六张卡跑同一个 MiniMax-H3 视频工作流，差多少？

机群里攒了几张不同世代的卡，一直想知道同一套 H3 Ref2VA 工作流跑下来到底差多少。
花两天把 5090 / 4090 / 5080 / 170HX / 双 7900 XTX 全跑了一遍，记录冷热启动、显存、内存、功耗。
数据都是实测，不是跑分软件估算。

测试条件

项目	设置
模型	minimax_h3_ref2va_pruned_int8_convrot
文本编码器	qwen3vl_32b_minimax_h3_nvfp4_awq
加速 LoRA	dmad_minimax_h3_8step_full_critic
步数	8（与 LoRA 训练步数一致）
采样器	euler / simple
分辨率	1344×768（16:9，1.032 MP）
ref_image_size	match
ComfyUI 显存策略	全部 --lowvram
提示词	同一套三条（5s / 10s / 15s），带台词与音色参考

5 秒档

显卡	热启动	冷启动	显存峰值	功耗均值
RTX 5090	75 s	75 s	30.9 GB	544 W
RTX 4090	88 s	98 s	42.4 GB	420 W
RTX 5080	124 s	134 s	15.2 GB	353 W
CMP 170HX	219 s	239 s	42.3 GB	226 W
7900 XTX ×2 (TP2)	273 s	625 s	32.5 GB	500 W
7900 XTX 单卡	490 s	717 s	17.7 GB	270 W

10 秒档

显卡	热启动	冷启动	显存峰值	功耗均值
RTX 5090	220 s	224 s	30.9 GB	555 W
RTX 4090	261 s	264 s	46.5 GB	427 W
RTX 5080	362 s	367 s	15.2 GB	355 W
CMP 170HX	710 s	722 s	46.5 GB	235 W
7900 XTX ×2 (TP2)	812 s	1170 s	37.9 GB	502 W
7900 XTX 单卡	1441 s	1666 s	23.2 GB	271 W

15 秒档

显卡	热启动	冷启动	显存峰值	功耗均值
RTX 5090	404 s	410 s	31.0 GB	561 W
RTX 4090	477 s	479 s	47.2 GB	434 W
RTX 5080	665 s	670 s	15.2 GB	356 W
CMP 170HX	1367 s	1371 s	50.2 GB	237 W
7900 XTX ×2 (TP2)	1460 s	1825 s	45.8 GB	502 W
7900 XTX 单卡	OOM	—	—	—

7900 XTX：双卡 TP2 对比单卡

视频时长	单卡热启动	双卡 TP2 热启动	对比
5 秒	490 s	273 s	双卡快约 1.79 倍，耗时减少约 44%
10 秒	1441 s	812 s	双卡快约 1.77 倍，耗时减少约 44%
15 秒	OOM	1460 s	单卡显存不足，双卡可运行

5 秒档按显卡平均功耗估算，单卡约 36.8 Wh，双卡合计约 37.9 Wh：双卡节省了时间，单条显卡耗电量接近。以上为单次测量。

能效：谁最省电

显卡	5 秒耗时	功耗均值	单条耗电
RTX 4090	88 s	420 W	10.3 Wh
RTX 5090	75 s	544 W	11.3 Wh
RTX 5080	124 s	353 W	12.2 Wh
CMP 170HX	219 s	226 W	13.7 Wh
7900 XTX 单卡	490 s	270 W	36.8 Wh
7900 XTX ×2 (TP2)	273 s	500 W	37.9 Wh

4090 单条耗电最低（10.3 Wh），但速度不是最快。

按「每瓦出片量」算，5090 和 4090 接近（速度更快但功耗高），

170HX 用 226 W 就跑完虽然慢，能耗只比 5090 高 21%，能耗表现不错。

两张 7900 XTX 的能效最差——TP2 的通信开销和单卡的软件栈低效让它们耗电是 4090 的 3.5 倍。

一个反直觉的发现：16 GB 能跑，24 GB 反而 OOM

RTX 5080 只有 16 GB，15 秒能跑完（665 s）。

7900 XTX 有 24 GB，15 秒直接 CUDA out of memory。

查下来原因不是容量，是能不能动态换页：

项目	RTX 5080（16 GB 能跑）	7900 XTX（24 GB 不能跑）
comfy-aimdo 动态卸载	有	无
20 GB 权重的处理	Staged 到系统内存，按需流式送入显存	必须全部常驻显存
显存峰值	15.21 GB（恒定满，持续换页）	23.98 GB（撑死）
系统内存参与	峰值 30.6 GB，起关键作用	不参与卸载

NVIDIA 的 comfy-aimdo 把显存变成了「缓存」而不是「仓库」，所以 16 GB 够用。

AMD ROCm 缺这套机制，24 GB 是必须同时装下权重 + 激活的硬门槛。

试过但无效的修法：PYTORCH_HIP_ALLOC_CONF=expandable_segments:True

碎片从 5.57 GB 降到 2.27 GB（确实生效），但总占用涨到 21.26 GB，还是差 1.19 GB。

所以是硬性容量不足，不是碎片问题。

结论

1. 要速度 → RTX 5090（5 秒 75 s），三档全部领先
2. 要能效 → RTX 4090（单条 10.3 Wh 最低）或 5090（11.3 Wh 但快 15%）
3. 要长视频 → 5090 或 170HX，显存余量足
4. 不推荐 7900 XTX 双卡 TP2：15 秒 1460 s 比 170HX 单卡还慢
5. 降功耗策略：5080 可以压到 60%（只慢 4%）；4090 压到 85% 划算（省 14% 电只慢 4.5%），压到 60% 慢 42% 就不值了

测试环境

机器	配置
5090	RTX 5090D 32G · Ryzen 7 9800X3D · 96 GB
170hx+4090	8× CMP 170HX + RTX 4090 48G · 2× EPYC 7542 · 512 GB
5080	RTX 5080 16G · Ryzen 5 9600X · 64 GB
7900xtx	2× RX 7900 XTX 24G · Ryzen 9 7900X · 192 GB

冷启动 = 服务刚起的第一条（含模型加载 + 文本编码）

热启动 = 同服务紧接着的第二条（模型已驻显存，反映纯算力）