化清單，低配黨照抄)
8GB 顯存也能玩KV Cache 與 Block Cache 優(yōu)化清單低配黨照抄【免費(fèi)下載鏈接】Minimax-H3-ComfyUI項(xiàng)目地址: https://ai.gitcode.com/hf_mirrors/Alissonerdx/Minimax-H3-ComfyUIMiniMax H3 開(kāi)源后社區(qū)里最熱鬧的話(huà)題不是它 33B 的全模態(tài)架構(gòu)而是這張卡到底能不能跑。目前流傳的結(jié)論相當(dāng)分裂有人說(shuō) INT8 量化版 8GB 顯存就能出片實(shí)測(cè) 480P 視頻 5–10 分鐘有人說(shuō)單張 24G 是門(mén)檻還有人在 12G 的 RTX 3060 上順利跑通了文生視頻。分歧的來(lái)源不是玄學(xué)而是視頻擴(kuò)散模型的顯存消耗結(jié)構(gòu)——它的瓶頸幾乎不在權(quán)重本身而在 KV Cache 與注意力激活值上。這篇文章以 Minimax-H3-ComfyUI 倉(cāng)庫(kù)的實(shí)際工作流為底把 KV Cache 的消耗邏輯、Block Cache 的降顯存原理和一套可照抄的采樣參數(shù)組合拆開(kāi)講清楚低配黨可以直接對(duì)照抄作業(yè)。一、KV Cache 瓶頸定位顯存到底被誰(shuí)吃掉了先糾正一個(gè)直覺(jué)文生圖模型吃顯存的重頭是權(quán)重和 UNet/DiT 的中間激活而 H3 這類(lèi)視頻模型完全不是這個(gè)量級(jí)。社區(qū)排障文章總結(jié)過(guò)它與文本/圖像模型在模型結(jié)構(gòu)、顯存需求、推理鏈路三方面的本質(zhì)差異——視頻生成把時(shí)間維度折疊進(jìn)了 latent 序列序列長(zhǎng)度直接決定注意力層的顯存天花板。看倉(cāng)庫(kù)工作流的模型補(bǔ)丁鏈就能明白設(shè)計(jì)者的算賬方式。LMS 工作流 在模型鏈上依次掛了MiniMaxH3SigmaShift、MiniMaxLowVRAMAttentionhead_chunks4、MiniMaxChunkFeedForward4 chunks、4352和SolAttnPatch其中 SolAttnPatch 的配置最能說(shuō)明 KV Cache 的構(gòu)成tau: 1.3, start_percent: 0.2, end_percent: 0.9, min_tokens: 4096, int8_qk: true, sink_conditioning: exact_kv_and_rows, int8_pv: true這套配置來(lái)自SolAttnPatch節(jié)點(diǎn)kijai/ComfyUI-SolAttn_triton它做的事情本質(zhì)上是兩件稀疏注意力按 tau 閾值剪掉冗余 tokenmin_tokens4096兜底保證不過(guò)度裁剪和KV 量化int8_qk/int8_pv把 QK 與 PV 的緩存壓到 8bit。為什么要同時(shí)上這兩板斧因?yàn)橐曨l生成的 KV Cache 是按幀數(shù) × 每幀 token 數(shù)線(xiàn)性膨脹的。倉(cāng)庫(kù) README 里有一條被很多人忽略的硬約束H3 只支持17n 5的幀數(shù)5、22、39、56、73、90、107、124……。這看起來(lái)像某種訓(xùn)練格式對(duì)齊本質(zhì)上就是序列長(zhǎng)度的檔位表——每多 17 幀attention 的序列就跳一個(gè)量級(jí)KV Cache 隨之線(xiàn)性上漲。8G 卡想穩(wěn)住先學(xué)會(huì)在這張表里挑小檔位而不是去猜分辨率。所以顯存被誰(shuí)吃掉了的完整賬單是四筆權(quán)重量化版差異巨大見(jiàn)下文、KV Cache隨幀數(shù)與分辨率漲、注意力激活值單次前向的中間張量MiniMaxLowVRAMAttention的 head_chunks4 就是把它切成 4 塊分批算、VAE 與音頻分支。前兩筆是 8G 卡的生死線(xiàn)后兩筆是 12G–16G 卡的優(yōu)化空間。二、Block Cache 降顯存原理與開(kāi)啟姿勢(shì)如果說(shuō) KV Cache 是省著用Block Cache 就是少算點(diǎn)。擴(kuò)散模型在相鄰去噪步之間很多 Transformer block 的輸出其實(shí)高度相似——第 3 步和第 4 步中間層算出來(lái)的特征肉眼幾乎無(wú)差別。Block Cache 的思路就是把前幾步算好的 block 輸出緩存下來(lái)后續(xù)步數(shù)直接復(fù)用跳過(guò)整塊計(jì)算。社區(qū)實(shí)測(cè)報(bào)告里Block Cache 在 H3 上帶來(lái)的是顯存直降 10GB量級(jí)的收益并且能和 TeaCache 疊加。兩者的差別在粒度TeaCache 是 token 級(jí)緩存——只復(fù)用相似度高的那部分 token 的 block 輸出屬于部分跳過(guò)Block Cache 是整層整塊緩存——命中區(qū)間內(nèi)的層直接引用歷史結(jié)果屬于整體跳過(guò)。前者省顯存的同時(shí)省時(shí)間后者主要換顯存兩者疊加時(shí)顯存曲線(xiàn)會(huì)更平緩。開(kāi)啟姿勢(shì)分兩步。第一步是用 ComfyUI Manager 安裝 TeaCache / Block Cache 相關(guān)節(jié)點(diǎn)第二步是把它插進(jìn)模型補(bǔ)丁鏈。倉(cāng)庫(kù)工作流已經(jīng)給出了標(biāo)準(zhǔn)串法——從 LMS 工作流 可以看到補(bǔ)丁是按SigmaShift → 低顯存注意力 → 分塊前饋 → SolAttn的順序串聯(lián)的這些低顯存節(jié)點(diǎn)在設(shè)計(jì)上就是可旁路啟停的開(kāi)關(guān)顯存充裕時(shí)旁路掉、按原始圖跑顯存吃緊時(shí)逐個(gè)開(kāi)啟。TeaCache / Block Cache 就加在這條鏈的末尾模型已經(jīng)過(guò)量化與稀疏化處理之后把它當(dāng)成一個(gè)額外的MODEL補(bǔ)丁節(jié)點(diǎn)接在采樣器之前即可。需要說(shuō)明的是Block Cache / TeaCache 屬于社區(qū)插件生態(tài)本倉(cāng)庫(kù)的工作流并未內(nèi)置對(duì)應(yīng)節(jié)點(diǎn)——倉(cāng)庫(kù) README 明確這些權(quán)重與工作流面向ref2va基座低顯存補(bǔ)丁由社區(qū)節(jié)點(diǎn)提供。這恰恰是它適合低配黨的原因顯存優(yōu)化和效果增強(qiáng)LoRA、潛空間放大是兩條正交的鏈可以分別疊加互不干擾。比如先在低顯存模式出 480P 初稿再用倉(cāng)庫(kù)里的 LMS 銳化 LoRA 做二遍清晰度增強(qiáng)對(duì)比示例把跑得動(dòng)和畫(huà)質(zhì)夠拆成兩件事解決。三、采樣參數(shù)與 CPU Offload 組合拳8G–16G 顯存配置速查倉(cāng)庫(kù)五份工作流是目前社區(qū)里少見(jiàn)的、真實(shí)跑通過(guò)的參數(shù)底稿直接拿來(lái)當(dāng)速查表工作流SchedulerStepsDenoiseCFGSigmaShiftLMSsimple81112 / 3Style Transfersimple811–Head Swapbeta811–VFX Editsgm_uniform611–這幾組參數(shù)有明確的低顯存意圖逐條拆開(kāi)說(shuō)CFG 1H3 是蒸餾/無(wú)分類(lèi)器引導(dǎo)訓(xùn)練CFG1 意味著采樣時(shí)不需要額外跑一遍無(wú)條件分支——一次去噪只做一次前向顯存和時(shí)間雙省。這是視頻模型比文生圖模型在低配機(jī)上更友好的關(guān)鍵原因之一。6–8 步 simple/sgm_uniform/beta視頻模型步數(shù)直接換算成 KV Cache 的被訪(fǎng)問(wèn)次數(shù)和總計(jì)算量6 步和 8 步的顯存峰值差不了太多但時(shí)間差近三成。VFX Edit 用 6 步是因?yàn)榫庉嬵?lèi)任務(wù)低步數(shù)欠擬合風(fēng)險(xiǎn)低從生成角度這是質(zhì)量與資源的平衡點(diǎn)。SigmaShift (12, 3)把噪聲調(diào)度整體前移讓早期大噪聲步承擔(dān)更多去噪任務(wù)。它不直接省顯存但允許你在更少步數(shù)下保住畫(huà)面結(jié)構(gòu)從而間接把 KV 訪(fǎng)問(wèn)壓到最低。幀數(shù)檔位嚴(yán)格按 17n5 選幀。8G 卡先鎖 22 幀對(duì)應(yīng) 480P 檔不要一上來(lái)就挑戰(zhàn) 56 幀。再看權(quán)重選擇。社區(qū)整理的 H3 權(quán)重譜系里BF16 全量約 66GNVFP4 約 34GINT8 壓縮版可到 21G 量級(jí)——這三檔直接決定了你的卡夠不夠放權(quán)重。實(shí)測(cè)反饋是INT8 版在 8GB 顯存設(shè)備可運(yùn)行480P 生成耗時(shí) 5–10 分鐘RTX 3060 12G可跑文生視頻RTX 5060 Ti 16G 64G 內(nèi)存被社區(qū)用來(lái)做完整部署實(shí)錄。在 16G 卡上 NVFP4 被反復(fù)驗(yàn)證為同畫(huà)質(zhì)更快是 50 系卡的默認(rèn)選項(xiàng)。最后是 CPU Offload 的正確用法。Offload 不是萬(wàn)能藥它的本質(zhì)是把顯存不夠變成內(nèi)存來(lái)湊代價(jià)是 PCIe 傳輸延遲。低配黨記住三條紀(jì)律只 offload 不參與當(dāng)前計(jì)算的權(quán)重優(yōu)先用 ComfyUI 的--lowvram/--cpu-vae這類(lèi)啟動(dòng)級(jí)開(kāi)關(guān)而不是把模型鏈上的節(jié)點(diǎn)隨意旁路系統(tǒng)內(nèi)存要給足——社區(qū)實(shí)錄里 16G 顯存配 64G 內(nèi)存Offload 才有緩沖余地8G 卡建議至少 32G 內(nèi)存Offload 與采樣檔位聯(lián)動(dòng)Offload 開(kāi)后把幀數(shù)再降一檔56→39比硬扛高幀數(shù)然后 OOM 重跑快得多。OOM 的排查順序也按這個(gè)優(yōu)先級(jí)走先降幀數(shù)檔位 → 再降分辨率 → 再開(kāi) KV 量化與稀疏化 → 最后才動(dòng) Offload避免一上來(lái)就犧牲采樣質(zhì)量。最終一張 8G–16G 速查表收尾顯存權(quán)重檔幀數(shù)分辨率采樣必開(kāi)項(xiàng)8GBINT822480P8 步 / simpleLowVRAM 分塊、SolAttn 稀疏量化、TeaCache/Block Cache12GBINT8 / NVFP439480P–540P8 步SolAttn、Block Cache 可選16GBNVFP439–56540P–720P6–8 步SolAttn 低優(yōu)先級(jí) OffloadMiniMax H3 給低配黨留下的空間比想象中大KV 可以量化、可以稀疏、可以分塊block 輸出可以緩存復(fù)用采樣步數(shù)可以壓到 6 步權(quán)重可以壓到 21G 檔——這些優(yōu)化在 倉(cāng)庫(kù)工作流 里都能找到對(duì)應(yīng)的開(kāi)關(guān)和默認(rèn)值。照抄這份清單8G 卡出的第一段視頻可能不算驚艷但它至少證明全模態(tài)視頻生成不再是 24G 顯存玩家的特權(quán)?！久赓M(fèi)下載鏈接】Minimax-H3-ComfyUI項(xiàng)目地址: https://ai.gitcode.com/hf_mirrors/Alissonerdx/Minimax-H3-ComfyUI創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考 8GB 顯存也能玩：KV Cache 與 Block Cache 優(yōu)化清單，低配黨照抄
8GB 顯存也能玩KV Cache 與 Block Cache 優(yōu)化清單低配黨照抄【免費(fèi)下載鏈接】Minimax-H3-ComfyUI項(xiàng)目地址: https://ai.gitcode.com/hf_mirrors/Alissonerdx/Minimax-H3-ComfyUIMiniMax H3 開(kāi)源后社區(qū)里最熱鬧的話(huà)題不是它 33B 的全模態(tài)架構(gòu)而是這張卡到底能不能跑。目前流傳的結(jié)論相當(dāng)分裂有人說(shuō) INT8 量化版 8GB 顯存就能出片實(shí)測(cè) 480P 視頻 5–10 分鐘有人說(shuō)單張 24G 是門(mén)檻還有人在 12G 的 RTX 3060 上順利跑通了文生視頻。分歧的來(lái)源不是玄學(xué)而是視頻擴(kuò)散模型的顯存消耗結(jié)構(gòu)——它的瓶頸幾乎不在權(quán)重本身而在 KV Cache 與注意力激活值上。這篇文章以 Minimax-H3-ComfyUI 倉(cāng)庫(kù)的實(shí)際工作流為底把 KV Cache 的消耗邏輯、Block Cache 的降顯存原理和一套可照抄的采樣參數(shù)組合拆開(kāi)講清楚低配黨可以直接對(duì)照抄作業(yè)。一、KV Cache 瓶頸定位顯存到底被誰(shuí)吃掉了先糾正一個(gè)直覺(jué)文生圖模型吃顯存的重頭是權(quán)重和 UNet/DiT 的中間激活而 H3 這類(lèi)視頻模型完全不是這個(gè)量級(jí)。社區(qū)排障文章總結(jié)過(guò)它與文本/圖像模型在模型結(jié)構(gòu)、顯存需求、推理鏈路三方面的本質(zhì)差異——視頻生成把時(shí)間維度折疊進(jìn)了 latent 序列序列長(zhǎng)度直接決定注意力層的顯存天花板。看倉(cāng)庫(kù)工作流的模型補(bǔ)丁鏈就能明白設(shè)計(jì)者的算賬方式。LMS 工作流 在模型鏈上依次掛了MiniMaxH3SigmaShift、MiniMaxLowVRAMAttentionhead_chunks4、MiniMaxChunkFeedForward4 chunks、4352和SolAttnPatch其中 SolAttnPatch 的配置最能說(shuō)明 KV Cache 的構(gòu)成tau: 1.3, start_percent: 0.2, end_percent: 0.9, min_tokens: 4096, int8_qk: true, sink_conditioning: exact_kv_and_rows, int8_pv: true這套配置來(lái)自SolAttnPatch節(jié)點(diǎn)kijai/ComfyUI-SolAttn_triton它做的事情本質(zhì)上是兩件稀疏注意力按 tau 閾值剪掉冗余 tokenmin_tokens4096兜底保證不過(guò)度裁剪和KV 量化int8_qk/int8_pv把 QK 與 PV 的緩存壓到 8bit。為什么要同時(shí)上這兩板斧因?yàn)橐曨l生成的 KV Cache 是按幀數(shù) × 每幀 token 數(shù)線(xiàn)性膨脹的。倉(cāng)庫(kù) README 里有一條被很多人忽略的硬約束H3 只支持17n 5的幀數(shù)5、22、39、56、73、90、107、124……。這看起來(lái)像某種訓(xùn)練格式對(duì)齊本質(zhì)上就是序列長(zhǎng)度的檔位表——每多 17 幀attention 的序列就跳一個(gè)量級(jí)KV Cache 隨之線(xiàn)性上漲。8G 卡想穩(wěn)住先學(xué)會(huì)在這張表里挑小檔位而不是去猜分辨率。所以顯存被誰(shuí)吃掉了的完整賬單是四筆權(quán)重量化版差異巨大見(jiàn)下文、KV Cache隨幀數(shù)與分辨率漲、注意力激活值單次前向的中間張量MiniMaxLowVRAMAttention的 head_chunks4 就是把它切成 4 塊分批算、VAE 與音頻分支。前兩筆是 8G 卡的生死線(xiàn)后兩筆是 12G–16G 卡的優(yōu)化空間。二、Block Cache 降顯存原理與開(kāi)啟姿勢(shì)如果說(shuō) KV Cache 是省著用Block Cache 就是少算點(diǎn)。擴(kuò)散模型在相鄰去噪步之間很多 Transformer block 的輸出其實(shí)高度相似——第 3 步和第 4 步中間層算出來(lái)的特征肉眼幾乎無(wú)差別。Block Cache 的思路就是把前幾步算好的 block 輸出緩存下來(lái)后續(xù)步數(shù)直接復(fù)用跳過(guò)整塊計(jì)算。社區(qū)實(shí)測(cè)報(bào)告里Block Cache 在 H3 上帶來(lái)的是顯存直降 10GB量級(jí)的收益并且能和 TeaCache 疊加。兩者的差別在粒度TeaCache 是 token 級(jí)緩存——只復(fù)用相似度高的那部分 token 的 block 輸出屬于部分跳過(guò)Block Cache 是整層整塊緩存——命中區(qū)間內(nèi)的層直接引用歷史結(jié)果屬于整體跳過(guò)。前者省顯存的同時(shí)省時(shí)間后者主要換顯存兩者疊加時(shí)顯存曲線(xiàn)會(huì)更平緩。開(kāi)啟姿勢(shì)分兩步。第一步是用 ComfyUI Manager 安裝 TeaCache / Block Cache 相關(guān)節(jié)點(diǎn)第二步是把它插進(jìn)模型補(bǔ)丁鏈。倉(cāng)庫(kù)工作流已經(jīng)給出了標(biāo)準(zhǔn)串法——從 LMS 工作流 可以看到補(bǔ)丁是按SigmaShift → 低顯存注意力 → 分塊前饋 → SolAttn的順序串聯(lián)的這些低顯存節(jié)點(diǎn)在設(shè)計(jì)上就是可旁路啟停的開(kāi)關(guān)顯存充裕時(shí)旁路掉、按原始圖跑顯存吃緊時(shí)逐個(gè)開(kāi)啟。TeaCache / Block Cache 就加在這條鏈的末尾模型已經(jīng)過(guò)量化與稀疏化處理之后把它當(dāng)成一個(gè)額外的MODEL補(bǔ)丁節(jié)點(diǎn)接在采樣器之前即可。需要說(shuō)明的是Block Cache / TeaCache 屬于社區(qū)插件生態(tài)本倉(cāng)庫(kù)的工作流并未內(nèi)置對(duì)應(yīng)節(jié)點(diǎn)——倉(cāng)庫(kù) README 明確這些權(quán)重與工作流面向ref2va基座低顯存補(bǔ)丁由社區(qū)節(jié)點(diǎn)提供。這恰恰是它適合低配黨的原因顯存優(yōu)化和效果增強(qiáng)LoRA、潛空間放大是兩條正交的鏈可以分別疊加互不干擾。比如先在低顯存模式出 480P 初稿再用倉(cāng)庫(kù)里的 LMS 銳化 LoRA 做二遍清晰度增強(qiáng)對(duì)比示例把跑得動(dòng)和畫(huà)質(zhì)夠拆成兩件事解決。三、采樣參數(shù)與 CPU Offload 組合拳8G–16G 顯存配置速查倉(cāng)庫(kù)五份工作流是目前社區(qū)里少見(jiàn)的、真實(shí)跑通過(guò)的參數(shù)底稿直接拿來(lái)當(dāng)速查表工作流SchedulerStepsDenoiseCFGSigmaShiftLMSsimple81112 / 3Style Transfersimple811–Head Swapbeta811–VFX Editsgm_uniform611–這幾組參數(shù)有明確的低顯存意圖逐條拆開(kāi)說(shuō)CFG 1H3 是蒸餾/無(wú)分類(lèi)器引導(dǎo)訓(xùn)練CFG1 意味著采樣時(shí)不需要額外跑一遍無(wú)條件分支——一次去噪只做一次前向顯存和時(shí)間雙省。這是視頻模型比文生圖模型在低配機(jī)上更友好的關(guān)鍵原因之一。6–8 步 simple/sgm_uniform/beta視頻模型步數(shù)直接換算成 KV Cache 的被訪(fǎng)問(wèn)次數(shù)和總計(jì)算量6 步和 8 步的顯存峰值差不了太多但時(shí)間差近三成。VFX Edit 用 6 步是因?yàn)榫庉嬵?lèi)任務(wù)低步數(shù)欠擬合風(fēng)險(xiǎn)低從生成角度這是質(zhì)量與資源的平衡點(diǎn)。SigmaShift (12, 3)把噪聲調(diào)度整體前移讓早期大噪聲步承擔(dān)更多去噪任務(wù)。它不直接省顯存但允許你在更少步數(shù)下保住畫(huà)面結(jié)構(gòu)從而間接把 KV 訪(fǎng)問(wèn)壓到最低。幀數(shù)檔位嚴(yán)格按 17n5 選幀。8G 卡先鎖 22 幀對(duì)應(yīng) 480P 檔不要一上來(lái)就挑戰(zhàn) 56 幀。再看權(quán)重選擇。社區(qū)整理的 H3 權(quán)重譜系里BF16 全量約 66GNVFP4 約 34GINT8 壓縮版可到 21G 量級(jí)——這三檔直接決定了你的卡夠不夠放權(quán)重。實(shí)測(cè)反饋是INT8 版在 8GB 顯存設(shè)備可運(yùn)行480P 生成耗時(shí) 5–10 分鐘RTX 3060 12G可跑文生視頻RTX 5060 Ti 16G 64G 內(nèi)存被社區(qū)用來(lái)做完整部署實(shí)錄。在 16G 卡上 NVFP4 被反復(fù)驗(yàn)證為同畫(huà)質(zhì)更快是 50 系卡的默認(rèn)選項(xiàng)。最后是 CPU Offload 的正確用法。Offload 不是萬(wàn)能藥它的本質(zhì)是把顯存不夠變成內(nèi)存來(lái)湊代價(jià)是 PCIe 傳輸延遲。低配黨記住三條紀(jì)律只 offload 不參與當(dāng)前計(jì)算的權(quán)重優(yōu)先用 ComfyUI 的--lowvram/--cpu-vae這類(lèi)啟動(dòng)級(jí)開(kāi)關(guān)而不是把模型鏈上的節(jié)點(diǎn)隨意旁路系統(tǒng)內(nèi)存要給足——社區(qū)實(shí)錄里 16G 顯存配 64G 內(nèi)存Offload 才有緩沖余地8G 卡建議至少 32G 內(nèi)存Offload 與采樣檔位聯(lián)動(dòng)Offload 開(kāi)后把幀數(shù)再降一檔56→39比硬扛高幀數(shù)然后 OOM 重跑快得多。OOM 的排查順序也按這個(gè)優(yōu)先級(jí)走先降幀數(shù)檔位 → 再降分辨率 → 再開(kāi) KV 量化與稀疏化 → 最后才動(dòng) Offload避免一上來(lái)就犧牲采樣質(zhì)量。最終一張 8G–16G 速查表收尾顯存權(quán)重檔幀數(shù)分辨率采樣必開(kāi)項(xiàng)8GBINT822480P8 步 / simpleLowVRAM 分塊、SolAttn 稀疏量化、TeaCache/Block Cache12GBINT8 / NVFP439480P–540P8 步SolAttn、Block Cache 可選16GBNVFP439–56540P–720P6–8 步SolAttn 低優(yōu)先級(jí) OffloadMiniMax H3 給低配黨留下的空間比想象中大KV 可以量化、可以稀疏、可以分塊block 輸出可以緩存復(fù)用采樣步數(shù)可以壓到 6 步權(quán)重可以壓到 21G 檔——這些優(yōu)化在 倉(cāng)庫(kù)工作流 里都能找到對(duì)應(yīng)的開(kāi)關(guān)和默認(rèn)值。照抄這份清單8G 卡出的第一段視頻可能不算驚艷但它至少證明全模態(tài)視頻生成不再是 24G 顯存玩家的特權(quán)?！久赓M(fèi)下載鏈接】Minimax-H3-ComfyUI項(xiàng)目地址: https://ai.gitcode.com/hf_mirrors/Alissonerdx/Minimax-H3-ComfyUI創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考