背景

Wan 2.1 T2V 1.3B 在昇腾上部署 MXFP4 W4A4 时，若直接对稠密权重做推理量化，FFN 误差会反映到生成质量。需要在训练阶段用与推理算子一致的伪量化，让 Student 学会补偿这部分误差。

目标

在 FlashGen 中支持 Wan 2.1 T2V 1.3B 的 MXFP4 W4A4 QAT：

• 前向伪量化与 aclnnDynamicDualLevelMxQuant 对齐（宏组 512 / block 32，E2M1，饱和 6.0）
• 默认只量化 DiT 各 block 的 ffn.fc_in / ffn.fc_out
• 训练循环复用 FastVideo v0.2.0 的 FineTuneMethod，FlashGen 只补充伪量化与注入
• 8 卡启动可用：默认不在线编码 negative prompt，默认关闭 wandb
• 数据读取与现有 parquet 写入端对齐（pyarrow==19.0.1）

范围

包含：

• flashgen/methods/mxfp4_fakequant.py
• flashgen/networks/wan.py 注入逻辑
• flashgen/configs/wan_qat.yaml
• tests/test_mxfp4_fakequant.py
• 相关 SPDX / 依赖钉扎等代码改动

不包含：

• QAT / DMD / VBench 用户文档（单独文档 issue / PR）
• 推理实现（在昇腾原生 Wan2.1 仓完成）

验收

• 配置 wan_qat.yaml 可拉起训练，日志出现 MXFP4 fake-quant enabled
• 单元测试覆盖 E2M1、双级缩放、层替换与注入
• 去掉 mxfp4_quant 块可回退稠密微调