MiniMax H3 теперь можно рендерить быстрее, сохранив число шагов и веса модели. Новый нод Veda Sparse Attention пропускает большую часть вычислений attention — механизма, который считает связи между участками видео. В японском тесте на RunPod A40 один шаг text-to-video занял 19,6 секунды вместо 35,5. Но с тем же seed Veda может собрать уже другую сцену.
Для тех, кто гоняет H3 локально или арендует GPU, выигрыш понятный: меньше времени на рендер, меньше расходов, больше итераций за смену. Но почти двукратное ускорение относится прежде всего к одному шагу. Весь ролик становится быстрее не настолько, а картинка может измениться.
Как Veda ускоряет MiniMax H3 в ComfyUI
Видеомодель много раз пересчитывает связи между участками кадра. Это и есть attention. В длинном клипе таких участков много, и, по описанию команды Veda, значительная часть вычислений почти не влияет на результат. Небольшой предиктор весом 275 МБ оценивает, какие области важны. Нод считает примерно 10% блоков attention, остальные пропускает.
Veda работает отдельно от LoRA и не меняет веса MiniMax H3. Её можно поставить рядом с Turbo LoRA и другими LoRA, а также использовать SageAttention. Veda выбирает области для расчёта, SageAttention ускоряет сам расчёт. В японском тесте SageAttention был включён и в вариант без Veda.
Команда Veda выпустила официальный нод для ComfyUI 3 октября 2026 года. Для установки нужна версия ComfyUI 0.38.0 или новее. Предиктор можно скачать на Hugging Face, код нода распространяется по лицензии MIT.
Veda и сокращение числа шагов ускоряют генерацию по-разному. В исходном японском тесте автор сравнивал Veda с PDD, который уменьшает число шагов. Veda же облегчает каждый шаг. Rura проверил оба подхода вместе — такое сочетание оказалось практичным.
Что показали 18 видео на A40
Японский автор Rura сравнил версии с Veda и без неё на трёх сценах. Для них использовал одинаковые промты и seed. Каждую сцену проверил при 20 шагах, PDD 8 и PDD 4 — всего получилось 18 видео. Тест проходил на RunPod A40: вертикальный кадр 672×1216, длительность — 8 секунд.
В text-to-video один шаг сократился с 35,5 до 19,6 секунды — в 1,81 раза. При генерации с референсным изображением время упало с 36,9 до 21,3 секунды, в 1,73 раза. Команда Veda получила похожие цифры на RTX 5070: 8 шагов с SageAttention заняли 231 секунду, с Veda — 130.
Полный клип ускорился слабее. Veda не затрагивает часть обработки, на которую у Rura уходило около 65 секунд. Рендер на 20 шагах сократился примерно с 13 до 7,6 минуты, а PDD 8 — с 5,8 до 3,7 минуты. Если считать аренду A40 по $0,49 в час, восьмисекундный ролик на PDD 8 подешевел примерно с $0,047 до $0,030. По курсу 157,5 рубля за доллар на 26 сентября 2026 года это около 7,5 и 4,7 рубля.
Вот сравнение, которое пригодится при выборе настроек: PDD 8 вместе с Veda занял 219 секунд, а PDD 4 без Veda — 205. Скорость почти та же, но в первом случае остаётся восемь шагов вместо четырёх. Если вам важнее стабильность картинки, такой вариант может оказаться интереснее.
«Самое удивительное — с Veda получается уже другая картинка», — отмечает Rura по итогам сравнения.
На одинаковом seed менялись освещение и композиция: появлялись тёплый свет и деревянный стол, камера отъезжала чуть дальше. Крупных развалов Rura не заметил. Зато на клавиатуре в вариантах с PDD 4 и PDD 8 некоторые клавиши выглядели менее чётко. В сцене с говорящим человеком в целом сохранились лицо, одежда и жесты. Это визуальная оценка автора, а не замер качества.
Почему ускорение зависит от GPU
Другой японский автор проверил Veda на RTX 3090. Его ролик длиной 6,6 секунды стал короче в рендере: время упало с 525,7 до 341,2 секунды, примерно на 35%. Но Veda на всех шагах портила зелёный фон — он становился серым и хуже отделялся. Автор отключил ускорение на первых трёх шагах, где закрепляется фон, и оставил его на следующих.
Этот тест проходил в других условиях, поэтому напрямую сравнивать его результат с A40 не стоит. На цифры влияют GPU, разрешение, схема шагов и уже установленные оптимизации. Ещё один автор получил около 140 секунд на RTX 4070 в связке 8-step Turbo + Veda + X2 VAE. Его прежний вариант с SLA занимал около 61 секунды. Похоже, Veda может замедлить уже хорошо оптимизированный процесс.
Есть и нюанс с разрешением. Японский автор использовал 672×1216 — размер отличался от того, на котором обучали предиктор. По его наблюдениям, реально рассчитывалось около 17% attention при целевом значении примерно 10%. Возможно, на подходящем разрешении ускорение будет выше, но этот вариант пока не проверяли.
Как попробовать Veda и сохранить рабочий граф
1. Обновите ComfyUI до версии 0.38.0 или новее и установите нод Veda Sparse Attention (MiniMax H3). 2. Скачайте предиктор размером 275 МБ и положите его в models/veda/. 3. В графе поставьте Veda после загрузки LoRA, прямо перед Guider или сэмплером. Для первого сравнения оставьте настройки по умолчанию: нод пропускает примерно 90% блоков attention.
4. Сравните ролики на одинаковом seed, но не ждите совпадения пиксель в пиксель. Композиция и свет могут измениться. Для хромакея проверьте цвет фона на первых шагах. Если в кадре есть текст, клавиатура или мелкие механизмы, рассмотрите детали крупно. Для непрерывной сцены не склеивайте версию без Veda с продолжением, сделанным с Veda.
Начните с короткого тестового клипа. Запишите отдельно время одного шага и полный рендер: на итог влияют подготовка модели и декодирование видео. Потом сравните скорость, детали, цвет фона и то, насколько кадр подходит для монтажа.
Для меня практический вывод такой: Veda экономит время, но может поменять результат. Если вы часто перебираете сцены, выигрыш в скорости и цене заметен. Если нужна точная повторяемость кадра или чистый гринскрин, сначала проверьте её на своём workflow.
Источники
Veda Sparse Attention Comes to ComfyUI: Faster MiniMax H3
MiniMax H3 に Veda を入れたら RTX 3090 で 35% 縮んだ。全 step に掛けると GB 素材が抜けない
Veda Node Makes MiniMax H3 ~3x Faster in ComfyUI
[MiniMax H3] Measuring generation time with the new acceleration method Veda (RTX 4070)
Источникnote.com
