执行摘要

• 一句话：H200 CI 负载下沉 18GB MIG，大内存用例拆分保留 35GB。
• 推荐动作：

功能与动机

PR body 明确说明目标：将 CUDAGraph 和 V1 Executor + Worker 迁到 h200_18gb，并把 Samplers 和 E2E Core 拆开，让较小测试使用 18GB 切片，而 Qwen2-Audio 多模态 beam search、Gemma-3n KV-sharing fast-prefill 全六种变体、Mamba 两种 MRV2 变体继续留在 h200_35gb。核心动机是 35GB MIG 切片是稀缺资源，大量测试实际内存占用远低于切片上限，下沉到 18GB 可以释放 35GB 切片给真正需要大内存的用例；PR 同时明确声明不改变任何模型、上下文长度或内存预算设置。

实现拆解

变更入口是 .buildkite/test_areas/ 下的 4 个 CI 步骤定义文件，按四步完成：

1. 直接队列切换：.buildkite/test_areas/cuda.yaml 的 CUDAGraph 步骤（key: cudagraph）和 .buildkite/test_areas/misc.yaml 的 V1 Executor + Worker 步骤（key: v1-executor-worker）仅将 device: h200_35gb 改为 h200_18gb。这两组在 18GB 上验证通过（CUDAGraph 102 个通过；V1 Executor + Worker 694 个通过、1 个跳过），说明内存需求远低于切片上限，下沉无风险。

2. Samplers 拆分：.buildkite/test_areas/samplers.yaml 主组迁入 18GB 后，在两条命令中追加 -k "not test_beam_search_passes_multimodal_data" 排除多模态 beam search 用例；文件末尾新增 samplers-multimodal-beam-search 步骤（35GB），以 VLLM_USE_FLASHINFER_SAMPLER=0/1 两种模式分别运行该用例，排除原因在注释中说明：Qwen2-Audio-7B 在 16 GiB 切片上不剩 KV cache 空间。

3. E2E Core 拆分（最复杂）：.buildkite/test_areas/engine.yaml 主组迁入 18GB，并用 --ignore v1/e2e/general/test_kv_sharing_fast_prefill.py 和 -k "not test_mamba_prefix_cache_mrv2" 过滤大内存用例；新增 e2e-core-large-memory 步骤（35GB），显式列出 Gemma-3n 六个 KV-sharing fast-prefill 变体和 Mamba MRV2 同步/异步两个用例。关键细节是 AMD mirror 块被加上显式 commands 覆盖，防止 NVIDIA 侧的过滤条件传播到 AMD 侧导致覆盖收缩。

4. 验证闭环与回退：第一次 targeted run（#88636）在 18GB 上发现 Mamba MRV2 两个用例真实 OOM（FlashInfer 请求 512 MiB，切片仅剩 208-366 MiB），第二次提交将这两个用例保留到 35GB 后，最终 run（#88716）在 PR head ebbe149 上 6 个 GPU 任务全部通过。验证采用 [skip ci] 抑制自动全量 CI，并用 VLLM_CI_ONLY_STEP_KEYS 将分支构建钉到指定步骤；另外还用 ci-infra 5aeb315 的生成器验证了恰好 6 个 NVIDIA 步骤加前置依赖、AMD 命令未丢失。

关键文件：

• .buildkite/test_areas/engine.yaml（模块 .buildkite/test_areas；类别 config；类型 configuration）: 配置/契约；包含 配置键调整；+17/-3
• .buildkite/test_areas/samplers.yaml（模块 .buildkite/test_areas；类别 config；类型 configuration）: 配置/契约；包含 配置键调整；+19/-4
• .buildkite/test_areas/cuda.yaml（模块 .buildkite/test_areas；类别 config；类型 configuration）: 配置/契约；包含 配置键调整；+2/-2
• .buildkite/test_areas/misc.yaml（模块 .buildkite/test_areas；类别 config；类型 configuration）: 配置/契约；包含 配置键调整；+2/-2

关键符号：未识别

评论区精华

本 PR 没有实质人工 review 讨论：0 条 review 评论、0 条普通评论，仅 claude[bot] 自动提示该仓库配置了人工 review 模式。PR body 承担了全部审计职责，包括构建结果表格、执行/跳过覆盖对照（与原始 35GB 任务一致、无测试被丢弃）、生产管线生成器校验以及重复工作排查（确认无既有 PR 做相同队列迁移）。

• 暂无高价值评论线程

风险与影响

• 风险：
  1. 过滤条件误伤风险：engine.yaml 中 -k "not test_mamba_prefix_cache_mrv2" 是 pytest 子串匹配，会连带排除 test_mamba_prefix_cache_mrv2_async 等所有名称含该子串的用例；当前 35GB 步骤显式列名兜底，但未来新增 _mrv2_* 用例不会自动纳入 35GB 步骤，存在静默丢覆盖风险。
  2. MIG 18GB 内存余量小：实测切片空闲内存仅约 208-366 MiB 量级，Mamba MRV2 已触发一次 OOM；未来新增大内存用例极易再次踩线，需要依赖 #56747 的 MIG 内存遥测持续监控。
  3. AMD/NVIDIA 命令分离：engine.yaml 中 AMD mirror 显式覆盖 commands，后续修改 NVIDIA 侧过滤规则时若忘记同步 AMD 块，会导致两侧行为不一致。
  4. 覆盖依赖新步骤触发条件：被排除用例的覆盖完全依赖新增步骤的 source_file_dependencies 命中，若未来相关源码目录调整导致依赖不匹配，新步骤可能不触发而无人察觉。
     - 影响：对最终用户无感知，不涉及任何模型、运行时或推理逻辑变更；影响集中在 CI 基础设施：35GB 切片负载下降、18GB 切片利用率提升，释放稀缺的大内存切片资源。对团队而言，CI 维护者需要理解和维护
     - 风险标记：暂无

关联脉络

• 暂无明显关联 PR