执行摘要

• 一句话：优先使用官方一致性 GT，缺失时回退到 sglang 版本
• 推荐动作：建议开发者阅读 test_utils.py 中的 _load_official_consistency_gt_outputs 和 _remote_consistency_gt_base_urls 实现，这是一个优雅的多源 GT 优先级策略。测试编写者也值得学习如何用 monkeypatch 模拟远程依赖来覆盖复杂分支。

功能与动机

在 diffusion 模型一致性测试中，官方仓库（如原始模型仓库）现在也生成了 GT 输出，这些输出被视为更权威的基准。优先使用官方 GT 可以更早发现回归问题，并提高测试的可信度。PR 说明中也提到要保持 Ascend 专用 GT 查找在前，并使用单元测试覆盖选择顺序。

实现拆解

1. 动态加载官方 GT 映射：在 test_utils.py 中引入 _load_official_consistency_gt_outputs 函数，通过 HTTP GET 请求远程 case_map.json 获取每个 case 声明的官方输出文件列表，结果缓存到全局变量 _official_consistency_gt_outputs_cache。
2. 构建多源 GT 优先级逻辑：新增 _remote_consistency_gt_base_urls 函数（替代原硬编码的 SGL_TEST_FILES_CONSISTENCY_GT_BASES），根据平台（普通或 Ascend）和 case 是否声明了官方 GT，动态决定 base URL 顺序：先官方 base，再 sglang base。Ascend 平台的专用 URL 始终优先于默认目录。
3. 处理跳过和未声明 case：定义 OFFICIAL_CONSISTENCY_GT_SKIP_CASES 集合，跳过已知有问题的 LTX 和 Qwen edit case，强制使用 sglang GT。case 若未在 case_map.json 中声明，则忽略官方目录，直接走 sglang 路径。
4. 更新 CI 数据修订版：将 SGL_TEST_FILES_CI_DATA_REVISION 更新到包含官方 GT 的新提交。
5. 单元测试覆盖：在 test_consistency_metrics.py 中通过 monkeypatch 模拟远程响应，验证：优先选择官方文件、忽略未映射文件、回退行为、跳过集合、视频场景等。
6. 调整一致性阈值：修改 h100.json 中多个 case 的 PSNR、SSIM 和 mean_abs_diff 阈值，使其适合与官方 GT 比较。
7. 附带改进：修复 server_warmup.py 的日志格式（失败时记录堆栈），调整 gen_diffusion_ci_outputs.py 的导入顺序。

关键文件：

• python/sglang/multimodal_gen/test/test_utils.py（模块 测试工具；类别 test；类型 test-coverage；符号 _load_official_consistency_gt_outputs, _official_consistency_gt_outputs_for_case, _is_official_consistency_gt_base_url, _official_consistency_gt_candidate_is_declared）: 实现核心 GT 选择逻辑，包括动态加载官方 GT 映射、优先级排序、Ascend 平台处理、跳过集合
• python/sglang/multimodal_gen/test/unit/test_consistency_metrics.py（模块 测试用例；类别 test；类型 test-coverage；符号 _set_official_gt_outputs, _disable_remote_official_gt_case_map, test_remote_image_gt_prefers_official_when_present, test_remote_image_gt_ignores_unmapped_official_file）: 添加大量单元测试覆盖官方 GT 优先、回退、跳过、Ascend 平台等场景
• python/sglang/multimodal_gen/test/server/consistency_thresholds/h100.json（模块 配置；类别 test；类型 configuration）: 调整阈值以匹配新官方 GT，影响测试通过标准
• python/sglang/multimodal_gen/runtime/server_warmup.py（模块 预热器；类别 source；类型 core-logic）: 附带日志改进，失败时记录完整堆栈
• python/sglang/multimodal_gen/test/server/perf_baselines/h100.json（模块 配置；类别 test；类型 configuration）: 调整 e2e 性能基线以匹配新 GT 和阈值
• python/sglang/multimodal_gen/test/scripts/gen_diffusion_ci_outputs.py（模块 CI 脚本；类别 test；类型 other）: 调整导入顺序，适应重构

关键符号：_load_official_consistency_gt_outputs, _official_consistency_gt_outputs_for_case, _is_official_consistency_gt_base_url, _official_consistency_gt_candidate_is_declared, _remote_consistency_gt_base_urls, _is_ascend_consistency_case, _find_remote_consistency_gt_files, _set_official_gt_outputs, get_consistency_gt_candidates

关键源码片段

python/sglang/multimodal_gen/test/test_utils.py

实现核心 GT 选择逻辑，包括动态加载官方 GT 映射、优先级排序、Ascend 平台处理、跳过集合

def _load_official_consistency_gt_outputs() -> dict[str, frozenset[str]]:
    """Return case_id -> declared official GT outputs from the pinned ci-data map."""
    global _official_consistency_gt_outputs_cache
    if _official_consistency_gt_outputs_cache is not None:
        return _official_consistency_gt_outputs_cache
​
    # 构造远程 case_map.json URL，使用固定修订版避免缓存不一致
    url = f"{SGL_TEST_FILES_OFFICIAL_CONSISTENCY_GT_BASE}/case_map.json"
    outputs_by_case: dict[str, frozenset[str]] = {}
    try:
        resp = requests.get(url, timeout=30)
        if resp.status_code == 200:
            data = resp.json()
            # 转换每个 case 的输出文件列表为 frozenset 以便快速查找
            for case_id, outputs in data.items():
                outputs_by_case[case_id] = frozenset(outputs)
        else:
            logger.warning("Failed to load official consistency GT case map, HTTP %d", resp.status_code)
    except Exception as exc:
        logger.warning("Failed to load official consistency GT case map: %s", exc)
​
    _official_consistency_gt_outputs_cache = outputs_by_case
    return outputs_by_case

python/sglang/multimodal_gen/test/unit/test_consistency_metrics.py

添加大量单元测试覆盖官方 GT 优先、回退、跳过、Ascend 平台等场景

def test_remote_image_gt_prefers_official_when_present(monkeypatch):
    # 设置平台为 h100
    monkeypatch.setenv(test_utils.CONSISTENCY_PLATFORM_ENV, "h100")
    # 构造一个匹配的官方文件
    expected_filename = f"unit_image_1gpu.{test_utils.output_format_to_ext(None)}"
    _set_official_gt_outputs(monkeypatch, {"unit_image": [expected_filename]})
    # 模拟只有官方 URL 可访问
    monkeypatch.setattr(test_utils, "_remote_file_exists",
                        lambda url: url.startswith(test_utils.SGL_TEST_FILES_OFFICIAL_CONSISTENCY_GT_BASE + "/"))
​
    files = test_utils._find_remote_consistency_gt_files("unit_image", 1, is_video=False)
​
    # 断言只返回官方路径
    assert files == [(expected_filename,
                      f"{test_utils.SGL_TEST_FILES_OFFICIAL_CONSISTENCY_GT_BASE}/{expected_filename}")]

评论区精华

无实质性讨论，本 PR 由提交者独立演进，未产生 review 对话。自动化代码审查工具（gemini-code-assist）给出了无反馈的评论。

• 暂无高价值评论线程

风险与影响

• 风险：
  1. 远程配置依赖：_load_official_consistency_gt_outputs 依赖 ci-data 仓库的 case_map.json 可用性和网络连通性。如果该服务不可用，测试将失败或回退到 sglang GT（取决于异常处理）。当前实现在请求失败时返回空映射，然后 fallback 到 sglang GT，具有一定韧性。
  2. Skip 列表维护成本：OFFICIAL_CONSISTENCY_GT_SKIP_CASES 中的 case 需要手动维护，如果问题 case 修复后未及时移除，会导致永远不使用官方 GT。
  3. 阈值调整影响：h100.json 的阈值同时被放宽和收紧，可能导致某些 case 更容易通过或失败。如果阈值与官方 GT 不匹配，可能掩盖回归。
  4. 缓存一致性：_official_consistency_gt_outputs_cache 是进程级缓存，单次测试运行中生效。但若某 case 的官方 GT 中途被更新，不会重新加载。考虑到测试运行时间较短，此风险可控。
     - 影响：影响所有运行 diffusion 一致性测试的 CI 平台（H100、B200、5090、NPU 等）。开发者将使用更权威的官方 GT 进行回归检测，提高测试可靠性。需要团队维护远程 case_map.json 和跳过集合，但维护成本较低。附带日志改进提升了 warmup 失败的可调试性。
     - 风险标记：远程配置依赖, skip cases 维护成本, 阈值调整影响

关联脉络

• 暂无明显关联 PR