执行摘要

PR #21792为MiniMax-M2.5模型添加了基本单元测试，包括GSM8K评估和推理速度测试，以增强模型覆盖和CI稳定性，已合并，风险较低但需注意外部依赖。

功能与动机

此PR旨在为MiniMax-M2.5模型建立类似DeepSeek V3的基础测试模式，解决模型在SGLang中集成时的正确性和性能验证问题。动机源于PR body的表述：“A smaller test for MiniMax-M2.5, similar to test_deepseek_v3_basic.py”，并结合讨论中提到的确保GSM8K答案处理正确性。

实现拆解

新增文件test/registered/8-gpu-models/test_minimax_m25_basic.py，关键组件：

• TestMiniMaxM25Basic类：测试框架核心。
  • setUpClass：启动服务器，配置参数如--tp=8、--ep-size=8和--reasoning-parser=minimax-append-think。
  • test_a_gsm8k：运行GSM8K评估，断言准确率>0.900。
  • test_bs_1_speed：测试单批次推理速度，断言>90 token/s。
• 阈值调整：提交历史显示从初始值逐步降低gsm8k阈值，以适配模型性能。

评论区精华

讨论焦点在于推理解析器配置：

• dougyster在review中假设“we don't want any parser configs here to keep this as a basic test”。
• 但在Issue评论中，trevor-m提问后，dougyster指出“should add --reasoning-parser=minimax-append-think”以避免GSM8K分数误判。
• 最终决策添加该参数，确保测试正确性，体现了设计权衡。

风险与影响

• 风险：主要依赖外部模型MiniMax-M2.5的可用性，阈值设置可能因环境变化导致CI失败；测试文件新增无生产代码影响。
• 影响：对用户无直接变化，但对系统提升测试覆盖，有助于早期发现回归；团队需维护测试以确保CI稳定。

关联脉络

与近期多个测试PR相关：

• 22194（Qwen3测试）：类似模型测试和CI稳定性修复。

• 22189（测试指南更新）：强调测试编写规范，与本PR的测试添加一致。

• 21400（auth模块测试）：单元测试添加模式参考。

  
  这些PR共同推进了SGLang测试基础设施的完善和一致性保障。