2× AMD Radeon AI PRO R9700 32GB 跑 MiniMax H3。

目标：利用两张 GPU 的算力生成 H3 视频

工作流：

864×480 H3 PASS1
→ 1.5× Learned Latent Upscale
→ 1312×736 H3 PASS2 refinement

实测结果：

10 秒稳定，12 秒可以完成但接近 32GB 显存上限，15 秒目前在 PASS2 OOM。

一、机器配置

ROCm / ComfyUI 环境

PyTorch 在 ROCm 下仍使用 torch.cuda API，所以日志中的 cuda:0 / cuda:1 实际对应两张 AMD R9700。

二、双 GPU 分工

两张 R9700 并不是简单平均分配整个 H3 模型：

Dual-Sage 在 SageAttention ROCm PR #381 基础上，把 56 个 attention heads 拆成：

GPU1 / root   → 28 heads
GPU0 / helper → 28 heads

Synthetic Sage benchmark：

这里的 1.5675× 是 Attention benchmark，不是整个 H3 workflow 的加速比。

三、工作流

工作流：

864×480
→ H3 PASS1
→ Learned Latent Upscale 1.5×
→ 1312×736
→ H3 PASS2 refinement
→ VAE Decode

重点是 upscale 后重新进入 H3 做第二次 refinement，而不是 VAE decode 后做普通视频 upscale。

七、目前结论

OOM 并不是发生在 SageAttention，而是在 PASS2 的 QKV / LoRA 路径：

qkv_proj(x)
→ LoRA adapter
→ out * scale
→ OOM

当时 PyTorch 需要额外申请约：

4.18 GiB

所以目前 15 秒的主要限制是 GPU1 的 temporary activation VRAM peak。

目前已经实现：

2× R9700 32GB
+ ROCm 7.2.4
+ SageAttention ROCm PR #381
+ Dual-Sage 28+28
+ GPU0/GPU1 workload separation
+ 864×480 PASS1
+ 1.5× Latent Upscale
+ 1312×736 PASS2

10 秒稳定完成，12 秒已经验证可以完成；15 秒目前卡在 PASS2 QKV / LoRA 的显存峰值。