LMSYS 团队 8 月 27 日放出一份 MiniMax-H3 的推理性能报告，测试环境是 8 张 NVIDIA H200，每张 141GB 显存，跑的是 SGLang Diffusion 框架。参数固定在 1344×768 分辨率、24 FPS、50 步去噪，分别出 5 秒和 10 秒两种时长，对照组是 Diffusers。
结论分两层。第一层是不掺水的：
“SGLang’s dense, lossless path is 1.85–1.95× faster than Diffusers with no approximation: the same denoising work, on a faster runtime.” （SGLang 的稠密无损路径比 Diffusers 快 1.85 到 1.95 倍，没有做任何近似：同样的去噪计算量，跑在更快的运行时上。）
文生视频动画这条链路上，无损档比 Diffusers 快 1.87 到 1.95 倍；帧列表转视频那条快 1.91 到 1.95 倍。两条路径都接近翻倍，且 SSIM 严格等于 1.0000——像素级完全一致。
三层加速叠起来才有 6 倍
报告把提速拆成三块，每块的性质不一样。
融合算子是纯工程活儿。SGLang 把 AdaLN 更新、门控残差、SwiGLU 激活，以及带 3D RoPE 的 QK RMSNorm 合进同一个 kernel，减少显存来回搬运。单个算子的隔离测试提速在 2.00 到 12.16 倍之间，落到端到端就是前面那个 1.95 倍。这一层不改任何计算结果。
Cache-DiT 开始动近似了：相邻去噪步之间复用缓存结果，用残差差分阈值决定复不复用，保守档阈值 0.04，激进的 stride 档 0.08。保守档在两条链路上分别拿到 2.65 倍和 2.99 倍，SSIM 掉到 0.90 和 0.94 一线。
SubBlock 稀疏注意力最激进：块稀疏路由器在第 10 步之后削减参与计算的 KV 块，稀疏度设 0.75 或 0.80。它和 Cache-DiT stride 叠在一起，文生视频拿到 4.90 到 5.72 倍，帧列表转视频拿到 5.64 到 6.24 倍。
6 倍那一档的画面代价
代价全写在 SSIM 上，而且两条链路的表现分得很开。帧列表转视频这条抗造：稀疏度 0.75 叠 stride，10 秒片段的 SSIM 还有 0.9202，5 秒的 0.8629。文生视频这条掉得狠，同样配置只剩 0.7834 和 0.7713，稀疏度提到 0.80 更是跌到 0.7584。
SSIM 0.76 是什么概念？粗略讲，结构还在、构图还在，但纹理、细节和高频部分已经和原始输出对不上，放大看得出来。有首帧或关键帧约束的帧列表转视频之所以掉得少，也在这里——模型本来就被条件帧钉住了，稀疏化能损失的自由度不多。
换算成钱更直观。八卡 H200 的按需租用价，市面上大致落在每卡每小时两到三美元的区间，一台机器跑一小时接近二十美元（粗算，各家云厂和合约期差异不小）。无损档快 1.95 倍，等于同样一小时能出接近两倍的片子，单条成本砍到五成出头——这一半是白拿的，不用任何画质去换。再往上的档位省的是同一笔钱，但要在 SSIM 上做减法，账划不划算取决于这批片子是拿去交付还是拿去筛选。
按这组数据摊开来看，实际用法应该分三档：出成片走无损，白拿 1.95 倍；需要平衡就上 Cache-DiT 保守档，2.65 到 2.99 倍，SSIM 0.90 以上一般能接受；筛构图、跑预览用 SubBlock 0.75 那一档，六倍速度换一个”看得出大概”的画面，反正筛完还要重出。
几条要留意的边界
报告自己划了范围。测的只有三种加速手段，量化和渐进式分辨率这类同样常见的有损方法没进来。计时口径排除了服务启动、预热、HTTP 轮询和文件下载，也就是说这些倍数是纯推理侧的，端到端体感会打折。SubBlock 那一套还有硬性前提：只对长的非因果注意力生效，BF16、head dimension 128、序列长度不低于 4096。测试数据实际采集于 8 月 18 日，报告晚了九天才发。
把这件事放回 H3 的时间线上看，模型七月底开权重，一个月后第三方推理栈就把无损档做到近两倍——开源模型的真实价值往往不在发布当天的跑分，而在权重公开之后有多少人愿意为它写 kernel。
参考来源：LMSYS 工程博客、CocoLoop、SGLang 项目文档；按 8 卡 H200、1344×768、24 FPS、50 步去噪的同一组配置核验各档提速倍数与 SSIM 口径。