执行摘要

• 一句话：修复 Qwen3.5 视频处理在 processor_output 格式下因返回值数量不匹配导致的解包错误。
• 推荐动作：该 PR 代码量极小，适合快速浏览以理解多模态处理器中视频数据格式的接口契约。值得关注的是 preprocess_video 函数对两种输入路径（原始视频对象 vs 预处理字典）的统一处理设计。

功能与动机

根据 PR body 描述，Qwen3.5 的视频预处理函数 preprocess_video 需要返回两个值（视频张量和元数据），但当输入是 processor_output 格式（即已处理好的字典）时，函数仅返回单个值 vr，导致上层调用 process_mm_data_async 在解包时抛出 ValueError: too many values to unpack (expected 2)。PR 提供了完整的错误栈和复现脚本，明确了问题场景。

实现拆解

1. 核心逻辑修复：修改 python/sglang/srt/multimodal/processors/qwen_vl.py 中的 preprocess_video 函数，在 is_video_obj 为 False 时（即输入为非 VideoDecoderWrapper 对象，如 processor_output 字典），将返回值从单个 vr 改为 (vr, None)，确保返回元组长度与调用方期望一致。
2. 接口一致性保证：此修改使函数在所有输入路径下都返回 (video_tensor, metadata) 二元组，其中 metadata 在非视频对象时为 None，保持了与视频对象处理分支相同的接口契约。
3. 测试配套：PR body 中提供了手动测试脚本，验证了 processor_output 格式和原始视频路径两种场景，但未提交自动化单元测试。

关键文件：

• python/sglang/srt/multimodal/processors/qwen_vl.py（模块 多模态处理器；类别 source；类型 core-logic；符号 preprocess_video）: 唯一变更文件，包含视频预处理核心逻辑，修复了返回值不匹配的关键错误。

关键符号：preprocess_video

关键源码片段

python/sglang/srt/multimodal/processors/qwen_vl.py

唯一变更文件，包含视频预处理核心逻辑，修复了返回值不匹配的关键错误。

async def preprocess_video(
    vr,
    image_factor: int = IMAGE_FACTOR,
    video_config: dict = {},
) -> torch.Tensor:
    # 预处理视频
    is_video_obj = isinstance(vr, VideoDecoderWrapper)
    if not is_video_obj:
        # 当输入是 processor_output 格式（如字典）时，返回 (vr, None) 以确保与视频对象路径接口一致
        # 修复前：return vr
        return vr, None
    entry_time = time.perf_counter()
    # ... 后续视频解码和处理逻辑，始终返回 (video_tensor, metadata)

评论区精华

Review 讨论非常简短，仅包含一次批准（mickqian 的 /tag-and-rerun-ci 命令触发 CI），未出现技术争议。这表明修复方案直接明了，被核心维护者快速接受。

• 暂无高价值评论线程

风险与影响

• 风险：低风险。变更仅涉及单个条件分支的返回值，逻辑简单且范围极小。
• 回归风险：极低，因为只影响 processor_output 格式路径，且修复后行为与原始视频路径一致。
• 兼容性：无破坏性变更，接口从返回单值改为返回二元组，但调用方本就期望二元组，因此是正向修复。
• 测试覆盖：PR 未包含自动化测试，依赖现有 CI 和手动验证，但鉴于变更简单，风险可控。
• 影响：影响范围有限但关键。
• 用户影响：修复了使用 processor_output 格式传入视频数据时必然发生的崩溃，提升了 Qwen3.5 多模态功能的可用性。
• 系统影响：仅影响 qwen_vl.py 处理器模块的视频预处理路径，不涉及其他模型或子系统。
• 团队影响：作为边界条件修复，无需额外培训或文档更新。
• 风险标记：边界条件修复, 缺少自动化测试

关联脉络

• 暂无明显关联 PR