NVIDIA H3 超级加速：MiniMax H3 视频速度提升高达 27.7 倍

NVIDIA 页面上的独立 1440p 结果之一（10 秒，2560×1440）：两阶段加速，未记录 1440p 的匹配基线。

工作原理

与在全分辨率下运行多个 H3 denoise 步骤不同，H3 超级加速在短的低分辨率草稿中完成大部分生成工作，然后通过轻量级细化步骤恢复高分辨率细节。每个阶段是一个任务，两个阶段在单个 GB200 上串行运行：

阶段 1 使用 LightX2V MiniMax-H3 Turbo LoRA 以四个 denoise 步骤在 896×512 分辨率下生成初始视频。阶段 2 将草稿 upscale 到请求的输出分辨率，并运行三步 Sol-Attn 过程以恢复高分辨率细节和一致性。该 pipeline 与 SGLang 基线并非比特精确：它改变了采样路径，因此细节、纹理、运动或音频可能会出现差异：NVIDIA 页面上的配对视频让您可以直接判断这种权衡。

延迟测量

单个 NVIDIA GB200 上的端到端延迟，使用最新的 Sol-Super 结果，其中 Sol-Attn 用于完整的阶段 2 服务：

这两个加速来自不同的地方。阶段 1 用 TAEH3 轻量级解码器（0.028 秒）替换了官方 H3 VAE 解码（3.427 秒），阶段 2 用 Sol-Attn 细化器和 LTX TAEHV 最终解码替换了密集的 LTX-2.5 Video VAE 解码器（在匹配的 121 帧解码中为 6.404 秒）。阶段 2 编码器故意保持不变：细化器是在原始 LTX-2.5 VAE Latent 分布上训练的。

在 768p 输出时，测量的吞吐量在单个充分利用的 GB200 上约为每小时 525 个五秒视频，而 SGLang 基线为 23.6。

视觉对比

NVIDIA 页面将每个 768p 和 1080p 样本与使用相同生成输入的匹配 SGLang 基线运行配对：

SGLang 基线	H3 超级加速
一名男子和女子在拥挤的日本街道上交换紧张的话语（1344×768，5 秒）	相同输入，快 22.2 倍

SGLang 基线	H3 超级加速
两名武术家在竹林中对峙（1080p，5 秒）	相同输入，已加速

两个独立的 1440p 结果（10 秒，2560×1440）也发布了，没有匹配基线：

可用性

该 pipeline 由公开组件构建：官方 MiniMax-H3 checkpoint，用于草稿的 LightX2V MiniMax-H3 Turbo 四步 LoRA，LTX-2.5 pre-trained checkpoint，以及 TAEH3 和 LTX TAEHV 轻量级解码器。它在 GB200 硬件上的 NVIDIA Sol Engine 上运行，带有 Sol-Attn，并作为带有测量基准的生产参考呈现，而不是 ComfyUI 节点包。撰写之时，NVIDIA 尚无此 pipeline 的官方 ComfyUI 工作流；Sol Engine 各个组件（如 Sol-Attn 补丁）的社区移植版已开始出现。