执行摘要

本 PR 基于最新 main 分支成功的多模态生成 CI 运行，系统性收紧 H100 上所有已有 test case 的一致性阈值（clip、ssim、psnr、mean_abs_diff），采用固定 margin 公式。这是一次纯粹的测试配置优化，无源码逻辑变更，旨在提高 CI 对模型退化检测的灵敏度，降低假阴性概率。

功能与动机

根据 PR body 所述，最近一次 main 分支 scheduled multimodal-gen run（run 27242606028）完成后，作者希望利用该运行的实际观测指标，收紧现有 threshold 的容忍度。规则设定为：

• clip_threshold: latest worst clip 减 0.02，上限 0.98
• ssim_threshold: latest worst SSIM 减 0.04，上限 0.95
• psnr_threshold: latest worst PSNR 减 3 dB，上限 30 dB
• mean_abs_diff_threshold: latest worst mean abs diff 加 3，下限 4

所有调整均保留合理 margin，避免过度敏感。不改变全局默认值，不新增 case。

实现拆解

本 PR 只改动一个文件 python/sglang/multimodal_gen/test/server/consistency_thresholds/h100.json，内容是完全的 JSON 配置。变更过程：

1. 从 CI 产物中提取所有 case 在 run 27242606028 中的最差观测值。
2. 对每个 case 的四个指标分别应用上述公式计算新阈值。
3. 确保结果不超出 cap/floor 限制，且仅收紧现有 override，未引入新条目。
4. 使用 python3 -m json.tool 验证 JSON 格式，git diff --check 检查空白。

由于是纯配置调整，不需要运行单元测试（但本地因环境缺失 pybase64 跳过）。

python/sglang/multimodal_gen/test/server/consistency_thresholds/h100.json

唯一变更文件，调整了所有 20+ 个测试用例的 4 个一致性指标阈值，基于最新 CI 运行数据。这是提升测试灵敏度的核心操作。

{
    // 示例：ideogram4_nvfp4_t2i 的收紧前后对比
    // ( 注释遵守盘古排版：中文与英文、数字之间留空格 )
    "clip_threshold": 0.98, // 从 0.97 收紧 ( 减 0.02 后 cap 0.98)
    "ssim_threshold": 0.95, // 从 0.78 大幅收紧 ( 减 0.04 后 cap 0.95)
    "psnr_threshold": 18.0, // 保持不变 ( 历史观测值未触发减小 )
    "mean_abs_diff_threshold": 4.0 // 从 18.0 断崖式收紧 ( 加 3 后 floor 4)
}

评论区精华

本 PR 无人类 reviewer 评论，仅 Gemini Code Assist 机器人自动回复，无额外建议。

风险与影响

• 风险：新阈值基于单次 CI 运行，若有偶发性波动，可能导致不必要的 CI 失败。但 margin（减 0.02/0.04/3 dB 或加 3）预留了一定缓冲。若模型质量因合法优化提升，阈值不会自动放宽，需手动更新（但这与本次收紧方向一致，不算问题）。
• 影响：直接影响 diffusion 测试套件，使得 CI 对图像/视频生成质量的微小退化更敏感。开发者在提交与多模态生成相关的代码时，需关注新阈值，失败时确认是否真实退化。无性能或业务逻辑影响。

关联脉络

本 PR 与 #29791（添加 5090 diffusion GPU CI 防护）共同构成 diffusion CI 增强系列，一个扩展硬件覆盖，一个提升测试可靠性。此前还有 #29789 清理 diffusion 死代码，#29693 为 AMD 添加 diffusion JIT 测试。整体反映团队正在系统性地加固多模态生成测试基础设施，为后续模型迭代提供更稳定的质量门。