MiniMax-H3 FL2VA:ComfyUI 生产栈 vs 原生 Python(diffusers)

统一规格:1344×768,124 帧(5s@24fps),lightx2v turbo v1.0 768p LoRA,4 次去噪评估,seed 4242, 同一段 prompt(未经 GPT 改写),同一台 8×5090 机器。两栈 RNG 语义不同,画面细节必然不同, 应比较的是质量档次与语义还原,不是逐帧一致。原生栈 = 官方 diffusers 权重 + lightx2v 原生版 LoRA(非 ComfyUI 转换版)+ 我们移植的官方 rank-8 剪枝配方 + torchao 量化 + sage attention + torch.compile, 纯 Python,无 ComfyUI 依赖。文本编码均按"热服务"口径(ComfyUI=节点缓存命中,原生=embedding 缓存命中)。

📡 进行中实验的实时跟踪(15s/容量/I2V/LoRA切换/并发/显存移植):progress.html

速度与显存(热跑稳态,同规格)

配置	s/评估	采样(s)	VAE解码(s)	端到端热(s)	峰值显存(GiB)	说明
ComfyUI 生产栈(int8_convrot+sage,GPU2-5)	6.4	25.9	12.5	42.7–43.3	—	对照标杆:/api/status 各阶段计时,prompt 缓存命中口径
原生·fp8 常驻+compile+fp16VAE (pfp8r) ★	6.4	25.9	16.3	40.3–45.7 (均42.8)	29.4	与生产打平;推荐部署形态,常驻单进程
原生·int8dq+compile(三相搬运) (pint8)	6.3	25.3	33.5	61.8	26.3	采样与fp8同速;未配常驻+fp16VAE,还有约19s可省
原生·fp8+compile(三相搬运) (pfp8)	6.4	25.5	33.5	89.5	24.0	每案首步27.8s=cpu↔gpu搬运税,常驻版已消除
原生·fp8 无compile (pfp8nc)	9.9–12.9	~44	33.5	75–76	29.0	compile消融:不compile采样慢1.6–2×,显存反而更高
原生·nvfp4+compile (pnvfp4)	—	—	—	56.3	16.2	显存最省(-10GiB);历史结论画质劣于int8/fp8,请肉眼复核
原生·pruned bf16+offload (pbf16)	14.1	~56	28.0	69.5–70.5	19.9	剪枝质量对照:只剪枝不量化
原生·全量 bf16+offload (bf16)	15.8	~63	28.0	90.5–110	20.9	无剪枝无量化基线(最忠实还原)
原生·不剪枝 fp8 (qfp8)	OOM	OOM	—	失败	>31.4	不剪枝的fp8变换器装不进32G单卡 → 剪枝是单卡常驻的前提