执行摘要

• 一句话：重置扩散模型CI性能基准阈值，更新基准数据以匹配H100运行结果。
• 推荐动作：建议：对于维护扩散模型CI的工程师，此PR值得关注基准数据的更新逻辑和容差调整策略；对于其他开发者，可了解如何通过CI脚本优化错误处理。

功能与动机

根据提交历史，PR旨在'reset thresholds'和'refresh baselines'，以使用2026-04-15的H100 CI运行数据更新性能基准，确保CI测试的准确性和最新性。

实现拆解

1. 更新性能基准文件：修改 python/sglang/multimodal_gen/test/server/perf_baselines.json，更新元数据（如描述和最后更新时间）、容差值（如将 long_term.e2e 从 0.1 改为 0.15）和场景性能数据（如 DenoisingStage 从 14289.46 ms 降至 12404.23 ms），以匹配新基准。
2. 增强CI脚本错误处理：修改 scripts/ci/utils/diffusion/run_comparison.py，使 run_comparison 函数返回输出数据，并在有错误时打印错误信息并退出非零（sys.exit(1)），提高CI的健壮性。
3. 修正配置任务类型：修改 scripts/ci/utils/diffusion/comparison_configs.json，将任务 id 为 ltx2.3_twostage_ti2v_2gpus 的 task 从 "image-to-video" 改为 "text-image-to-video"，并添加 reference_image、width、height 参数，确保配置准确性。

关键文件：

• python/sglang/multimodal_gen/test/server/perf_baselines.json（模块 性能基准；类别 test；类型 test-coverage）: 性能基准核心文件，更新了所有扩散场景的容差和阶段时间数据，直接影响CI测试通过标准。
• scripts/ci/utils/diffusion/run_comparison.py（模块 CI脚本；类别 infra；类型 infrastructure）: CI比较脚本，增强错误处理逻辑，在运行时错误时退出非零，提升CI健壮性。
• scripts/ci/utils/diffusion/comparison_configs.json（模块 CI配置；类别 infra；类型 infrastructure）: CI比较配置文件，修正任务类型和参数，确保测试场景准确性。

关键符号：未识别

关键源码片段

python/sglang/multimodal_gen/test/server/perf_baselines.json

性能基准核心文件，更新了所有扩散场景的容差和阶段时间数据，直接影响CI测试通过标准。

{
    "metadata": {
        "model": "Diffusion Server",
        "hardware": "CI H100 80GB pool",
        "description": "Reference numbers captured from CI H100 runs (2026-04-15).", // 更新描述，添加具体日期
        "last_updated": "2026-04-15" // 新增字段，记录最后更新时间
    },
    "tolerances": {
        "long_term": {
            "e2e": 0.15, // 从容差从0.1提高到0.15，放宽端到端测试标准
            "denoise_stage": 0.1, // 去噪阶段容差从0.05提高到0.1
            "non_denoise_stage": 0.5, // 非去噪阶段容差从0.4提高到0.5
            "denoise_step": 0.25, // 去噪步从容差从0.2提高到0.25
            "denoise_agg": 0.15 // 去噪聚合容差从0.1提高到0.15
        },
        "pr_test": {
            "e2e": 0.25, // PR测试容差从0.2提高到0.25
            "denoise_stage": 0.25, // 从0.2提高到0.25
            "non_denoise_stage": 0.8, // 保持不变
            "denoise_step": 0.3, // 从0.25提高到0.3
            "denoise_agg": 0.2 // 从0.15提高到0.2
        }
    },
    // ... 其他部分如场景数据省略
}

scripts/ci/utils/diffusion/run_comparison.py

CI比较脚本，增强错误处理逻辑，在运行时错误时退出非零，提升CI健壮性。

def main():
    # ... 前略代码（加载配置等）
    print(f"Loaded {len(config['cases'])} comparison case(s) from {args.config}")
​
    output_data = run_comparison( # 修改：将函数调用赋值给变量以获取返回数据
        config=config,
        case_ids=args.case_ids,
        frameworks=args.frameworks,
        # ... 其他参数
        dry_run=args.dry_run,
    )
​
    # 新增：检查输出数据中的错误并退出非零
    errors = [r for r in output_data.get("results", []) if r.get("error")]
    if errors and not args.dry_run:
        print(f"\n{len(errors)} case(s) had errors:")
        for e in errors:
            print(f"  {e['case_id']} ({e['framework']}): {e['error']}")
        sys.exit(1) # 有错误时退出非零状态码
​
if __name__ == "__main__":
    main()

scripts/ci/utils/diffusion/comparison_configs.json

CI比较配置文件，修正任务类型和参数，确保测试场景准确性。

{
    "id": "ltx2.3_twostage_ti2v_2gpus",
    "model": "Lightricks/LTX-2.3",
    "task": "text-image-to-video", // 从 "image-to-video" 改为 "text-image-to-video"，修正任务类型
    "prompt": "The cat starts walking slowly towards the camera.",
    "reference_image": true, // 新增字段，启用参考图像
    "width": 768, // 新增宽度参数
    "height": 512, // 新增高度参数
    "num_frames": 121,
    "seed": 42,
    "num_gpus": 2
}

评论区精华

Review评论为空，无讨论。作者在关联Issue中触发了CI测试（/tag-and-rerun-ci），表明变更已通过CI验证。

• 暂无高价值评论线程

风险与影响

• 风险：风险包括：基准数据更新可能导致现有测试通过性变化，如果新基准不准确可能掩盖性能回归；CI脚本错误处理变更（如退出非零）可能引入新的失败条件，影响CI流程。具体在 perf_baselines.json 中，容差值调整（如 pr_test.e2e 从 0.2 提高到 0.25）可能放松测试标准，需确保阈值合理。
• 影响：影响范围：扩散模型CI测试的通过率和准确性；对用户无直接影响，但确保团队在性能回归检测上的可靠性。影响程度：中等，因为基准更新会影响所有扩散模型相关CI测试，但仅限于测试和基础设施层面。
• 风险标记：基准数据变更, CI脚本行为改变

关联脉络

• PR #22810 [diffusion] CI: refactor diffusion ci and reduce redundancy: 同为扩散模型CI相关重构，可能共享代码或测试逻辑，提供上下文参考。