VDN-H3：混合注意力让 MiniMax H3 视频生成快于播放速度
OpenVDN 为 MiniMax H3 推出的 Video DeltaNet 混合注意力模型可在 8 步内渲染 14.4 秒 768p 视频片段，社区 ComfyUI 移植版已可用。
该社区 ComfyUI 移植版将发布的 VDN-H3 检查点作为运行时模型补丁运行在 ComfyUI 原生 MiniMax-H3 节点上，无需修改核心代码。
Video DeltaNet 如何加速 H3
在 MiniMax H3 这样的前沿全模态模型上，对长 token 序列的 softmax 注意力占总运行时间的 85% 以上，且其成本随视频片段长度呈二次方增长。Video DeltaNet 将视频到视频的注意力拆分为两个互补分支：一个双向滑动窗口 softmax 分支，用于保持相邻帧之间的精确注意力（精细细节和短期稳定性）；另一个双向线性注意力分支，通过恒定成本的状态记忆传递长程上下文。4 路边界锚定方案仅增加 3.57% 的注意力密度，同时保持全局一致性，因此视频片段的首帧和末帧对所有帧保持可见。
该检查点不替换 H3 主干。它提供了一个独立的线性注意力分支以及两个小型 LoRA 适配器，在推理时合并到主干中，使原始权重保持不变。除架构变化外，8 步模型是 50 步模型的 DMD 蒸馏版本。
性能与质量
最亮眼的数据来自数据中心配置：在 8 块 B200 GPU 上，VDN-H3 只需 11.23 秒即可通过 8 步去噪生成一段 14.4 秒的 768p 视频。与 dense H3 基线的单 GPU 对比：
| 配置 | GPU | 50 NFE（VDN-H3-50-step） | 8 NFE（VDN-H3-8-step） |
|---|---|---|---|
| dense MiniMax-H3（H200） | 1 | 27.3 分钟 | 4.4 分钟 |
| VDN-H3 FP8（H200） | 1 | 9.4 分钟 | 90.5 秒 |
| dense MiniMax-H3（B200） | 1 | 13.95 分钟 | 2.23 分钟 |
| VDN-H3 FP8（B200） | 1 | 5.3 分钟 | 51 秒 |
团队报告称，该混合模型在视觉上与 dense H3 的输出几乎无法区分，并且表现出比 MiniMax FastH3 更高的质量和更好的指令遵循能力。样例对比，包括与 dense H3 和 FastH3 的并排视频，可在项目页面上查看。
来自项目页面的 VDN-H3 8 步输出示例。
在 ComfyUI 中运行
官方发布版本面向数据中心技术栈：8 块 B200，采用 Ulysses 序列并行和仅支持 Hopper 与数据中心 Blackwell 的 FlashAttention-4 内核。没有官方 Windows 版本，FA4 内核不支持消费级 Blackwell（sm_120）。
ComfyUI-VDN-H3 移植版以运行时模型补丁的形式在 ComfyUI 原生 MiniMax-H3 模型上复现官方混合注意力计算，使用可移植的 PyTorch 等价实现替代 FP8 线性层和融合 Triton 内核。它已针对官方实现进行过单元测试，并且零新增依赖。安装步骤：
- 将仓库克隆到
ComfyUI/custom_nodes/，然后重新启动 ComfyUI。 - 将所需检查点阶段下载到
ComfyUI/models/vdn/，并保持目录结构不变（model_spec.json、linear_branch/、adapters/）：
hf download OpenVDN/vdn-minimax-h3 --include "stage-dmd-step-250/*" --local-dir <ComfyUI>/models/vdn8 步 stage-dmd-step-250 下载文件约 5 GB（线性分支加适配器）；50 步 stage-b-step-2000 变体约 4.3 GB。
该移植版无法提供的是官方宣传中的最高速度：官方 74.5 倍的数字是 8 GPU 并行、FA4、FP8 和 8 步蒸馏共同作用的结果。上游自己的单 GPU 实测在 50 步时约为 2.6 倍，而移植版的可移植内核会略低于这一水平（在 RTX 5090 上、1280x736 / 145 帧条件下测得约 17 秒/迭代）。Banodoco H3 频道中的社区基准测试显示，8 步 VDN-H3 Turbo 在 1280x736 下用时 2:04，而 LightXv2 4 步 turbo 在相同硬件上用时 1:24，评论者指出 VDN 在快速运动场景下比 FastH3 路线保持了更好的画面质量。
相同提示词下，dense H3 在 50 步时的输出（位于项目页面对比的顶部）。
可用资源
- 权重：OpenVDN/vdn-minimax-h3（Hugging Face，MiniMax H3 Community License，注意不包含部分国家/地区）
- 官方代码：OpenVDN/vdn-minimax-h3（Apache-2.0），包含推理与训练代码及项目页面
- ComfyUI 移植版：Saganaki22/ComfyUI-VDN-H3
评论
使用 GitHub 登录后即可参与讨论。