执行摘要

本 PR 为 ModelOpt NVFP4 量化的扩散模型（flux2 和 wan22）在 B200 CI 中的一致性测试添加了专有阈值，解决了因默认阈值过紧导致的 CI 失败。仅修改测试配置文件，无生产代码变更，风险极低。

功能与动机

PR #29315 的 base CI 运行中，flux2_modelopt_nvfp4_t2i 和 wan22_modelopt_nvfp4_t2v 两个 case 的一致性指标未通过默认阈值。例如 flux2 的 ssim 实测 0.8864 低于默认的 0.95，psnr 实测 17.4954 低于默认的 28.0。作者 BBuf 在 PR body 中列出了详细的实测值与旧阈值对比，表明需要根据实际量化精度放宽阈值。

实现拆解

1. 识别失败 case：从 CI 日志中锁定两个失败 case 及其具体指标。
2. 添加专有阈值：在 python/sglang/multimodal_gen/test/server/consistency_threshold.json 的 cases 字典中新增两个条目，每个条目包含 clip_threshold、ssim_threshold、psnr_threshold、mean_abs_diff_threshold 四个阈值。阈值设定略低于实测值，确保通过。
3. 保持全局缺省不变：其他 case 和全局阈值（在测试框架中定义）不受影响，保证风险隔离。
4. 验证：通过本地 git diff --check 和逻辑比对确认新阈值能允许实测值通过。

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

唯一变更文件，为两个扩散模型 case 添加了专有的一致性测试阈值。

// python/sglang/multimodal_gen/test/server/consistency_threshold.json
// 新增 flux2_modelopt_nvfp4_t2i 和 wan22_modelopt_nvfp4_t2v 两个 case 条目
{
    "_comment": "Some cases use lower thresholds; raise them if quality/perf improves later.",
    "cases": {
        // ... 其他 case ...
        // 新增：flux2 图像生成，NVFP4 量化，阈值基于实际 CI 失败观测值
        "flux2_modelopt_nvfp4_t2i": {
            "clip_threshold": 0.92,
            "ssim_threshold": 0.86, // 原默认 0.95，实测 0.8864
            "psnr_threshold": 17.0, // 原默认 28.0，实测 17.4954
            "mean_abs_diff_threshold": 9.5 // 原默认 8.0，实测 8.7758
        },
        // ... 其他 case ...
        // 新增：wan22 视频生成，NVFP4 量化
        "wan22_modelopt_nvfp4_t2v": {
            "clip_threshold": 0.90, // 原视频默认 0.90，实测 0.9978
            "ssim_threshold": 0.90, // 原视频默认 0.92，实测 0.9097
            "psnr_threshold": 24.0, // 原视频默认 24.0，实测 32.0379
            "mean_abs_diff_threshold": 10.0 // 原视频默认 10.0，实测 4.3456
        },
        "fastwan2_2_ti2v_5b": {
            "clip_threshold": 0.90,
            "ssim_threshold": 0.88,
            "psnr_threshold": 24.0,
            "mean_abs_diff_threshold": 10.0
        }
        // ... 其余 case ...
    }
}

评论区精华

无明显 review 讨论。PR body 中作者 BBuf 提供了详细的失败指标和阈值决策依据。

风险与影响

• 风险：低风险。仅修改测试配置，无生产代码变更。新阈值基于实测值，但可能略低于理想精度；未来量化质量提升后可考虑收紧。
• 影响：解决 B200 CI 中特定扩散模型的持续失败，保持 CI 主干健康度。不影响其他硬件或测试 case。

关联脉络

• 触发 PR #29315：该 PR 的 CI 运行首先暴露了阈值过紧问题。
• 无其他历史 PR 关联：仅独立的测试维护。