VDN-H3
PulseAugur coverage of VDN-H3 — every cluster mentioning VDN-H3 across labs, papers, and developer communities, ranked by signal.
-
H3 加速竞技场新增 VDN-H3、TaoMate H3 和 LightX2V 1.2 模型
H3 加速竞技场通过新增三款模型：VDN-H3、TaoMate H3 和 LightX2V 1.2，扩展了其模型评估。鼓励用户对这些新模型进行投票，以评估它们与先前评估模型的性能。此次扩展旨在提供对图像生成模型更全面的比较。
-
MiniMax H3视频生成速度达到2倍实时
MiniMax AI宣布其视频生成模型MiniMax H3取得了重大进展。该模型利用@sgl_project和VDN-H3，现在的去噪速度超过实时速度的两倍。这使得在不损失任何可察觉质量的情况下，使用八个Nvidia B200 GPU，仅用9.0秒即可生成14.4秒的768p视频。
-
MiniMax H3 视频生成在 Nvidia B200 上实现 2 倍加速
MiniMax AI 宣布其 H3 视频生成模型的速度得到显著提升。使用 SGLang-Diffusion 和 VDN-H3 在八个 Nvidia B200 GPU 上，该系统现在可以在 9.0 秒内生成 14.4 秒的 768p 视频。这代表了实时去噪速度的提升超过两倍，且视频质量没有明显下降。
-
VDN-H3 针对 24GB 显存卡优化版本在 GitHub 发布
一位用户开发了 VDN-H3 的 ComfyUI 实现版本，该版本专门针对拥有 24GB 显存的显卡（如 RTX 3090 Ti）进行了优化。此实现使用了 INT8 ConvRot VDN 权重，并在高达 0.8MP 的分辨率下进行了视频生成测试，虽然生成更长的视频也是可能的，但速度会较慢。开发者在 GitHub 上分享了代码库，并在 Hugging Face 上分享了 VDN 权重，旨在帮助拥有类似硬件并希望使用 VDN-H3 的用户。
-
Video DeltaNet 通过混合注意力机制加速视频生成
研究人员推出了 Video DeltaNet (VDN-H3)，这是一种混合注意力模型，旨在加速视频生成同时保持高质量。该模型结合了高效的线性注意力和 softmax 分支，实现了快速推理速度，在 8 个 B200 GPU 上仅用 11 秒多就生成了 14.4 秒的视频片段。VDN-H3 被设计为即插即用，添加了一个单独的线性注意力分支和 LoRA 适配器，可以合并到现有骨干网络中而不改变其权重。该项目完全开源，权重、训练代码和优化的…