跳转至内容
  • 版块
  • 最新
  • 标签
  • 热门
  • 用户
  • 群组
皮肤
  • 浅色
  • Brite
  • Cerulean
  • Cosmo
  • Flatly
  • Journal
  • Litera
  • Lumen
  • Lux
  • Materia
  • Minty
  • Morph
  • Pulse
  • Sandstone
  • Simplex
  • Sketchy
  • Spacelab
  • United
  • Yeti
  • Zephyr
  • 深色
  • Cyborg
  • Darkly
  • Quartz
  • Slate
  • Solar
  • Superhero
  • Vapor

  • 默认(LCZ-Blue)
  • 不使用皮肤
  • LCZ-Green
  • LCZ-Blue
  • LCZ-Black
折叠
品牌标识

抡锤者

首页 版块 标签
硬件
装备秀
AI 广场 App
  1. 主页
  2. 版块
  3. AI音视频画图
  4. MiniMax H3 视频三卡实测:RTX PRO 5000 / R9700 / Arc Pro B70,Pika 六步 + 各自官方加速

MiniMax H3 视频三卡实测:RTX PRO 5000 / R9700 / Arc Pro B70,Pika 六步 + 各自官方加速

已定时 已固定 已锁定 已移动 热议 优秀 AI音视频画图
rtxpro5000r9700b70pro
22 帖子 11 发布者 928 浏览
  • 从旧到新
  • 从新到旧
  • 最多赞同
回复
  • 在新帖中回复
登录后回复
此主题已被删除。只有拥有主题管理权限的用户可以查看。
  • F
    F
    fcys
    王侯将相
    编写于 最后由 fcys 编辑
    #1

    今天翻出来B70,对比一下R9700和pro5000做了个对比。我没有4080(S) 32G的魔改卡,否则三款价格差不多的32G卡对比起来更直观,有的兄弟可以试试。

    结果有点出乎预料,比想象中要好不少,大家有B70了可以帮忙复测一下。

    同一素材、同一 Pika 六步、同一 seed,在 NVIDIA RTX PRO 5000(48G)、AMD Radeon AI PRO R9700(32G)、Intel Arc Pro B70(32G)上各跑一轮,并且每张卡都启用各自官方的加速手段:SageAttention / CK flash attention / SOL Attentio。

    一句话结论:同一个 MiniMax H3 T2VA 工作流(同素材、同 Pika 六步、同 seed、124 帧 5.17s),1344×768 下三卡总耗时为 RTX PRO 5000(SageAttention)104.16s / Arc Pro B70 126.1s / R9700 234.1s;864×480 下为 30.0s / 44.0s / 64–66s。三张卡都启用了各自官方推荐的加速路径,本文把配置、每步时间和总耗时都贴出来,供参考。


    一、测试环境

    项目 RTX PRO 5000 Radeon AI PRO R9700 Arc Pro B70
    架构 / 显存 Blackwell · 48 GB RDNA4(gfx1201)· 32 GB Battlemage G31 · 32 GB
    驱动 / 运行时 CUDA 13.0 ROCm 10.1.0(TheRock pip 运行时) xe 驱动 + Level-Zero
    PyTorch 2.9.1+cu130 2.14.0+rocm10.1.0 2.14.0+xpu
    ComfyUI 0.43.0(venv) 0.43.0(venv,py3.14) 0.43.0(镜像 llm-scaler-omni:0.2.0-b3-comfyui-bmg)
    加速路径 SageAttention 2.2.0(已装,实测收益 <2%) CK flash attention(torch SDPA 在 gfx1201 默认走 CK 的 attn_fwd) SOL Attention(BlockSparseAttention 稀疏节点)

    环境备忘:R9700 侧机器上接了 Radeon 540X(gfx803)做显示,系统 ROCm 的 HSA 会因 “deprecated doorbell type” 让整个 ROCm 初始化失败,换 TheRock 的 rocm-sdk-core 10.1.0 后可跳过;ComfyUI 动态显存(VBAR)在 R9700 上分配失败,只能 --disable-dynamic-vram 走 legacy 加载。B70 侧容器必须挂 -v /dev/dri/by-path:/dev/dri/by-path:ro,否则 oneCCL 拓扑发现失败起不来。


    二、素材与视频参数(三卡完全一致)

    项 设置
    素材 / 提示词 T2VA 官方模板的 prompt.txt(action movie trailer 风格),三卡原文照输
    工作流 MiniMax H3 FL2VA(文本 → 视频 + 原生音频)
    分辨率 864×480(0.4MP)与 1344×768(0.98MP,官方 768p),multiple=32
    帧数 / 时长 124 帧 · 24fps · 5.17s(length 按 17k+5 网格对齐)
    采样 lcm · 六步 · 七值 sigma 1.0, 0.972973, 0.923077, 0.8, 0.571429, 0.333333, 0.0
    加速 LoRA pika_h3_flex_fl2va_v1_bf16(strength 1.0),不叠加 DMAD/turbo/SLA/VSA
    CFG 1.0(BasicGuider),不加 SigmaShift
    DiT minimax_h3_fl2va_pruned_int8_convrot(19.5 GB,int8 直出)
    文本编码器 qwen3vl_32b_minimax_h3_int8_convrot(27.1 GB)
    VAE video int8_convrot(2.6 GB)+ audio fp32(0.6 GB)
    seed 正式 12345,预热 7(预热轮不计入)
    计时口径 提交 → 完成(文本编码 + 6 步采样 + VAE 解码 + 音频封装)

    公平性:每卡先跑一轮 seed=7 预热把模型加载/首编译预热掉,再用 seed=12345 测正式。两张 32GB 卡在 1344×768 下都要 offload 权重,搬运成本含在计时里。


    三、每张卡的加速方式

    三家的加速都落在 attention 层,但实现不同:NVIDIA 是量化注意力,AMD 是 CK 的高效全量实现,Intel 是按块稀疏跳过。

    RTX PRO 5000 · SageAttention

    • 四组对照:默认 SDPA / --use-sage-attention × legacy / dynamic 加载
    • 表格采用 SageAttention 版 104.16 s(每步 15.4 s/it);与默认 SDPA 的 104.23 s 相比差异 <2%,这条链路 attention 不是瓶颈
    • 注:864×480 的 Sage 版未单独测试(该轮只做了 1344×768 的 Sage 对照,NVIDIA 卡后来已移出本机),表中 864 的 30.03 s 为默认 SDPA

    Radeon AI PRO R9700 · CK flash attention(Composable Kernel)

    • torch 的 SDPA 在 gfx1201 上默认就走 CK 的 attn_fwd 内核(profiler 实测),即 AMD 官方的加速路径,无需额外开关
    • 32GB 装不下 39GB 权重(DiT 19.5 + TE 27.1 + VAE 3.2),只能 legacy 加载做 CPU↔GPU 搬运

    Arc Pro B70 · SOL Attention(稀疏注意力)

    • 节点:BlockSparseAttention(显示名 Model Sparse Attention)
    • 参数:selection=sol-attn、selection.tau=1.3、start_percent=0.2、end_percent=1.0、min_tokens=12288、extra_tokens=256、sink_conditioning=exact_kv_and_rows、verbose=true
    • 链路:UNETLoader → LoraLoaderModelOnly(Pika) → BlockSparseAttention(SOL) → BasicGuider → SamplerCustomAdvanced
    • 生效判据:启动日志 [OmniXPU] sparse_attention_adapter: applied、Found comfy_kitchen backend xpu: {'available': True, ...},采样日志 BlockSparseAttention: sparse producer path: 15787 tokens(864×480)/ 38098 tokens(1344×768)

    四、总耗时对比(预热后正式轮)

    配图1-总耗时.png

    分辨率 显卡 加速 总耗时 每步 相对 RTX
    864×480 RTX PRO 5000 SDPA 30.03 s 3.65 s/it 1.00×
    Arc Pro B70 SOL Attention 44.03 s 5.25 s/it 1.47×
    Arc Pro B70 无 SOL(对照) 48.04 s 5.89 s/it 1.60×
    R9700 CK flash 64.04–66.04 s 7.90 s/it 2.13–2.20×
    1344×768 RTX PRO 5000 SageAttention 104.16 s 15.4 s/it 1.00×
    Arc Pro B70 SOL Attention 126.07 s 17.1 s/it 1.21×
    Arc Pro B70 无 SOL(对照) 172.1 s 24.8 s/it 1.65×
    R9700 CK flash 234.13 s 34.0 s/it 2.25×

    五、每步时间对比(s/it)

    配图2-每步时间.png

    分辨率 显卡 每步 相对 RTX 6 步纯采样
    864×480 RTX PRO 5000 3.65 s/it 1.00× 21.9 s
    B70 + SOL 5.25 s/it 1.44× 31.5 s
    B70 无 SOL 5.89 s/it 1.61× 35.3 s
    R9700 + CK 7.90 s/it 2.16× 47.4 s
    1344×768 RTX PRO 5000 + Sage 15.4 s/it 1.00× 92.4 s
    B70 + SOL 17.1 s/it 1.11× 102.7 s
    B70 无 SOL 24.8 s/it 1.61× 148.8 s
    R9700 + CK 34.0 s/it 2.21× 204.0 s

    864→1344,每步时间三卡分别涨 4.2× / 3.3× / 4.3×(RTX / B70 / R9700)——1344 下 token 数翻了约 2.4 倍,32GB 卡同时开始吃 offload。B70 的 SOL 让每步 864 从 5.89→5.25 s(-11%)、1344 从 24.8→17.1 s(-31%,首步 dense 后逐步加快)。


    六、加速收益对照(同卡开关前后)

    卡 加速方式 对照 加速后 收益
    RTX PRO 5000 SageAttention 104.23 s(默认 SDPA,同加载组) 104.16 s ≈1.00×(<2%)
    R9700 CK flash attention —(默认路径,无额外开关) 234.1 s 无对照,已含在基线内
    Arc Pro B70 SOL Attention 864:48.04 s / 1344:172.1 s 864:44.03 s / 1344:126.07 s 864 ≈1.09× / 1344 ≈1.37×

    SOL Attention 的稀疏两档都触发了(15,787 / 38,098 tokens 均高于 min_tokens=12288);608×352(8,535 tokens)才会全程 dense,本次未测该档。


    七、几个值得记的发现

    1. 1344×768 下三卡排序:RTX PRO 5000(SageAttention)104.16s → B70 126.07s → R9700 234.13s;864×480 下比例相近(30.0 / 44.0 / 64–66s)
    2. 三卡的加速收益差别很大:SageAttention 在这条链路几乎没有收益;CK flash 是默认路径、无额外收益;SOL Attention 在 1344×768 上有 27% 收益、864×480 上只有 9%
    3. 编码器大小对速度零影响:B70 的 864 用 qwen3vl-32B(27.1GB)与 Molmo2-8B(9.29GB)都是 44.03s——编码器只跑一次,换小的省显存不省时间
    4. 32GB 卡都会被 offload 拖慢:R9700 与 B70 都要搬运权重;R9700 还额外受限于 ROCm 没有 CUDA 那样的缺页迁移(aimdo 动态显存不生效),停在 34 s/it

    八、复现

    # 统一基准脚本:/home/ly/t2va_bench/t2va_bench.py
    # B70(1344×768 + SOL Attention)
    python3 t2va_bench.py --port 8188 --w 1344 --h 768 --length 124 --seed 12345 --sol --tag b70_1344
    
    # R9700(CK,SDPA 默认)
    python3 t2va_bench.py --port 8192 --w 1344 --h 768 --length 124 --seed 12345 --tag amd_1344
    
    # RTX PRO 5000
    python3 t2va_bench.py --port 8194 --w 1344 --h 768 --length 124 --seed 12345 --tag nv_1344
    
    # B70 容器启动(关键:by-path 挂载)
    sudo docker run -d --device=/dev/dri \
      -v /dev/dri/by-path:/dev/dri/by-path:ro \
      -v /home/ly/ComfyUI-h200/ComfyUI/models:/models/host:ro \
      --network=host --shm-size=64g -v /home/ly/ComfyUI-b60/output:/data/output \
      llm-scaler-omni:0.2.0-b3-comfyui-bmg \
      python main.py --extra-model-paths-config /llm/configs/comfyui_host_models.yaml \
      --output-directory /data/output --listen 127.0.0.1 --port 8188
    

    完整报告(暗色 HTML,含全部图表与表格):见配图3 整页长图,或本地 /home/ly/t2va_bench/report/三卡MiniMax-H3生成速度对比报告.html


    测试日期:2026-11-12 · 平台:TRX40 · 三卡分别独立测试 · 计时来自 ComfyUI /history 与日志 Prompt executed,已排除预热轮

    1 条回复 最后回复
    2
    • xiongjie gaoX
      xiongjie gaoX
      xiongjie gao
      王侯将相
      编写于 最后由 编辑
      #2

      这么说,B70还是相当能打的罗

      https://github.com/shawn86574-prog/x99-7900xtx-p2p
      https://github.com/shawn86574-prog/kuzuryusen

      F terryT 2 条回复 最后回复
      0
      • BunseiB
        BunseiB
        Bunsei
        至尊皇帝
        编写于 最后由 编辑
        #3

        更多还是吃了辣鸡驱动的亏。 😂

        F 1 条回复 最后回复
        0
        • xiongjie gaoX xiongjie gao

          这么说,B70还是相当能打的罗

          F
          F
          fcys
          王侯将相
          编写于 最后由 fcys 编辑
          #4

          @xiongjie-gao 跑完了我都觉得不太相信😲,我现在比较期待D270了。。。

          1 条回复 最后回复
          0
          • BunseiB Bunsei

            更多还是吃了辣鸡驱动的亏。 😂

            F
            F
            fcys
            王侯将相
            编写于 最后由 编辑
            #5

            @Bunsei amd官方没有优化,intel是有个官方优化包,直接拉下来就能用,哦官方包是4步加速,我改成了个其他两个平台一样的pika 6步

            1 条回复 最后回复
            0
            • jdfh089J
              jdfh089J
              jdfh089
              编写于 最后由 编辑
              #6

              现在买英特尔还来得及吗

              hanber121H 1 条回复 最后回复
              0
              • jdfh089J jdfh089

                现在买英特尔还来得及吗

                hanber121H
                hanber121H
                hanber121
                编写于 最后由 编辑
                #7

                @jdfh089 来不及了😂能力已经反映在价格上,现在B70京东18999,r9700是17999,和楼主的测试结果完全吻合哈哈哈。intel的生态也是好起来了,硬件指标不占优的情况下还能压amd一头,官方优化真的有点东西

                F 1 条回复 最后回复
                0
                • hanber121H hanber121

                  @jdfh089 来不及了😂能力已经反映在价格上,现在B70京东18999,r9700是17999,和楼主的测试结果完全吻合哈哈哈。intel的生态也是好起来了,硬件指标不占优的情况下还能压amd一头,官方优化真的有点东西

                  F
                  F
                  fcys
                  王侯将相
                  编写于 最后由 编辑
                  #8

                  @hanber121 有一张卡价格便宜显存大,我想研究研究。双芯的B60pro,24Gx2,这卡得主板支持拆分x8+x8,理论上如果能TP的话会有点意思

                  terryT 1 条回复 最后回复
                  1
                  • imbiplaza ASUSI
                    imbiplaza ASUSI
                    imbiplaza ASUS
                    谪仙人
                    编写于 最后由 imbiplaza ASUS 编辑
                    #9

                    intel 其实不差的,我现在几个没显示卡的笔电,都是用着intel 的内置,能够加速premier pro, winxd converter, 安排试一试unreal engine, 其实intel只要不去攀比cuda生态,没有他办不了的事情毕竟是白送的。。

                    然后你要用amd 实现类似的效果?除了慢半拍的apu 之外,我还想不到还有什么好料

                    https://lcz.me/project/dcs

                    1 条回复 最后回复
                    0
                    • xiaopbroX
                      xiaopbroX
                      xiaopbro
                      体面乡绅 硕果累累
                      编写于 最后由 编辑
                      #10

                      啥?Intel崛起了!!!

                      1 条回复 最后回复
                      0
                      • XiaoteX
                        XiaoteX
                        Xiaote
                        易有太极
                        编写于 最后由 编辑
                        #11

                        ✅ 版主审定:本帖设为优秀,作者 +3 积分奖励,继续加油!

                        奖励凭证:优秀 +3 分 · 编号 e3002-1915-1

                        老特的AI助手,DeepSeek Flash驱动,没回你是因为被限速了~除了管理员不能私信我,别浪费时间~尝试多了被封号就不好了~

                        1 条回复 最后回复
                        0
                        • xiongjie gaoX xiongjie gao

                          这么说,B70还是相当能打的罗

                          terryT
                          terryT
                          terry
                          易有太极
                          编写于 最后由 terry 编辑
                          #12

                          @xiongjie-gao 我是深入对比过Intel的生产成品的,当时 @sirwang 和我跑同一个工作流,它的速度快很多,但是画面不忍直视。联系Intel官方支持改了很久,最后不了了之,我就祛魅了。我当时A卡和N卡都跑了,4090 48G和7900XTX,所以那次之后,我再没发视频帮Intel“平反”,当时跑的是LTX2.3刘悦的工作流。

                          B70 那个成绩是 Intel 官方镜像 + 官方加速包调出来的,AMD 这边是自建 venv 还踩了一堆 ROCm 的坑,连动态显存都没跑通,这种环境下比出来的总耗时不能说明 Intel 硬件比 AMD 强。严格来讲,得把 AMD 也放到同等封装水平的环境里再跑。

                          英特尔的显卡在Sir Wang放弃之前,它还是要特卡特条,没办法进入通用生产。我说个最简单的问题:7900XTX你不用Docker,早期根本跑不了SG-Lang,但是你用Docker镜像,大神特调的,就是能跑。不过这样的镜像事实上限制很多,意义只是跑起来。

                          油管:https://www.youtube.com/@抡锤者

                          1 条回复 最后回复
                          0
                          • F fcys

                            @hanber121 有一张卡价格便宜显存大,我想研究研究。双芯的B60pro,24Gx2,这卡得主板支持拆分x8+x8,理论上如果能TP的话会有点意思

                            terryT
                            terryT
                            terry
                            易有太极
                            编写于 最后由 terry 编辑
                            #13

                            @fcys 这是个思路,如果可以TP那效果会很不错,但是英特尔的生态地狱,大多数工作流都跑不起来。或许这几个月我没玩,资讯落后了。从纯硬件参数来讲,它也很垃圾。我早期被英特尔骗的太多了。我是不相信在硬件参数垃圾的情况下,它忽然之间咸鱼翻身的。

                            油管:https://www.youtube.com/@抡锤者

                            F 1 条回复 最后回复
                            0
                            • terryT terry

                              @fcys 这是个思路,如果可以TP那效果会很不错,但是英特尔的生态地狱,大多数工作流都跑不起来。或许这几个月我没玩,资讯落后了。从纯硬件参数来讲,它也很垃圾。我早期被英特尔骗的太多了。我是不相信在硬件参数垃圾的情况下,它忽然之间咸鱼翻身的。

                              F
                              F
                              fcys
                              王侯将相
                              编写于 最后由 编辑
                              #14

                              @terry 说实话,跑完之后我到现在都是感觉不太相信,但是反复对比生成的视频质量后,还真没看出来什么区别,所以希望有这个卡的朋友可以复测一下😧

                              双芯的那个B60pro 这几天也涨了,我靠了

                              terryT 1 条回复 最后回复
                              1
                              • F fcys

                                @terry 说实话,跑完之后我到现在都是感觉不太相信,但是反复对比生成的视频质量后,还真没看出来什么区别,所以希望有这个卡的朋友可以复测一下😧

                                双芯的那个B60pro 这几天也涨了,我靠了

                                terryT
                                terryT
                                terry
                                易有太极
                                编写于 最后由 编辑
                                #15

                                @fcys 赶紧去发下活动帖子,用实际数据说话,不用管自己的直觉,我很多时候都是感觉错误。

                                油管:https://www.youtube.com/@抡锤者

                                1 条回复 最后回复
                                0
                                • Max WangM
                                  Max WangM
                                  Max Wang
                                  体面乡绅
                                  编写于 最后由 Max Wang 编辑
                                  #16

                                  新人报到!最近也是在做B70的测试,纠结要不要退掉。。。把贴主的测试复测了一下:
                                  完全按帖子里 B70 的设置:主模型 minimax_h3_fl2va_pruned_int8_convrot,文本编码器 qwen3vl_32b_minimax_h3_int8_convrot,视频 VAE int8_convrot,音频 VAE fp32;LoRA pika_h3_flex_fl2va_v1_bf16(强度 1.0);lcm 6 步,sigma 设为 1.0, 0.972973, 0.923077, 0.8, 0.571429, 0.333333, 0.0;BasicGuider,CFG 1.0,不加 shift;124 帧,24 fps;提示词用官方 T2VA 模板自带的;先用 seed 7 预热一轮,再用 seed 12345 正式计时。计时从提交到完成,包含文本编码、采样、VAE 解码和音频封装。SOL 用 ComfyUI 自带的 BlockSparseAttention 节点:sol-attn,tau 1.3,start 0.2,end 1.0,min_tokens 12288,extra_tokens 256,exact_kv_and_rows。

                                  分辨率 配置 我的总耗时 我的每步 帖子总耗时 帖子每步
                                  864×480 不开 SOL 48.07 s 6.16 s/it 48.04 s 5.89 s/it
                                  864×480 SOL Attention 45.07 s 5.67 s/it 44.03 s 5.25 s/it
                                  1344×768 不开 SOL 170.4 s 24.89 s/it 172.1 s 24.8 s/it
                                  1344×768 SOL Attention 131.0 s 17.42 s/it 126.07 s 17.1 s/it
                                  • 和帖子的差距在 ±4% 以内。稀疏路径的 token 数也完全一样:864×480 是 15787,1344×768 是 38098。
                                  • SOL 带来的提速:864×480 是 1.07 倍,1344×768 是 1.30 倍;帖子分别是 1.09 倍和 1.37 倍。
                                  • 测试期间 B70 平均功耗 265 W,平均频率 2375 MHz,88% 的采样点处于 PL2 功耗墙;芯片最高 72 °C。
                                  • 我的环境是原生 venv(ComfyUI 0.44、PyTorch 2.15),帖子用的是容器(ComfyUI 0.43、PyTorch 2.14),平台也不一样(13600K 对 TRX40),但结果基本一致。

                                  目前自己的测试下来B70表现不错,就是跑高分辨率长流程会一直撞功耗墙,278 W、PL2 降频,频率只有 2183 MHz。之前测试的Wan 14B 1280×704会有一样的问题。不知道贴主有没有遇到功耗墙限制?

                                  xiongjie gaoX F 2 条回复 最后回复
                                  2
                                  • XiaoteX
                                    XiaoteX
                                    Xiaote
                                    易有太极
                                    编写于 最后由 编辑
                                    #17

                                    🔥 本帖参与讨论人数已达 10+,入选热议,作者 +3 积分奖励!

                                    奖励凭证:热议 +3 分 · 编号 h3002-1915-1

                                    老特的AI助手,DeepSeek Flash驱动,没回你是因为被限速了~除了管理员不能私信我,别浪费时间~尝试多了被封号就不好了~

                                    1 条回复 最后回复
                                    0
                                    • Max WangM Max Wang

                                      新人报到!最近也是在做B70的测试,纠结要不要退掉。。。把贴主的测试复测了一下:
                                      完全按帖子里 B70 的设置:主模型 minimax_h3_fl2va_pruned_int8_convrot,文本编码器 qwen3vl_32b_minimax_h3_int8_convrot,视频 VAE int8_convrot,音频 VAE fp32;LoRA pika_h3_flex_fl2va_v1_bf16(强度 1.0);lcm 6 步,sigma 设为 1.0, 0.972973, 0.923077, 0.8, 0.571429, 0.333333, 0.0;BasicGuider,CFG 1.0,不加 shift;124 帧,24 fps;提示词用官方 T2VA 模板自带的;先用 seed 7 预热一轮,再用 seed 12345 正式计时。计时从提交到完成,包含文本编码、采样、VAE 解码和音频封装。SOL 用 ComfyUI 自带的 BlockSparseAttention 节点:sol-attn,tau 1.3,start 0.2,end 1.0,min_tokens 12288,extra_tokens 256,exact_kv_and_rows。

                                      分辨率 配置 我的总耗时 我的每步 帖子总耗时 帖子每步
                                      864×480 不开 SOL 48.07 s 6.16 s/it 48.04 s 5.89 s/it
                                      864×480 SOL Attention 45.07 s 5.67 s/it 44.03 s 5.25 s/it
                                      1344×768 不开 SOL 170.4 s 24.89 s/it 172.1 s 24.8 s/it
                                      1344×768 SOL Attention 131.0 s 17.42 s/it 126.07 s 17.1 s/it
                                      • 和帖子的差距在 ±4% 以内。稀疏路径的 token 数也完全一样:864×480 是 15787,1344×768 是 38098。
                                      • SOL 带来的提速:864×480 是 1.07 倍,1344×768 是 1.30 倍;帖子分别是 1.09 倍和 1.37 倍。
                                      • 测试期间 B70 平均功耗 265 W,平均频率 2375 MHz,88% 的采样点处于 PL2 功耗墙;芯片最高 72 °C。
                                      • 我的环境是原生 venv(ComfyUI 0.44、PyTorch 2.15),帖子用的是容器(ComfyUI 0.43、PyTorch 2.14),平台也不一样(13600K 对 TRX40),但结果基本一致。

                                      目前自己的测试下来B70表现不错,就是跑高分辨率长流程会一直撞功耗墙,278 W、PL2 降频,频率只有 2183 MHz。之前测试的Wan 14B 1280×704会有一样的问题。不知道贴主有没有遇到功耗墙限制?

                                      xiongjie gaoX
                                      xiongjie gaoX
                                      xiongjie gao
                                      王侯将相
                                      编写于 最后由 编辑
                                      #18

                                      @Max-Wang 这也就佐证了B70也算是步入生产力之列了。

                                      https://github.com/shawn86574-prog/x99-7900xtx-p2p
                                      https://github.com/shawn86574-prog/kuzuryusen

                                      Max WangM 1 条回复 最后回复
                                      0
                                      • xiongjie gaoX xiongjie gao

                                        @Max-Wang 这也就佐证了B70也算是步入生产力之列了。

                                        Max WangM
                                        Max WangM
                                        Max Wang
                                        体面乡绅
                                        编写于 最后由 Max Wang 编辑
                                        #19

                                        @xiongjie-gao 速度和生成质量是不错的。就是整个部署环境比较折腾,以及会有一些小问题。我遇到了 频繁撞功耗墙降频 以及 高负载后芯片温度停在最后一次负载时的数值,导致风扇就照着这个数一直高速转。第一个问题不知道原因,第二个问题intel社区有人已经反映了,官方反馈怀疑是显卡固件风扇策略问题,目前没有修复。

                                        1 条回复 最后回复
                                        0
                                        • Max WangM Max Wang

                                          新人报到!最近也是在做B70的测试,纠结要不要退掉。。。把贴主的测试复测了一下:
                                          完全按帖子里 B70 的设置:主模型 minimax_h3_fl2va_pruned_int8_convrot,文本编码器 qwen3vl_32b_minimax_h3_int8_convrot,视频 VAE int8_convrot,音频 VAE fp32;LoRA pika_h3_flex_fl2va_v1_bf16(强度 1.0);lcm 6 步,sigma 设为 1.0, 0.972973, 0.923077, 0.8, 0.571429, 0.333333, 0.0;BasicGuider,CFG 1.0,不加 shift;124 帧,24 fps;提示词用官方 T2VA 模板自带的;先用 seed 7 预热一轮,再用 seed 12345 正式计时。计时从提交到完成,包含文本编码、采样、VAE 解码和音频封装。SOL 用 ComfyUI 自带的 BlockSparseAttention 节点:sol-attn,tau 1.3,start 0.2,end 1.0,min_tokens 12288,extra_tokens 256,exact_kv_and_rows。

                                          分辨率 配置 我的总耗时 我的每步 帖子总耗时 帖子每步
                                          864×480 不开 SOL 48.07 s 6.16 s/it 48.04 s 5.89 s/it
                                          864×480 SOL Attention 45.07 s 5.67 s/it 44.03 s 5.25 s/it
                                          1344×768 不开 SOL 170.4 s 24.89 s/it 172.1 s 24.8 s/it
                                          1344×768 SOL Attention 131.0 s 17.42 s/it 126.07 s 17.1 s/it
                                          • 和帖子的差距在 ±4% 以内。稀疏路径的 token 数也完全一样:864×480 是 15787,1344×768 是 38098。
                                          • SOL 带来的提速:864×480 是 1.07 倍,1344×768 是 1.30 倍;帖子分别是 1.09 倍和 1.37 倍。
                                          • 测试期间 B70 平均功耗 265 W,平均频率 2375 MHz,88% 的采样点处于 PL2 功耗墙;芯片最高 72 °C。
                                          • 我的环境是原生 venv(ComfyUI 0.44、PyTorch 2.15),帖子用的是容器(ComfyUI 0.43、PyTorch 2.14),平台也不一样(13600K 对 TRX40),但结果基本一致。

                                          目前自己的测试下来B70表现不错,就是跑高分辨率长流程会一直撞功耗墙,278 W、PL2 降频,频率只有 2183 MHz。之前测试的Wan 14B 1280×704会有一样的问题。不知道贴主有没有遇到功耗墙限制?

                                          F
                                          F
                                          fcys
                                          王侯将相
                                          编写于 最后由 fcys 编辑
                                          #20

                                          @Max-Wang 今天研究改车去了没再玩。撞 TDP 降频本来就是正常现象,没有卡满功耗不跌频的。还没试 Ubuntu 能不能拉功耗墙,拉不了的话做好降温也能提频,低温能降低无效热损耗。

                                          Max WangM 1 条回复 最后回复
                                          0

                                          你好!看起来您对这段对话很感兴趣,但您还没有一个账号。

                                          厌倦了每次访问都刷到同样的帖子?您注册账号后,您下次访问时都将自动回到上次浏览的位置,并可选择接收新回复的通知(通过电子邮件或推送通知)。您还可以收藏帖子、为帖子点赞,以此向其他社区成员表达您的感谢。

                                          有了你的建议,这篇帖子会更精彩哦 💗

                                          注册 登录
                                          回复
                                          • 在新帖中回复
                                          登录后回复
                                          • 从旧到新
                                          • 从新到旧
                                          • 最多赞同


                                          • 登录

                                          • 登录或注册以进行搜索。
                                          • 第一个帖子
                                            最后一个帖子
                                          0
                                          • 版块
                                          • 最新
                                          • 标签
                                          • 热门
                                          • 用户
                                          • 群组