执行摘要

• 一句话：分割 B200 CI 测试套件以支持低磁盘容量 runner 池，优化资源分配。
• 推荐动作：对于 CI 维护者和基础设施工程师，值得精读以了解测试套件分割策略、runner 标签设计和负载均衡调整；一般工程师可关注变更对测试运行时间和资源分配的影响，无需深入代码细节。

功能与动机

PR body 明确指出：'Splits the per-commit B200 stage-c suite into two so a new B200 runner with limited disk capacity can serve a subset of tests'，目的是优化 CI 资源分配，避免磁盘瓶颈影响测试效率。

实现拆解

1. 修改 GitHub Actions 配置：在 .github/workflows/pr-test.yml 中，添加新 job stage-c-test-4-gpu-b200-small，设置 runs-on 为低磁盘 runner 标签，并调整矩阵分区大小从 6 减为 3 以平衡负载；同时扩展 set-runner 步骤输出 b200_low_disk_runner 标签。
2. 更新测试文件套件标签：修改 9 个测试文件（如 test/registered/4-gpu-models/test_qwen35_fp4_mtp_v2.py）中的 register_cuda_ci 调用，将 suite 参数从 "stage-c-test-4-gpu-b200" 改为 "stage-c-test-4-gpu-b200-small"；3 个低优先级测试文件（如 test/registered/4-gpu-models/test_nvidia_nemotron_3_super_nvfp4.py）改为 "nightly-4-gpu-b200" 并设置 nightly=True。
3. 注册新套件：在 scripts/ci/utils/slash_command_handler.py 中添加 stage-c-test-4-gpu-b200-small 到 nvidia_stages 和 CUDA_SUITE_TO_RUNNER 映射，支持命令行重定向；在 test/run_suite.py 的 PER_COMMIT_SUITES[HWBackend.CUDA] 中注册新套件名称，确保测试运行器识别。
4. 配套调整：在 PR body 中详细规划了 runner 标签策略（如 4-gpu-b200-low-disk），但未在代码中直接修改，依赖外部基础设施配置；变更后需验证套件分割不影响现有 CI 流程。

关键文件：

• .github/workflows/pr-test.yml（模块 CI工作流；类别 infra；类型 infrastructure）: 定义了新的 CI job 'stage-c-test-4-gpu-b200-small' 并调整现有 job，是分割测试套件的核心配置入口。
• scripts/ci/utils/slash_command_handler.py（模块 CI工具；类别 infra；类型 configuration；符号 nvidia_stages, CUDA_SUITE_TO_RUNNER）: 更新命令行处理逻辑，添加新套件到映射表，确保 /rerun-stage 命令能正确重定向测试。
• test/run_suite.py（模块 测试运行；类别 test；类型 configuration；符号 PER_COMMIT_SUITES）: 注册新测试套件名称到全局套件映射，确保测试运行器能识别和执行新套件。
• test/registered/4-gpu-models/test_qwen35_fp4_mtp_v2.py（模块 测试覆盖；类别 test；类型 test-coverage；符号 register_cuda_ci）: 示例测试文件，套件标签从 'stage-c-test-4-gpu-b200' 改为 'stage-c-test-4-gpu-b200-small'，反映分割策略。

关键符号：register_cuda_ci

关键源码片段

test/registered/4-gpu-models/test_qwen35_fp4_mtp_v2.py

示例测试文件，套件标签从 'stage-c-test-4-gpu-b200' 改为 'stage-c-test-4-gpu-b200-small'，反映分割策略。

from sglang.test.ci.ci_register import register_cuda_ci
​
# 变更前：suite="stage-c-test-4-gpu-b200"
# 变更后：suite="stage-c-test-4-gpu-b200-small"，表示此测试现在属于低磁盘容量 runner 池
register_cuda_ci(est_time=540, suite="stage-c-test-4-gpu-b200-small")
​
# 其他测试逻辑保持不变，仅套件标签更新以适配 runner 分割
class TestQwen35FP4MTPV2(ReasoningTokenUsageMixin, CustomTestCase):
    # ... 测试方法实现未改动

评论区精华

无 review 评论，变更由作者 Kangyan-Zhou 直接提交并通过 /rerun-stage 命令验证执行成功，表明无重大争议。

• 暂无高价值评论线程

风险与影响

• 风险：
  1. 配置错误风险：新 job stage-c-test-4-gpu-b200-small 在 .github/workflows/pr-test.yml 中的条件逻辑（if 语句）或依赖关系若设置不当，可能导致测试不运行或重复执行。
  2. 测试覆盖失衡：测试分割可能影响负载均衡，新套件分区大小调整为 3，若时间估算不准确，可能导致部分测试超时或资源浪费。
  3. runner 标签依赖：变更依赖于外部 runner 池正确配置 4-gpu-b200-low-disk 等标签，若标签未及时应用，新 job 可能无法分配到 runner。
  4. 回归风险：修改多个测试文件的 register_cuda_ci 调用，若套件名称拼写错误或未在 run_suite.py 中注册，可能导致测试被忽略。
• 影响：
  1. 对用户：无直接影响，不涉及功能或性能变更。
  2. 对开发团队：CI 测试更灵活，低磁盘 runner 可参与部分测试，可能减少队列等待时间，提高开发效率；但增加了 CI 配置复杂度，需团队熟悉新的套件分割策略。
  3. 对系统：优化硬件资源使用，提升测试吞吐量；长期可能降低基础设施成本，但需维护额外的 runner 池和标签逻辑。
     - 风险标记：配置依赖变更, 测试覆盖调整, CI流程复杂度增加

关联脉络

• PR #23413 Fix docker build error: 同为基础设施变更，涉及 CI/CD 配置修复，展示团队对基础设施优化的持续关注。
• PR #23409 feat: enable SGLANG_PATCH_TOKENIZER by default: 涉及环境变量默认值调整，虽非直接相关，但体现 CI 环境配置的演进脉络。