Видеомодель MiniMax H3 на SGLang генерирует ролик вдвое быстрее, чем он длится
По данным MiniMax, связка SGLang и VDN-H3 на восьми B200 делает 14,4 секунды видео в 768p за 9 секунд. Потерь качества в тестах на 103 запросах авторы не намерили.
Видеомодель MiniMax H3 с открытыми весами стала ещё быстрее. Компания MiniMax сообщила в X, что на восьми видеокартах B200 модель выдаёт 14,4 секунды видео в разрешении 768p за 9 секунд. Результат получили на движке SGLang с доработкой VDN-H3. Цифру приводят для «прогретой» системы, то есть без учёта первого запуска.
Подробности есть в процитированном посте проекта SGLang. Расшумление занимает у модели 8 шагов, а не 50, как в исходной версии, и на эти шаги уходит 6,9 секунды. Это больше чем вдвое быстрее реального времени. В 9 секунд укладывается весь запрос на генерацию целиком. Авторы сравнили результат с полной 50-шаговой H3 на 103 тестовых запросах и пишут, что измеримых потерь качества не нашли. Как именно мерили качество, в посте не сказано.
Это не первое ускорение H3 от сторонних разработчиков. Недавно MiniMax уже собирала такие доработки: одна из них давала 15 секунд видео за 6,6 секунды на более новых B300. Раньше Fal заявляла, что ускорила модель в 35 раз по сравнению с официальным API. Свой пост MiniMax закончила фразой: «Открытые модели набирают силу благодаря открытым экосистемам».