← 返回部落格
Ai預計閱讀 7 分鐘

兩個開源影片模型這週一起瘦身,卻都沒交出最關鍵的那一欄

發布於 2026年11月8日
兩個開源影片模型這週一起瘦身,卻都沒交出最關鍵的那一欄

11 月 7 日,Video Rebirth 發布 HyperFlow H3 Flash,同時丟上 Hacker News。幾乎同一天,Vimoo-AI 釋出 Vimoo 1.0 Lite 的 ComfyUI 權重。兩者都是開源影片模型,都比原本的來源小了一大截,也都附上速度表。

兩份發布缺的是同一欄。

Video Rebirth 砍掉了什麼

HyperFlow H3 Flash 是 MiniMax-H3 的壓縮少步版本。MiniMax-H3 是那個能同時生出影片和同步立體聲的開源模型。transformer 從大約 31 billion 參數降到 13.7B,取樣支援 4/6/8 steps。

專案裡一位以 jiant 名義發文的工程師列了三項改動。他們從模型 50 個 block 中剪掉 3 個;把 102 個線性層拆成低秩形式;再對 180 個線性層做 W8A8 INT8 量化,並搭配 Hadamard 旋轉。

第四項改動才真的有意思,因為它完全不算壓縮。他們加了一套雙值條件機制,讓每一步取樣同時知道目前的雜訊強度,也知道最後該落在哪裡。就是靠這個,模型才能在不開 classifier-free guidance 的情況下跑 4 到 8 步,而 CFG 通常正是讓推論成本翻倍的那個環節。

作者公布的數字是這樣:1344×768 的 5.2 seconds 短片,6 步,四張 B200 要 8.7 seconds,單張 H200 要 36 秒,單張 RTX 5090 要 92 秒。合作夥伴做的 NVIDIA SOL-H3 推論引擎,據說在四張 Blackwell 等級 GPU 上可以即時出片。輸出長度 5.2 到 15 秒,每秒 24 格。

工作站這邊有 GGUF 版本,從 Q3_K_M 7.2GB 一路到 15.2GB。README 建議 24GB 的卡用 Q4_K_M 9.1GB 那個版本,並說在系統記憶體 16GB 的機器上,24GB 和 32GB 的顯示卡都能跑。16GB 顯卡標的是尚未實測,這種老實在 README 裡並不常見。

兩個開源影片模型的參數與速度對照示意

速度表蓋住了兩個實務問題。第一次跑 Python 套件要下載大約 90GB,改用 FP8 文字編碼器約 68GB。kernel 編譯還要一分多鐘。兩件事都不致命,但都說明這模型不屬於那種隨手試玩的軟體。

Vimoo 砍掉了什麼

Vimoo 1.0 Lite 大約 9.5 billion 參數,同一個模型兼做文生影片與圖生影片,另外附一個同模型的蒸餾 LoRA adapter。它內建文字編碼器、視覺編碼器、VAE、ComfyUI 節點和工作流程範本。

授權是 Apache 2.0,對多數讀者來說這比跑分更值得在意。Apache 2.0 代表可以商用,沒有地區條款,沒有僅限研究的附帶條件,也不用走寄信給作者那一步,而不少開源影片模型就把這一步藏在 model card 裡。

最醒目的數字:1280×720、121 frames,蒸餾模型 9.7 seconds 出片。拿來對比的是開了 CFG 的 Wan 2.2,490 seconds。

這個對比承擔了太多東西,得小心解讀。蒸餾模型和開了 CFG 的基礎模型並不是同一種測量。前者是訓練過、懂得跳過 guidance 的學生,後者是照完整流程跑的老師。比出來的結論只是蒸餾這條路比較快,這件事大家早就知道。它沒告訴你學生犧牲掉多少品質。

完整版 Vimoo 1.0 是架在 Dual-Stream MMDiT 上的混合設計,11.7 billion 參數,影片 VAE 採 4×16×16 壓縮、48 latent channels,提示詞理解交給 Qwen2.5-VL-7B,字體排版交給 Glyph-ByT5-v2。Vimoo Enhancer 負責放大到 1080p。24fps 的 5 秒 720p 短片大約要 5 秒,這跟 Lite 的蒸餾數字不是同一件事,最好在腦子裡分開放。

少掉的那一欄

這週的形狀大概就是這樣。三個開源影片模型以壓縮版登場:HyperFlow H3 Flash、Vimoo 1.0 Lite,再往前還有 Pika H3 Flex。每一個都告訴你砍掉多少參數、少掉多少步、測出幾秒、吃掉多少 GB。沒有一個告訴你輸出變成什麼樣子。

Hacker News 上關於 HyperFlow 的討論把質疑講得很白。有人拿它比喻:宣布一個 JPEG 壓到一半大小,卻不去看壓完長什麼樣。有人要求它跟原模型正面對打。也有人指向專案的範例展示頁,這既是標準答案,也是標準問題:精選片段只證明模型能生出好畫面,證明不了它多久生一次。

第三個人問它跟 FastVideo 的 FastH3 系列比起來如何,那系列他是在筆電等級的卡上跑的。在公開的那段討論裡,作者沒有回應。

對任何打算挑一個來用的人來說,缺口就在這裡。這些壓縮手法本身都合理。結構化剪枝、低秩分解、帶旋轉的 INT8、蒸餾、步數感知條件,每一種在影像模型裡都有已知的代價曲線,因為畫質可以逐張用 FID、GenEval 或人工並排比出來。影片難得多。時間一致性、動作連貫性、影音同步,沒有哪個指標在壓縮之後還站得住。

所以這個領域預設只用容易公布的數字。參數好公布,秒數好公布,品質則要一個審查者、一次盲測、一個週末。

這種發布該怎麼讀

如果你真的在為生產環境評估其中一個,速度表是上限,不是計畫。拿十條你已經很熟的提示詞,跑一遍現在的服務,再跑一遍 9.1GB 那個版本,然後找人盲評。一個下午就能做完,而產出的正是發布方漏掉的那一欄。

商用上線前,兩份授權都要看。HyperFlow 是 MiniMax-H3 的衍生作品,因此繼承基礎模型授權的限制,而那個基礎授權不是 Apache 2.0。Vimoo Lite 單純一些,Apache 2.0 就是 Apache 2.0。

硬碟空間也要編進預算。首次下載 90GB,在伺服器上沒什麼,在筆電上很惱人,就是這種細節會把五分鐘的評估拖成兩小時。

壓縮競賽是真的,也有意義。一個能在單張 24GB 顯卡上跑的影片模型,跟需要一整個節點的,本來就是兩種產品。但這場競賽比的是便宜好量的部分,而決定你能不能用它的那一部分,沒有人放進表裡。

自己跑一遍自己的數字。最後只有那張表,對你的提示詞是真的。

相關文章