执行摘要

• 一句话：精简 SP/AsyncTP 端到端测试点并迁至 nightly
• 推荐动作：值得阅读，尤其是负责 CI/测试矩阵的工程师。优点：用 _build_sp_args + _compare_sp_settings 把环境过滤与参数构建抽离，配合 compare_all_settings 做批量对比，是很实用的测试重构范式；同时把耗时功能从 PR 门禁移到 nightly，体现测试分级思想。但要注意覆盖面取舍，后续若有 SP + eager/chunked prefill 相关改动应单独补测。

功能与动机

PR body 明确说明动机：「Sequence Parallel Correctness Tests takes over an hour and isn't a default feature users run into. Let's greatly simplify the duplicated test points and run it on the nightly. Similar to AsyncTP」。即测试成本与收益不匹配：SP 不是默认路径却占用超过 1 小时 CI，且大量参数组合重复，需要大幅精简并移到夜间任务。

实现拆解

1. tests/compile/correctness_e2e/test_sequence_parallel.py：移除 ParallelSetup 中的 chunked_prefill 字段，删除 SPTestSettings.detailed 工厂方法；fast 组合从 eager × pp × chunked 降为仅 pp 两种配置，固定 eager_mode=False；fp8_quant 只遍历融合开关。模型矩阵改为 hmellor/tiny-random-LlamaForCausalLM 与 RedHatAI/Llama-3.2-1B-Instruct-FP8。
2. 把 _compare_sp 重构为 _build_sp_args（返回 (tp_args, tp_sp_args) 或 None）和 _compare_sp_settings（按相同 baseline 分组后调用 compare_all_settings）；test_tp_sp_generation 根据 PyTorch 版本动态决定 use_inductor_graph_partition 候选，并按设备能力统一过滤跳过条件。
3. tests/compile/correctness_e2e/test_async_tp.py：移除 eager 模式参数化，FP8 模型改为 1B 的 RedHatAI/Llama-3.2-1B-Instruct-FP8。
4. tests/compile/passes/distributed/test_async_tp.py：测试模型默认 dtype 改为 bfloat16；dtype 参数化只保留 bf16，删除 FP16 分支及对应的 skip 逻辑（FP8 _scaled_mm 行缩放只支持 bf16 精度）。
5. .buildkite/test_areas/compile.yaml 与 tests/models/registry.py：删除固定执行的 2 GPU SP job 和 H100 AsyncTP job，合并为 B200 的可选步骤（optional: true），SP job 超时从 80 分钟降到 45 分钟；registry 为 LlamaForCausalLM 增加 fp8_1b 额外项指向新的 1B FP8 模型。整套改动属于测试资源与 CI 门禁策略调整。

关键文件：

• tests/compile/correctness_e2e/test_sequence_parallel.py（模块 序列并行；类别 test；类型 test-coverage；符号 SPTestSettings.fast, SPTestSettings.fp8_quant, _build_sp_args, _compare_sp_settings）: SP 正确性测试矩阵的核心改动：删除 detailed、缩减 fast 组合、用 compare_all_settings 聚合对比，是本 PR 的变更主体。
• tests/compile/passes/distributed/test_async_tp.py（模块 异步 TP；类别 test；类型 test-coverage；符号 TestMMRSModel.init, TestAGMMModel.init, _BaseScaledMMModel.init, test_async_tp_pass_replace）: FP8 _scaled_mm 只支持 bf16 行缩放，因此把模型默认 dtype 和参数化都收敛到 bf16，删除 FP16 分支。
• .buildkite/test_areas/compile.yaml（模块 CI 配置；类别 config；类型 configuration）: 把 SP/AsyncTP 正确性测试的 CI 步骤合并为 2xB200 可选任务，删除固定执行的 H100/2GPU 步骤。
• tests/compile/correctness_e2e/test_async_tp.py（模块 异步 TP；类别 test；类型 test-coverage；符号 test_async_tp_pass_correctness）: 移除 eager 模式参数化，FP8 模型换成 1B 版本，减少重复测试点。
• tests/models/registry.py（模块 模型注册；类别 test；类型 test-coverage）: 为新的 1B FP8 模型添加 fp8_1b 额外项，供 async TP 测试使用。

关键符号：SPTestSettings.fast, SPTestSettings.fp8_quant, _build_sp_args, _compare_sp_settings, test_tp_sp_generation, test_tp_sp_generation_prompt_embeds, test_async_tp_pass_correctness, test_async_tp_pass_replace

评论区精华

PR 没有任何人工 review 评论或内联讨论，唯一的审核记录是 claude[bot] 的自动提示：由于 PR 来自 fork，自动化 review 被关闭，维护者可手动触发 @claude review。虽然零讨论，但变更清楚呈现了测试矩阵与 CI 门禁的取舍：用更小的模型、更少的组合换取合并门禁速度，把完整覆盖交给 nightly。

• fork 的自动化 review 被关闭 (other): 没有人工 reviewer 参与讨论；由于改动只涉及测试与 CI 配置，风险可控。

风险与影响

• 风险：
  • 可选化导致门禁覆盖缺口：SP 与 AsyncTP 全量正确性从 merge 前必跑改为 optional: true，默认不再阻塞 PR，若 nightly 故障未被及时关注，回归可能在合并后才暴露。
  • 组合删减可能漏掉 eager/chunked-prefill 与 SP 的交互：chunked_prefill 字段被整体删除，fast 只保留 eager_mode=False，未来若影响 eager + chunked + SP 的交互路径，现有测试无法捕获。
  • FP8 模型更换降低负载代表性：Llama-3.2-1B-Instruct-FP8 比原先 8B 模型更小，权重加载和 FP8 量化路径的集成覆盖弱于 8B 模型；不过 FP8 算子本身仍有 passes/distributed 单元测试补位。
  • compare_all_settings 行为改变：从两两对比变为分组多对一，同一 baseline 下多个变体失败时定位不如两两对比直观。
  • .buildkite 步骤移除 source_file_dependencies：按源码变更自动调度该 job 的行为被移除，改为固定 B200 可选任务，触发时机更不透明。
  • 影响：覆盖范围：5 个文件、-199/+113 行，全部为测试与 CI 配置，无运行时源码改动。影响主体是编译模块的测试矩阵与 buildkite compile group：SP e2e 测试从固定 2 GPU job + H100 job 变为单个 2xB200 可选 job，AsyncTP e2e 同步缩减。对用户无功能影响；对团队影响集中在 CI 时间成本和回归发现周期——合并门禁更快，但夜间回归发现会延后。
  • 风险标记：CI 门禁覆盖收窄, 测试矩阵缩减, 可选 nightly 任务, 无人工审查

关联脉络

• PR #51087 [CI] Add run-all comment commands: 同一 CI 基础设施演进线：把 CI 触发方式做成可配置命令，与本 PR 把重测试移出门禁的目的一致。
• PR #51079 [ci] Update CI notify workflow with PR write permissions: CI 通知工作流权限调整，同属 CI 基础设施稳定化。
• PR #51015 [CI] Stabilize GLM-5.2 PCP evaluation: CI/测试稳定化（GLM eval 配置），说明团队在持续调整测试运行策略。