执行摘要
- 一句话：修复FLUX.1扩散模型的图像序列长度计算错误，消除块状图像并支持2048x2048分辨率生成。
- 推荐动作：建议开发者阅读此PR，了解扩散模型中图像序列长度计算的关键细节，特别是patchification处理的正确方式。对于扩散模型管道的维护者，此变更值得关注以确保模型正确性，并可参考讨论中提到的与diffusers的差异进行进一步优化。
功能与动机
根据PR body，FLUX.1-dev存在两个正确性问题：导致输出图像出现块状瑕疵，并且无法生成模型本应支持的2048x2048分辨率图像。此PR旨在修复这些问题，提升输出质量，具体引用原文："Currently FLUX.1-dev has two correctness issues that deteriorate the output quality."
实现拆解
实现集中在单个文件python/sglang/multimodal_gen/runtime/pipelines/flux.py的prepare_mu函数中。关键改动是将image_seq_len的计算从(int(height) // vae_scale_factor) * (int(width) // vae_scale_factor)修改为(int(height) // (vae_scale_factor * 2)) * (int(width) // (vae_scale_factor * 2))，以正确考虑patchification对序列长度的影响。第二个修改（self-attention相关）已在PR #20679中修复，因此本PR仅包含此计算修复。
关键文件：
python/sglang/multimodal_gen/runtime/pipelines/flux.py（模块 multimodal_gen/runtime/pipelines）: 这是唯一修改的文件，包含prepare_mu函数的关键计算修复，直接影响FLUX.1扩散模型的输出正确性。
关键符号：prepare_mu
评论区精华
在Issue评论中，主要讨论包括：作者avjves指出第二个修改已在PR #20679中修复，因此本PR只包含第一个修改；mickqian要求提供diffusers的输出对比，avjves回复显示修复后质量改善（无块状图像、支持高分辨率），但与diffusers输出仍有轻微差异，推测是其他实现差异所致。讨论结论是修复显著改善了图像质量，支持了更高分辨率，但建议进一步验证与diffusers的对齐。
- 修复正确性与diffusers差异 (correctness): 修复显著改善了输出质量和分辨率支持，但与diffusers的差异需进一步验证。
风险与影响
- 风险：风险较低，变更局限于prepare_mu函数的计算逻辑，基准测试显示性能影响微小（大多数阶段延迟变化在±3%以内）。潜在风险包括：核心扩散管道路径变更可能引入回归，需确保计算正确性；与diffusers输出的差异（avjves提到"still some discrepancies"）可能表明仍有未解决的正确性问题，需要额外测试验证。
- 影响：直接影响使用FLUX.1扩散模型的用户：输出图像质量从块状改善为清晰，并能够生成2048x2048分辨率图像，提升功能完整性和用户体验。对系统性能影响可忽略，基准测试中延迟变化最小（如DenoisingStage仅+1.3%）。此修复增强了模型的多模态生成能力，与近期扩散模型修复PR（如#21042）形成协同。
- 风险标记：核心路径变更, 潜在输出差异
关联脉络
- PR #20679 [diffusion] Fix self-attention replication for FLUX.1: 本PR中提到的第二个修改已在此PR修复，与本PR共同解决FLUX.1的正确性问题。
- PR #21042 [diffusion] fix Z-Image SP sharding for portrait and padded resolutions: 同属扩散模型修复PR，涉及类似领域（扩散管道正确性），可关联分析。
- PR #21250 [diffusion] Fix torch.zeros typo in causal wan: 同属扩散模型修复PR，关注正确性bugfix，反映近期扩散模块的维护趋势。
参与讨论