

- 模型：Kimi-K2.6 RAWINT4
- GPU：8×L20（SM89，无 NVLink）
- CPU：双路 Xeon + AMX
- ktransformers：2026 年 5 月 main 分支

### Pull Request

_No response_

Start by tracing kt_ep_wrapper initialization of gpu_experts_mask and how it receives SGLang's tensor- and expert-parallel ranks. Reproduce the model-loading failure with TP=4 and EP=2, then verify that local expert counts and --kt-num-gpu-experts match each EP rank instead of the full expert count.

Written by the indexing model from the issue text.