执行摘要
本PR将MXFP8 Gemm CI测试从在线量化切换为使用离线量化检查点，以解决FlashInfer v0.6.7更新后测试不稳定的问题，同时临时禁用Triton测试以避免PCG捕获时间过长，从而提高测试可靠性和CI效率。
功能与动机
在FlashInfer v0.6.7更新后，MXFP8 Gemm测试出现精度下降和不稳定（如PR body所示，在线量化路径导致精度从0.84降至0.76）。通过基准测试对比，发现离线量化检查点能提供稳定结果（精度约0.84），因此变更旨在修复CI测试的不可靠性。动机源于维护者 @humansand 的需求，确保量化功能验证的准确性。
实现拆解
主要修改了 test/registered/quant/test_fp8_blockwise_gemm.py 文件：
- 全局变量变更：将
BF16_MODEL_PATH 重命名为 MXFP8_MODEL_PATH，并更新为离线量化模型路径 'zianglih/Qwen3-4B-Instruct-2507-MXFP8'。
- 测试配置简化：在
MXFP8GemmBase.setUpClass 方法中，移除 --quantization mxfp8 参数，因为现在使用预量化检查点，无需在线量化步骤。
- 测试类调整：临时禁用
TestMXFP8GemmTriton 类，通过添加 @unittest.skip 装饰器，注释说明由于PCG捕获时间过长（5-7分钟），待后续修复。
评论区精华
- 链接正确性检查：gemini-code-assist[bot] 在review评论中指出：'The link to the pull request seems to be broken as PR number
19835 does not exist. This appears to be a typo.' 这引发了对文档准确性的关注。后续Issue评论确认#19835已合并，但typo问题未进一步讨论。
- Triton测试性能讨论：在Issue评论中，作者 @zianglih 说明：'
TestMXFP8GemmTriton works after https://github.com/sgl-project/sglang/pull/19835 but currently compiling PCG takes 5-7mins, so I disable it again.' 讨论焦点从功能修复转向性能优化，结论是测试被暂时禁用以等待改进。
风险与影响
- 风险分析：变更风险较低。使用离线检查点可能增加模型版本管理复杂性，但路径明确指定，风险可控；Triton测试被禁用可能暂时减少覆盖范围，但这是临时措施，作者计划优化后恢复。此外，需确保离线量化与在线量化行为一致，避免隐藏回归问题。
- 影响评估：直接影响CI测试套件，提升MXFP8 Gemm测试的稳定性和精度，减少误报失败，加速开发流程；间接增强团队对量化功能的信心；对最终用户无直接影响，因为是内部测试改进。
关联脉络
本PR与历史PR #19835（'fix cuda graph capturing error in sm120 mxfp8 triton path'）直接相关，后者修复了MXFP8 Triton路径的CUDA图捕获错误。本PR在此基础上优化测试配置，通过使用离线量化检查点应对在线量化路径的不稳定性，体现了对量化功能测试的持续改进。此外，近期PR如 #21634 也涉及测试简化，显示团队在优化CI流程方面的趋势。
参与讨论