英伟达开源 Sol-H3，给 MiniMax-H3 加速，5 秒视频 1.4 秒出

英伟达把 33B 视频模型 MiniMax-H3 的推理优化开源了。

5 秒 1344×768 带立体声视频，8 卡 GB200 上 1.4 秒出片。单张 RTX 5090 也要 39.8 秒。

方案叫 Sol-H3，出自 NVlabs/Sana 仓库 sol-engine 分支，论文 9 月底挂出。

SECTION 0101 痛点：33B 视频模型，单卡根本跑不动

我最近在研究视频生成部署，绕不开 MiniMax-H3。它是 8 月初开源的 33B 全模态视频模型，一次生成带原生立体声的视频。

生态已经很热闹。ComfyUI 当天支持，社区量化、少步 LoRA 一堆。

问题也跟着来。33B 参数加 49 步去噪，单卡跑 5 秒 768p 要十几分钟。

云上按秒烧钱，本地根本装不下。

SECTION 0202 怎么压下来的：两阶段 + 潜空间直通

Sol-H3 的思路是把 49 步去噪换成两阶段。

Stage 1 在 672×384 小画布上跑 4 步，定下构图、运动、主音轨。

Stage 2 换 LTX-2.5，在全分辨率跑 3 步补高频细节。

49 次前向，变 7 次。

最巧的是那个 194M 参数的小适配器。

两个模型各用各的 VAE。常规做法是解码回像素再编码，一来一回 12.75 秒，比去噪本身还贵。

Sol-H3 训练一个适配器在潜空间之间直接翻译，耗时 63.1 毫秒，快 202 倍。

2.1 潜空间直通怎么做的

H3 的 VAE 是 24 通道、16 倍空间压缩。LTX-2.5 的 VAE 是 128 通道、32 倍压缩。

两组潜空间互不相通，时间对齐最难。H3 按 17 帧一块编码，LTX 用 8 倍因果网格。论文用”按物理帧位置对齐 + 无参数打包”绕过去。

效果：峰值显存从 13.79 GiB 降到 0.785 GiB。在 256 段测试视频上，与 LTX 解码结果 PSNR 达到 30.618dB。

2.2 剩下三层加速

通信。多卡并行时，基线每步要花 94 毫秒在布局转换和集合通信上。

RSI 把三次 QKV 交换合并成一次，纯布局改动，逐位一致。

传输还能再压一层。QKV 走块量化，输出按 132→144 字节对齐后，单条记录反而比不对齐更小格式传得快。

稀疏注意力。精修阶段 token 数暴涨，Sol-Attn 按 64-token 块打分，只算高分块。

三步精修分别取阈值 1.0、1.25、1.5。前两层永远全 dense。

安全栏：H3 把”文本｜条件视频｜音频｜目标视频”打包成一条序列，前面整个前缀全部走精确注意力。音频链路一松，人声就崩。

显存瘦身。DGX Spark 和 RTX 5090 用的三板斧。

AdaLN 预计算省约 24GB，提示词缓存释放 16.2 GiB，量化用 FP8 H3 加 NVFP4 Qwen。

三招下来 142.4 GiB 压到 116.9 GiB，刚好塞进 119.68 GiB 的统一内存。

SECTION 0303 RSI 循环：AI 改内核，但戴着手铐

系统层那些脏活累活，它交给 RSI 循环。

它自动搜内核融合、内存布局、通信边界，跑分测延迟，再验证数值一致性，通过才收货。

论文给这个循环戴了副手铐，叫 fail-closed。

RSI 只能改”同一个生成契约的实现方式”，绝不能改契约本身。

步数不能少、分辨率不能动、数值轨迹不能偏。改完必须证明是同一起跑线上的纯提速，证明不了就丢弃。

3.1 反面教材：LoRA 合并为什么不行

把 LoRA 权重直接合并进基座，在 BF16 下 86.1%~94.4% 的非零权重更新会”四舍五入”回原值。

表面省了计算，实际数值轨迹已经变了。

同样的提示词和种子，合并后画面里恐龙变橙黄色、女孩从直发变卷发。

3.2 替代方案：消费者融合

保留 LoRA 两条分支的三次矩阵乘，把加法揉进下游内核，保留每个 BF16 舍入点。

结果在测试输入上逐字节一致，还比原生分支快 0.694 秒。

把全文加速手段分成两本账，看任何数字先问一句”这是哪本账”：

SECTION 0404 各硬件档怎么跑

仓库按硬件铺了 5 条路线。

你按手里的卡对号入座：

所有路径都来自仓库文档，要求 Linux。

Windows 用户建议 WSL2。

SECTION 0505 数字好用，边界要看清

所有基准都是官方在特定配置下的自报数。

多卡延迟取五次热请求中位数，但每档任务只测一个提示词、一个种子。

RTX 5090 的 39.8 秒是单次正式请求，不是统计量。

有几处你要留心的取舍。

MXFP8 档画质损失明显，同种子 PSNR 13.82dB，能看出差别。

参考 KV 缓存是近似方案，适合参考素材很重的场景。

H3 权重走 MiniMax 社区协议，商用前务必读 LICENSE 原文。

这套方案深度绑定 NVIDIA 硬件栈。

从 cuDNN 稀疏后端到 SM100 专属的 MXFP8 路径，脱离 NVIDIA 卡复现不了。

画质成色，直接看对比。

1344×768、5 秒，提示词”拥挤的日本街头，一男一女气氛紧张地交谈”。

49 步基线对比 Sol-H3：场景结构、人物身份、运动连续性保持，同一提示词下较基线提速 22.2 倍。

1080p 竹林武侠场景同样成立。高频细节正是 Stage 2 的活，相对基线 42.6 倍。

SECTION 06写在最后

英伟达值钱的地方，是示范了 AI 如何改自己内核。

改完能用数值验证，验证不了就丢弃。

视频部署的第二战场，从拼模型转向，拼谁部署得又快又便宜。

GitHub：https://github.com/NVlabs/Sana/tree/sol-engine/models/minimax_h3