执行摘要

本 PR 对齐了扩散模型的 nightly 基准测试预设和技能文档，以 LTX-2 双阶段模型为中心，扩展了融合 QK norm + RoPE 等优化机会指导。通过更新脚本、文档和删除冗余文件，提升了开发效率，但需注意基准测试逻辑中 denoise 延迟计算的正确性风险。

功能与动机

主要动机是统一扩散模型的 nightly 比较配置和文档，确保优化工作优先利用现有快速路径。PR body 强调围绕 LTX-2 案例对齐配置，并添加缺失机会指导（如 fused QK norm + RoPE 和 Nunchaku fused GELU MLP），以避免重复造轮子并提升性能优化效率。

实现拆解

• 测试组织：重命名 Z-Image 融合调制测试文件到 jit_kernel/tests/diffusion/，提高模块化。
• 技能文档更新：修改多个 SKILL.md 文件（如 sglang-diffusion-benchmark-profile 和 sglang-diffusion-ako4all-kernel），集成 LTX-2 案例、简化技能流并移除未使用的 Triton/CUDA 内核技能，聚焦于基准测试和机会发现。
• 基准测试脚本：在 bench_diffusion_denoise.py 中添加 LTX-2 预设，更新 denoise 延迟计算逻辑以聚合多个阶段（如 LTX2AVDenoisingStage 和 LTX2RefinementStage）。
• CI 集成：扩展 run_comparison.py 的 payload 处理，支持 FPS 和 negative_prompt 等新参数，确保 nightly 比较兼容性。
• 性能分析：修改 profiler.py，添加 _resolve_profiler_log_dir 函数，统一日志目录解析。
• 清理工作：删除未使用的脚本和文档文件（如 nsight-profiler.md 和 bench_diffusion_rmsnorm.py），减少维护负担。

评论区精华

review 中仅有一个评论，聚焦于 bench_diffusion_denoise.py 的 denoise 延迟计算逻辑：

"The current logic only sets denoise_latency_s if denoise_stage_total_ms is strictly greater than 0.0. While unlikely, if matching stages were found but their durations were exactly 0.0, the script would fall back to denoise_steps_ms. It might be more robust to track if any matching stages were found at all, regardless of their duration, to avoid unnecessary fallback when the primary metric source is present."
此讨论点出了潜在的正确性问题，建议改进逻辑以更鲁棒地处理边界情况，但目前尚未解决。

风险与影响

• 技术风险：denoise 延迟计算逻辑可能在阶段持续时间为 0 时出错，导致性能指标不准确；文档更新若与代码脱节，可能误导开发者；删除技能文件可能中断依赖这些文件的开发工作流。
• 影响范围：影响扩散模型性能优化团队，通过标准化基准测试和文档，提升协作效率；系统层面，确保 nightly 比较的准确性，促进持续集成；技能流简化可能减少维护开销，但需确保过渡平滑。

关联脉络

本 PR 是扩散模型优化生态的一部分，与历史 PR 如 #21080（FA4 推测解码支持）、#22038（VLM 编码优化）等协同，共同推进 SGLang 在多模态和性能方面的发展。它强化了文档和配置对齐，为后续内核优化提供坚实基础，并反映了团队在提升开发体验和性能可观测性方面的持续投入。