RunningHub 开源 MiniMax H3 多卡推理加速方案，PCIe 环境下提速 12 倍
H3 Lightning 用后训练少步推理、注意力算子优化、缓存复用和多卡并行，在没有 NVLink 的普通 PCIe 多卡服务器上把 H3 视频生成提速约 12 倍，成本门槛更贴近实际团队部署。
MiniMax H3 开源后不久，AIGC 平台 RunningHub 推出了 H3 Lightning 加速方案：在 4 张 RTX 6000D 上生成 5 秒、1344×768 视频，耗时从 348.8 秒降到 28.7 秒，约 12 倍提速，且保持 BF16 精度。整套方法已在 GitHub 开源。
正文摘录
所以 MiniMax 前脚刚把 H3 开源，后脚各种工作流、ComfyUI 节点、垂直优化玩法就已经冒了出来。 这不，一站式 AIGC 创作平台 RunningHub 就盯上了一个大家都特《急急急》的事儿： 灵感一上头，创意改起来只要十几秒，下一版都已经在脑子里剪完了，结果屏幕上的这一版还在转…… 同样生成 5 秒、1344×768 的视频，在 4 张 RTX 6000D 上，原始 BF16 50 步方案耗时 348.8 秒，差不多 6 分钟。 RunningHub H3 Lightning 完整加速之后，只需要 28.7 秒。 好家伙，前后约 12 倍提速，生成耗时减少约 92%，却依旧能保留 BF16 数值精度。 现在，RunningHub 已经把整套玩法放 GitHub 上开源了，任何创作者都能开箱即用！ （https://github.com/RH-RunningHub/MiniMax-H3-MultiGPU-Lightning/） 不光是 5 秒视频，就算是 15 秒、双参考图，RunningHub H3 Lightning 依旧能给你猛猛提速。 在 8 张 RTX 6000D 环境下，让 H3 做一个 15 秒、分辨率 768×1344 的视频，纯文字生成大约需要 48 秒、双参考图生成约 73 秒。 而且在 RunningHub H3 Lightning 这儿，AI 加速可不等于质量劣化。 场景放在沙漠，一个女越野摩托车手原地起步，随后高速冲上沙丘，腾空、落地，再接一个大幅甩尾。 落地的时候车身有明显的下沉和回弹，骑手的重心也跟着往下压了一下，还有尘土的飞扬看着也挺真实。 少年从草地上起身，直接向山坡前方奔跑；金毛也得跟着起来，一边跑一边跳；少年中途还要张开双臂、转身继续跑。 从坐着到起身，再到迈步加速，动作之间有比较明显的衔接；