FL2VA 速度基准与样片

满配速度总表(1344×768 · 243帧=10.1s 成片 · 带音频 · 热跑)

配置	机器/后端	耗时(s)	相对 dawidope
dawidope 公开默认档(50步+LoRA+FBC)	RTX5090(参考基线)	343–361	1.0×
lightx2v v1.0 4step LoRA · 4步(新默认)	viggle cuda+sage	99.5	3.5×
nvfp4 + LoRA bypass · 4步	viggle cuda+sage	99.6	3.5×
int8 + larryvrh LoRA · 4步	viggle cuda+sage	103.3	3.4×
I2V 首帧 · int8+LoRA · 4步	viggle cuda+sage	115.0	3.1×
lightx2v v1.0 8step · 8步(质量档)	viggle cuda+sage	177.6	2.0×
int8 + larryvrh · 8步	viggle cuda+sage	176.4–177.4	2.0×
FLF2V 首尾帧 · 4步	viggle cuda+SDPA	214.3	1.6×
int8 + larryvrh · 4步	本机 triton+sage	118.1	3.0×
int8 + larryvrh · 8步	本机 triton+sage	204.3	1.7×
nvfp4 无 LoRA · 8步	本机 triton+sage	206.3	1.7×

6s 短片(141帧,PDF 任务规格)单条仅 ~48–54s。每换一次模型首条 run 另有 10–50s 权重上载。速度均为服务器实测(runs.jsonl 原始记录)。

样片(点击播放,均带音频)

lightx2v v1.0 4step LoRA · 4步(新默认)

⏱ 99.5s · int8 · viggle cuda+sage · ugc

nvfp4 + larryvrh LoRA(bypass 加载)· 4步

⏱ 99.6s · nvfp4 · viggle cuda+sage · ugc · DiT 显存省 8GB

int8 + larryvrh v4 LoRA · 4步

⏱ 103.3s · int8 · viggle cuda+sage · ugc

lightx2v v1.0 8step LoRA · 8步(质量档)

⏱ 177.6s · int8 · viggle cuda+sage · ugc

int8 + larryvrh v4 LoRA · 8步

⏱ 176.4s · int8 · viggle cuda+sage · ugc

int8 + larryvrh LoRA · 8步 · cinematic

⏱ 177.4s · viggle cuda+sage

I2V(首帧条件)· int8+LoRA · 4步

⏱ 115.0s · viggle cuda+sage · 首帧遵循差 4.8/255

FLF2V(首尾帧条件)· int8+LoRA · 4步

⏱ 214.3s · viggle cuda+SDPA 档 · 首尾遵循差 ~4.5/255

int8 + larryvrh LoRA · 8步(本机)

⏱ 204.3s · 本机 triton+sage · cinematic

nvfp4 无 LoRA · res_multistep 8步(本机基线)

⏱ 206.3s · 本机 triton+sage · cinematic

分段计时(逐节点 WebSocket 实测,6s 片=1344×768×141帧,热跑中位数,int8=GPU7/nvfp4=GPU6)

配置	总耗时	采样	每步(纯denoise)	VAE视频解码	文本编码	音频VAE+封装保存
int8 + lx2v 4step LoRA · 4步	50.7s	31.7s	7.44s	13.5s	1.9s	3.4s
nvfp4 + 4step LoRA(bypass) · 4步	54.2s	34.8s	8.30s	14.1s	1.8s	3.4s
int8 + lx2v 8step LoRA · 8步	81.6s	63.0s	7.66s	13.5s	1.8s	2.9s
nvfp4 + 8step LoRA(bypass) · 8步	88.1s	69.2s	8.45s	14.1s	1.8s	3.1s

nvfp4 每步慢 11–12% = bypass 旁路矩阵 + w4a4 激活量化开销。换模型后的首条 run 另有 20–380s 一次性装载(冷盘读取+Qwen 首载),测速时已剔除。10s 片(243帧)的每步约 17.7s、VAE 解码约 23.6s。

Qwen/DiT 分卡驻留实验(2026-08-11,已否决)

想法:一张卡专驻 Qwen 文本编码器、另一张专驻 DiT,消除每 run 的模型交换。已实现(自定义节点 pin CLIP 到指定 GPU)并实测(int8+lx2v 4step):

指标	现架构(单卡混驻)	分卡驻留(Qwen@GPU6+DiT@GPU7)	结论
6s 片热跑	50.7s	46.1s(采样29.3=每步7.02×4+装载1.2 · VAE 13.7 · 编码0.3)	−9%
10s 片热跑	~100–103s	104–105s(每步17.7s · VAE 23.6s · 编码0.5–0.7s)	持平
720p 最大帧数	923 帧	923 帧(974 仍 OOM)	无提升
冷启动装载(一次性)	—	Qwen 26.5s + DiT 34.6s	—

为什么收益小:ComfyUI 动态显存本来就在采样时逐出 Qwen、编码时流回,热循环里的交换税实测仅 2–4s;采样期显存瓶颈是激活而非 Qwen 权重,所以容量也不变。
吞吐账(jobs/s,6s 片):2 卡 — 两条完整管线 2×(1/50.7)=0.0394 vs 分卡 1×(1/46.1)=0.0217 → 完整管线胜 82%;8 卡 — 8 条完整管线 8×(1/50.7)=0.158 vs 1 Qwen+7 DiT 7×(1/46.1)=0.152 → 完整管线仍胜 4%。任何规模下都不值得分卡,除非未来出现"Qwen 编码耗时占比大幅上升"或"DiT 卡需要腾出权重显存"的新场景。

分辨率外推实验(2026-08-11:768p 训练画布之外能跑多大?)

背景:H3 官方管线 = base 模型 768p 生成 → 同一模型 in-context 重生成到 2K(1440p短边);官方无 4K。开源 FL2VA 权重的训练画布 = 768×1344。实测(int8 + lx2v 4step LoRA · 4步 · 90帧=3.75s · GPU7 单卡):

分辨率	总耗时	采样	VAE解码	峰值VRAM	画质
2K(2560×1440,官方成片档)	162s	124s(每步~29s)	~30s	32.1GB(贴顶)	✅ 惊艳——单段直出即可用,细节锐利结构连贯(推测因官方2K重生成阶段用同一DiT,2K token规模在分布内)
4K(3840×2144)	584s	506s(每步~120s)	67s	31.3GB	❌ 完全崩坏——整帧灰褐噪声+重复网格(8×出分布,位置外推崩溃)。能跑,不能看

2K 直出样片(2560×1440×90f)

⏱ 162s · int8+lx2v4step · 俯拍海岸城市

4K 崩坏样片(3840×2144×90f,仅存档)

⏱ 584s · 同配置 · 位置外推崩溃实例

注:2K 下 90 帧已到 32GB 显存顶,更长需降分辨率;推荐日常仍用 1344×768(速度/时长最优),2K 用于短片高清直出。