Video Rebirth正式推出HyperFlow H3 Flash，这是针对MiniMax-H3优化的压缩版少步生成模型。该模型能够在生成视频的同时输出同步的双声道音频，参数量仅为原版MiniMax-H3 Transformer（约310亿参数）的一半左右。

核心规格与性能

HyperFlow H3 Flash默认以24 fps帧率、1344×768分辨率生成5.2至15秒的视频片段，并附带32 kHz立体声音轨。模型支持4、6（默认）或8步采样，且无需分类器自由引导（CFG）。

在模型大小方面，fl2va版本拥有137亿参数，ref2va版本为139亿参数。经过量化处理后，Q4_K_M精度下仅需9.1 GB存储空间，Q8_0为14.9 GB。这使得该模型能够在配备16 GB系统内存的个人电脑上，配合24 GB或32 GB显存的GPU运行。

推理速度表现如下：

• 4× NVIDIA B200：生成5.2秒片段耗时8.7秒。借助合作伙伴NVIDIA SOL-H3的推理加速，可在4张B系列GPU上实现实时运行。

• 1× NVIDIA H200：耗时36秒。

• 1× NVIDIA RTX 5090：耗时92秒。

支持任务与运行时选择

模型支持三种主要任务：t2va（文生视频+音频）、fl2va（首帧或首尾帧生成视频+音频）以及ref2va（参考图/视频/音频生成）。

用户可根据硬件条件选择运行时环境：

• GGUF运行时：适用于系统内存≤64 GB的个人电脑。支持ComfyUI、Unsloth Studio和stable-diffusion.cpp。推荐在24 GB显存GPU上使用Q4_K_M量化（占用9.1-9.2 GB）。

• INT8 convrot运行时：适用于数据中心GPU（如H100/H200/B200）或系统内存≥69 GiB且显存≥24 GB的RTX GPU。通过Python包调用，支持W8A8 INT8量化，模型占用约16 GB。

基准测试数据

以下测试均基于1344×768分辨率、6步采样的端到端生成（含文本编码、Transformer计算及VAE解码）：

消费级GPU表现（t2va任务）：

• RTX 5090 (32 GB)：INT8模式下，5.2秒片段耗时92秒，15秒片段耗时551秒。GGUF模式下（Q4_K_M），同等片段耗时分别为99秒和575秒（需≥64 GB内存）。

• RTX 4090 (24 GB)：INT8模式下，5.2秒片段耗时130秒，15秒片段耗时750秒。

• RTX 3090 (24 GB)：INT8模式下，5.2秒片段耗时266秒，15秒片段耗时1684秒。

数据显示，INT8 Transformer相比GGUF速度快10–20%，但GGUF所需的系统内存不到INT8的一半。在显存充足的情况下（如RTX 5090），文本编码器和Transformer可同时驻留显存，显著缩短文本编码时间。

数据中心GPU表现（INT8）：

• 4× H200：5.2秒片段耗时12.6秒（使用Triton内核）或12.3秒（使用CUTLASS INT8）。

• 4× B200：5.2秒片段耗时8.7秒。

技术架构亮点

HyperFlow H3 Flash通过三项关键技术对MiniMax-H3进行了优化：

1. 结构剪枝与低秩分解：移除了部分Transformer块（fl2va移除3个，ref2va移除1个），并对线性层进行低秩分解，大幅减少参数量。

2. 旋转W8A8 INT8量化：对180个线性层应用块对角Hadamard旋转后量化为W8A8 INT8，提升推理效率。

3. 双时间条件控制：引入当前噪声水平t和步终点r的双时间嵌入，使得模型在无需CFG的情况下也能实现高质量的少步采样。

此外，模型支持多GPU并行推理，通过Ulysses上下文并行和VAE并行技术，可在多卡环境下线性扩展性能，并保持输出的逐位可复现性。

【星途科讯 图文丨LCC 首发于ZAKER科技，转载请注明出处】