老实说，推理引擎我是写不出来的。

上一篇 《从 Strata 到 Radiance》 里，我把 StillDeadcode 的 Radiance 选定作为日用推理引擎，6000 多的预填充，MTP 开起来一百出头的解码速度，还能顺手跑 Qwen-Image 生图和改图~ （具体配置和测试口径见上一篇）

用了一段时间，我心里又开始犯嘀咕，既然 Radiance 跑得这么快，能不能再让它多干一点？

这一嘀咕，就有了这篇续集。

0x01、一个很好玩、但跑不动的功能

上一篇赶着发布，有个挺有意思的功能没来得及讲，那就是 Radiance 除了跑文本和图片，其实也能跑 MiniMax-H3 的普通文生视频。

而 MiniMax-H3 本身还有个更好玩的模式，叫“全参考”，通过几张角色图、一段参考视频，再加一段音频，都可以一起喂给它。角色图告诉它主角“长什么样”，而视频提供动作的参考，告诉模型该主角怎么动、镜头怎么走，音频也能作为条件参与生成。对于想拿自己的角色做短片的人来说，这种组合实在很诱人！

但问题是，我原来这套 ComfyUI 流程主要用单卡跑，另一张卡没能帮上这个任务的忙，Radiance又不支持全参考模式的 minimax_h3_ref2va 模型，0.4MP、20 步全参考测试里，光采样就要等十五分多钟。

于是，情况就成了这样：

1、ComfyUI ：流程全参考模式可以正常玩儿，但是速度慢的抠脚，出去转一圈回来它还搁那里采样！

2、Radiance：原生速度快，却还不支持我想玩的东西...

那么问题很自然就来了，能不能把两边拼起来？ 想到这里，我突然冷静了一下，HIP 开发我不会，推理引擎我也写不出来。这活儿我怎么干…

…不对，我不会，但好女孩（GPT）可以试试啊！

于是，我捏爆了一张“限额重置卡”，把这个灵光一闪的念头交给了她。

接下来，就是一轮轮的报错、查日志、改代码、重新测试。前前后后折腾了一个周末，最后，全参考模式真的在 Radiance 里跑起来了！

0x03、第一关：先和原版比一比

跑通只是第一步，接下来我们要看看它到底快了多少。

最实在的参照，就是我原来实际在用的方案，原版 ComfyUI + 单张 R9700。

为了先看两套部署的表现，第一组用的条件比较朴素，全参考模式，832×480（约 0.4MP），完整跑 20 次 Euler 采样，不使用加速 LoRA，参考条件与初始噪声共享。

从十五分半缩短到约八分钟，采样吞吐接近翻倍，耗时减少约 50%！

0x04、第二关：上难度

尝到甜头后，我胆子也大了起来，于是我又上了一组更复杂的多张角色参考图，加一段参考视频和它的原声。

这次是“宇宙公交站”主题，四个黄色生物分别替换动作参考中的四个白模，前景女主保留。必要时允许身体比例向原模特靠近，让角色有条件完成原来的动作。

视频生成的总计耗时大概15分35秒。

图中我们可以看到，采样之外还有将近五分的时间被预处理消耗掉了，预处理目前主要走单卡 PyTorch 路径，包含 VAE 编码和 Qwen3-VL-32B 条件特征提取，各环节占比还没有细分。后面有空，这是一个值得研究的优化点先记在账上！后面有空了再接着Vibe下，把整条任务的总耗时压下来。

效果我就不自吹了，视频放在下面。友们直接看成片自行判断。

Youtube Video

（这十几分钟里，我唯一的贡献就是忍住没去碰电脑。 ）

0x05、比数字更让我兴奋的

而这次真正让我兴奋的，是多卡这条路好像走得通！多张同架构显卡，通过专项优化，可以让算力和显存一起参与同一个生成任务！！

单张 R9700 是 32GB，四张合计就是 128GB。官方规格：R9700

当然，四张卡加起来的 128GB 和一张 128GB 的卡不是一回事,模型怎么切分、卡之间怎么通信，都要看引擎的本事。现在的双卡路径也仍使用主机内存暂存，并非所有东西都常驻显存。我目前只实测了双卡，四卡能扩展到什么程度，还要等真插上去才知道~

但至少，它让我看到了另一种思路，本地生成不一定只能纠结“该咬牙买哪张大显存卡”，也可以依托于社区开源的“基础设施”，使用AI为自己扫平显存不足障碍！！

放在以前，像我这样的人，遇到框架跑得慢、功能不全，基本只能等官方更新，等大佬出手。现在，Linux、ROCm 和开源项目留出了动手的空间，AI 又把“想法变成代码”的门槛拉低了一大截。引擎、内核、内存分配这些我自己啃不动的骨头，至少可以试着交给好女孩去啃。

CUDA 多年积累的优势当然还在。只是折腾完这一回，我觉得那条“护城河”上，已经出现了普通人借助 AI 也能搭桥过去的地方。愿意折腾的友再多一点，没准哪天，这条河就被填成了一条“护城沟”~

所以，以后挑硬件，我会越来越看重这几样：硬件加速单元、显存容量、带宽，还有它的开源生态。

0x06、最后的坦白

开头说了，我写不出推理引擎，自然也修不动它。

这个实验分支在我的环境里已经能正常运行，但长期维护、持续适配和处理各种问题，都超出了我的能力，主要代码也由 GPT/Codex 完成。所以，我更愿意把它当作一次已经跑通的实验，连同代码、素材和记录一起公开，抛块砖出来。如果有友愿意在 Radiance 和这次实验的基础上继续改进、移植，甚至做出更成熟的实现，那就是这块砖最好的归宿。

0x07、AI 使用披露

本文涉及的代码移植、调试与优化主要由 GPT/Codex 完成，测试执行、数据核对、文字润色、主题插画与图文排版也有好女孩参与。我负责提供想法、硬件和测试素材，并确认关键决策。性能数字来自真实硬件的运行记录。

感谢 StillDeadcode 和 Radiance、MiniMax-H3 模型作者，以及所有提供开源工具的人。

一个写不出推理引擎的人，这次借着 AI，也在“巨人”的肩膀上站了一回。

==============================================================

独VV不如众V，爱折腾的锤友可以把这个丢给agent试一下，项目我全程Vibe的，文档质量可能较差！使用过程中有啥问题顺手让Agent处理了得了~

实验分支： https://codeberg.org/Bunsei/radiance-h3-fullref

转换模型： https://huggingface.co/Bunsei/MiniMax-H3-Ref2VA-FP8-Radiance

素材包：下载地址 。

PS：手里有显卡的友，欢迎用同一套素材、相同模型版本和采样参数跑一遍。我是真的好奇，这组全参考任务在 N 卡上要跑多久，时间主要花在哪些阶段。我目前没有同条件数据，只能把这个拜托给友们了。

注：文中的《女神异闻录5》主题 AI 插画为非官方同人作品，角色权利归 ATLUS / SEGA。