Wan 2.2 5B сгенерировала 49 кадров в разрешении 832×480 примерно за минуту на RTX 3070 Ti с 8 ГБ VRAM. Такой результат получил Александр Харте в тесте ComfyUI. Хороший ориентир для коротких роликов, хотя скорость зависит от модели и пайплайна.
В японском гайде автор обещает запускать тяжёлые видеомодели на GPU с 8–16 ГБ VRAM и сократить время генерации до трети или четверти. В доступных материалах нет замеров, которые подтверждали бы эти цифры. Ниже разберу, что проверяли на практике, а что пока остаётся обещанием.
Wan 2.2 на 8 ГБ уже запускается, но сценарий важен
В тесте Харте использовал Wan 2.2 5B и RTX 3070 Ti. Короткий ролик на 49 кадров в разрешении 832×480 при 20 шагах занял около минуты. Пятсекундное видео в 720p на той же карте рендерилось 11 минут. Разница заметная: запуск модели на карте ещё не говорит, сколько займёт любой ролик.
Для локального видео это полезный ориентир. Короткие черновики можно крутить на потребительской карте, а тяжёлые версии оставлять для выбранных кадров и сцен. Так меньше времени уйдёт на варианты, которые всё равно не попадут в монтаж.
| Сценарий | Условия | Результат |
|---|---|---|
| Wan 2.2 5B | RTX 3070 Ti, 8 ГБ; 832×480, 49 кадров | около 60 секунд |
| Wan 2.2 5B | RTX 3070 Ti; 1280×704, 121 кадр | 11 минут |
| MiniMax H3 latent upscale | 0,4 МП, 8 шагов; затем апскейл ×2 и 3 шага | Японский автор отмечает более высокую скорость и стабильность; точное время не указано |
Последняя строка — описание другого пайплайна, а не сопоставимый бенчмарк. Японский автор сайта HKMC AI Lab опубликовал его в октябре 2026 года. В гайде сравнивают генерацию в низком разрешении с последующим увеличением латентов и повторным семплированием. Время и модель видеокарты автор не указал.
GGUF экономит ресурсы, но не всегда секунды
GGUF хранит веса в сжатом виде, например с квантованием до 4 или 8 бит. Так модели проще поместиться в видеопамять, а системная RAM получает меньшую нагрузку. Для ComfyUI понадобится загрузчик ComfyUI-GGUF.
А вот ускорения GGUF сам по себе не гарантирует. В тесте Харте Wan 2.2 5B обработала 49 кадров примерно за 67 секунд с Q4_K_M, за 59 секунд с Q8_0 и за 60 секунд с fp16. Главный плюс — запас по памяти и возможность запустить модель на менее мощной карте.
В том же сравнении Q8_0 по композиции был близок к fp16. Q4_K_M при том же seed дал другой кадр и положение камеры. Для черновиков такой вариант может подойти. Если композиция уже согласована, например для рекламного шота, сначала проверьте квантование: одинаково хорошего результата для всех вариантов нет.
- Начните с короткого ролика и низкого разрешения: так быстрее проверить идею и промпт.
- Для Wan 2.2 на карте с ограниченной памятью сравните Q8_0 и fp16. Q4 может изменить композицию.
- В MiniMax H3 попробуйте отдельный проход латентного апскейла вместо генерации сразу в высоком разрешении.
Латентный апскейл помогает деталям, но добавляет проход
Обычный апскейл увеличивает уже декодированное изображение или видео. Latent Upscale работает раньше: он увеличивает скрытое представление ролика, после чего видео снова проходит семплирование. Автор HKMC AI Lab описывает свой вариант так: сначала 0,4 МП и 8 шагов, затем увеличение вдвое и ещё 3 шага.
В инструкции автора разрешение для MiniMax H3 должно делиться на 32. Увеличенный проход занимает дополнительное время и расходует больше VRAM. Временные фрагменты и пространственные тайлы снижают пиковую нагрузку, но сам проход всё равно требует ресурсов.
Для MiniMax H3 есть отдельные узлы и модели апскейлера. Репозиторий Comfyui_Minimax_h3_latent_Upscaler описывает варианты 2D и 3D. В истории проекта появились узлы для раздельного масштабирования по времени и пространству. Сборка и параметры могут меняться — перед правками workflow сверьтесь с актуальным README.
Turbo LoRA сокращает шаги, но проверьте совместимость
Команда lightx2v опубликовала Turbo LoRA для FL2V и REF2V в MiniMax H3. В объявлении от 20 октября 2026 года указаны версии на 4 и 8 шагов. Для FL2V авторы рекомендуют video flow shift 6.0. К REF2V эта рекомендация автоматически не относится.
В обсуждении релиза есть жалобы на качество. Один пользователь сообщил о размытой и дёрганой картинке на REF2V. Другой написал, что FL2V v1.3 заметно ухудшилась при сочетании с VEDA, H3 Sparse Attention и дополнительными LoRA. Это отдельные отзывы, по ним нельзя оценить все варианты работы. Перед обновлением лучше сделать контрольный прогон.
Сохраните старый workflow и сделайте копию. Сравните версии на одном промпте и seed, сначала без дополнительных LoRA и ускоряющих узлов. Потом подключайте компоненты по одному. Так будет проще найти причину, если картинка ухудшится.
Обещание ускорения в 3–4 раза пока не подтверждено
В японском гайде также упоминаются SageAttention и RIFE — интерполяция кадров. В доступных источниках нет замеров, которые показывали бы ускорение в 3–4 раза на конкретной карте и для одного и того же ролика. Эти инструменты могут входить в пайплайн, но заявленную цифру пока подтвердить нечем.
Для локальной станции важна и системная RAM. В тесте Харте fp16-модель Wan 2.2 занимала больше памяти, чем машина с 30 ГБ RAM могла комфортно выделить процессу. Квантование и offloading помогают обойти ограничения, но всё равно понадобятся память и время.
Для креатора главный выигрыш — возможность быстро отсеивать слабые варианты и тратить тяжёлый проход только на ролики, которые пойдут в монтаж. Заявленные секунды пока лучше проверить на своей сборке.
Мои работы с генеративным видео — в разделе работ
Источники
Wan 2.2 in ComfyUI: Local AI Video on an 8GB GPU (Tested)
ComfyUI GGUF: Run Flux & Wan 2.2 on 8GB VRAM (Tested)
ComfyUI×MiniMax H3: практическое руководство по Latent Upscale
Comfyui Minimax H3 Latent Upscaler
MiniMax-H3-Turbo: новые FL2V и REF2V Turbo LoRA
Источникnote.com
