执行摘要

本PR修复了扩散模型CI中的一致性检查问题，通过移除不稳定的'sana_image_t2i'测试用例、调整阈值配置和优化CI工作流，旨在提升测试稳定性和可靠性，减少flaky测试对开发流程的干扰。

功能与动机

动机源自测试中的波动问题，特别是'sana'和'mova'案例。作者在Issue评论中表示'TODO:

1. investigate the reason of fluctuation in sana, mova cases'，本PR通过调整测试套件来缓解问题，确保CI的一致性检查更健壮，避免因阈值过严或用例不稳定导致的CI失败。

实现拆解

• CI工作流（.github/workflows/diffusion-ci-gt-gen.yml）：添加环境变量SGLANG_IS_IN_CI和SGLANG_CUDA_COREDUMP，优化生成输出和发布GT图像的步骤，新增B200 GPU测试支持，确保测试环境一致。
• 测试脚本（gen_diffusion_ci_outputs.py）：引入_maybe_pin_update_weights_model_pair函数，用于更新模型权重，提升测试可重复性。
• 阈值配置（consistency_threshold.json）：删除'sana_image_t2i'的阈值条目，因为该测试用例已在配置中移除，避免无效配置。
• 测试用例配置（testcase_configs.py）：移除'sana_image_t2i'用例，并为flux_2_nvfp4_t2i和ltx_2_two_stage_t2v启用一致性检查（通过删除run_consistency_check=False），简化测试逻辑。
• 测试逻辑（test_server_common.py）：修改run_and_collect函数，添加collect_perf参数以在生成GT时跳过性能收集，移除LoRA相关的后端逻辑，代码如下：
  python def run_and_collect( ctx: ServerContext, case_id: str, generate_fn: Callable[[str, openai.Client], tuple[str, bytes]], collect_perf: bool = True, ) -> tuple[RequestPerfRecord | None, bytes]:

评论区精华

Review中仅有的评论来自gemini-code-assist[bot]，指出：

'Enabling the consistency check for flux_2_nvfp4_t2i without adding a corresponding entry in consistency_threshold.json may cause CI failures due to strict default thresholds.'

这提示了阈值管理的设计权衡：启用检查需要相应配置，而本PR通过移除不稳定用例间接解决了问题，但未直接回应bot的建议，可能隐含了对测试波动性的妥协。

风险与影响

• 风险：移除'sana_image_t2i'测试用例可能掩盖潜在模型问题；删除阈值配置可能导致其他测试误判；CI环境变量变更可能引入新的不稳定性；修改collect_perf逻辑可能影响性能监控。
• 影响：对最终用户无直接功能影响，但提升了CI的稳定性和团队开发效率；测试覆盖略有减少，聚焦于更可靠的案例；系统级影响限于测试基础设施，程度中等。

关联脉络

本PR与历史PR #15236（'[CI] Add consistency test in CI'）紧密相关，后者引入了扩散模型的一致性测试。当前修复处理了其中发现的波动问题，如sana案例的不稳定性，反映了测试套件在迭代中的优化过程，展现了持续集成中测试稳定性的演进趋势。