AREX Feed Article
MiniMax 称 H3 借助 SGLang-Diffusion 与 VDN-H3 在 8×B200 上实现超 2 倍实时去噪，预热后 9.0 秒生成 14.4 秒 768p 视频
9 月 14 日 23:34 UTC（北京时间 9 月 15 日 07:34），MiniMax 官方账号称，借助 sgl-project 的 SGLang-Diffusion 与 VDN-H3，H3 在 8×B200 上实现超过 2 倍实时去噪：预热完成后，9.0 秒生成 14.4 秒的 768p 视频，且「无测得的质量退化」（no measured quality regression）。帖子结尾写道：「开放模型在开放生态中复利式增长。」
在发帖前不到一天，MiniMax 刚 H3 的开源生态，列出 FastH3、Sol-H3、VDN、PDD、LightX2V 等项目，并称 H3 是为视频生成而建、具备原生立体声音频与多模态参考控制的模型。新帖把其中 VDN 这条线推进到了与 SGLang-Diffusion 组合后的具体数字。
去噪与整段请求：两个计时口径
更细的拆分来自 SGLang 官方账号。在 MiniMax 发帖约七小时前，它用一串给出同一结果：8×B200 上，8 步去噪耗时 6.9 秒，达到 2 倍以上实时；9.0 秒覆盖的是预热之后的一次完整生成请求。按这组数字换算，14.4 秒成片对应的去噪约合 2.09 倍实时，整段请求约合 1.6 倍实时：超过 2 倍描述的是去噪阶段，不是端到端。
SGLang 帖子里的演示视频画面把这两个数字并排显示在界面上（本文首图）：顶部标着「generation 9.0s < playback 14.4s」，旁边是 continuous stream 与 8× B200；右侧镜头队列里第一镜标注 14.4 秒、第二镜正在生成。
工作负载写在 SGLang 的 （官方配方文档）里：1344×768、24 fps、含音频的 345 帧（约 14.4 秒），8 次 DiT（扩散变换器）前向，seed 1000，8 卡 Ulysses 序列并行，预热在实际服务的片长与分辨率上进行。文档提醒，如果不按服务的片段长度预热，第一个长请求要多付 2～3 秒的分配器增长与内核初始化时间。
VDN 改的是注意力，SGLang 负责多卡扩展
VDN-H3 是 OpenVDN 在 H3 主干上做的混合注意力版本，改动集中在注意力层。SGLang 的是：它把视频注意力拆成两条支路，滑动窗口 Softmax 注意力负责局部细节，双向线性注意力负责长程上下文；其中视频专用的 Delta Attention 用逐帧记忆更新，让线性注意力在长片段上保持稳定。cookbook 补充，这套改动在未改动的 H3 主干上加了一条 4.3 GB 的线性分支和 8 步 DMD2 蒸馏的 LoRA（低秩适配）适配器，推理时合并进权重。
SGLang 还给出了一组多卡扩展数字。它，与 OpenVDN 的参考实现相比，同一台 B200 主机上 2、4、8 卡的加速比分别为 1.48、1.55、1.60 倍，并行效率 86～91%，参考实现为 56～64%。cookbook 给出的同负载测速是每次前向单卡 6.03 秒、2 卡 3.30 秒、4 卡 1.67 秒、8 卡 0.88 秒。
质量对照：103 条提示与一张指标表
SGLang 帖给出的质量口径是：与稠密 50 步的 H3 相比，在 103 条测试提示上没有测得质量退化。该账号还一张对比表（本文第二张图），列出 VQA_A、VQA_T、Q-Align、FAST-VQA、MaxVQA clear-motion、DOVER++ 与 Flow score 七项指标。表中 VDN-H3 的数值都略高于 Dense H3，例如 Q-Align 为 93.13 对 92.22、VQA_T 为 89.20 对 88.20；同一张表里 FastH3 的数值明显低于 Dense H3。
MiniMax 的帖子给出的质量结论是「无测得的质量退化」；具体指标与数值来自 SGLang 的对比表。SGLang 的文档更新还写明，测速来自一次单机扫描，每次只跑一个配置、期间 GPU 空闲，同一配置在不同节点上重复测量会有约 3% 的漂移，更小的差异应视为噪声。
checkpoint 已公开，配方要求 hybrid_window_attn_h3 后端
SGLang 当前 VDN-H3 的 checkpoint（模型权重）支持 T2VA、I2VA 和 FL2VA，cookbook 给出了 8×B200 的完整配方。文档同时警告，该配方必须使用 hybrid_window_attn_h3 后端；换成稠密注意力后端会静默跳过线性分支与门控，产出错误结果。
9.0 秒目前来自 MiniMax 与 SGLang 双方自己发布的帖文与文档。