返回MiniMax-H3 开源后，凭借视频生成能力迅速受到关注。
围绕这一模型，奥尼AI 从桌面工作站到 8 卡服务器，完成了两种算力形态的适配。
实际跑起来效果如何？下面直接看实测结果。
01
A2000 工作站：
最快约80秒，桌面也能跑H3
奥尼NeoFrog青跃桌面级工作站A2000，搭载NVIDIA Jetson Thor T5000芯片模组，拥有2070 TFLOPS 本地算力和128GB LPDDR5X 统一共享内存。
MiniMax-H3的原生工具链此前并没有针对这一硬件环境的适配方案。
奥尼AI 从底层入手：对 SageAttention 2 完成架构映射与 Dispatch 适配，并补齐其中缺失的 Kernel，先让 H3 在 A2000 上跑通完整生成链路。
跑通之后，再从三个方向继续提速：
降低注意力计算开销：优化 Attention 计算，让推理更快。
升级推理环境：结合编译优化，整体运行效率进一步提升。
压缩生成步骤：通过采样加速减少采样步数，缩短视频生成时间。
最终实测结果：
以 480P、5 秒、带音频的 T2V 任务为例，整机功耗约 140W，单条视频生成约 80 秒。
A2000视频效果
02
8 卡服务器：
最快36.9秒，重点解决规模化运行
在搭载NVIDIA高性能GPU的8卡服务器上，奥尼AI 主要针对三件事做适配：长视频能不能跑、多张卡怎么配合、多个任务怎么同时排。
长视频生成：50 步长视频对显存占用要求更高，权重全部驻留显存很容易顶到上限。改为“DiT 权重常驻 + 文本编码器 / VAE Offload”、把部分组件移出显存后，10 秒、15 秒长视频都能稳定完成 50 步生成。
多卡运行：测试了不同的并行方式，TP4 在当前环境下延迟更低；TP8 的卡更多，但跨 NUMA 通信带来额外开销，反而更慢。
任务调度：把 8 张 GPU 划分为 4 个服务槽位，按任务类型、推理步数和视频时长进行分配，同时预留槽位承接长视频和临时增加的任务。
最终实测结果：
8卡服务器视频效果
同样是运行MiniMax-H3，不同的需求所适配的算力形态也不同。
对于需要轻量部署的创作场景，桌面工作站提供了更灵活的选择；面对更多视频生成任务，8卡服务器则提升了整体承载能力。
未来，奥尼AI将持续跟进新模型、新硬件与新架构，推进大模型在不同算力设备上的适配与优化，让AI推理能力从数据中心进一步走向桌面、边缘与企业本地部署场景。
