量子位报道，一站式AIGC创作平台RunningHub将MiniMax H3的推理加速方案开源至GitHub，称在4张RTX 6000D上生成5秒1344×768视频从348.8秒降至28.7秒，且保留BF16精度。
AI解读：RunningHub把一套MiniMax H3推理加速方案开源到GitHub，核心卖点是在不降低BF16数值精度的前提下，把生成速度拉高约12倍。按报道的测试口径，同样的5秒、1344×768视频，原始BF16 50步方案在4张RTX 6000D上耗时348.8秒，加速后只需28.7秒，耗时减少约92%。
这套方案针对的是无NVLink、走PCIe通信的多卡环境，而不是堆顶级数据中心算力。它把后训练降步数、注意力与缓存算子优化、torch.compile编译优化、多卡并行策略组合起来，最后整合进SGLang multimodal_gen推理引擎，本地部署流程公开。
受影响最直接的是自己拥有多卡设备、想本地跑开源视频模型的创作者、工作室和中小团队：过去改一版创意可能要等几分钟，现在试错间隔被压缩到几十秒级，但实际速度仍取决于卡型、卡数、步数选择与工作流配置，报道中的数字是RunningHub给出的特定环境测试结果。
量子位2026年9月11日报道，一站式AIGC创作平台RunningHub将MiniMax H3的多卡推理加速方案开源至GitHub，仓库地址为github.com/RH-RunningHub/MiniMax-H3-MultiGPU-Lightning。
报道称，同样生成5秒、1344×768视频，在4张RTX 6000D上，原始BF16 50步方案耗时348.8秒；使用RunningHub H3 Lightning完整加速后为28.7秒，提速约12倍，生成耗时减少约92%，并保留BF16数值精度。
15秒视频在8卡环境下的实测数据
报道给出的另一组数据是8张RTX 6000D环境下，H3生成15秒、768×1344视频：纯文字生成约48秒，双参考图生成约73秒。文中据此称，一条15秒的图生视频可以进入“1分钟出结果”的时间尺度。
- 5秒、1344×768、4张RTX 6000D：原始BF16 50步348.8秒，对比加速后28.7秒
- 15秒、768×1344、8张RTX 6000D：纯文字生成约48秒，双参考图约73秒
- 全程保留BF16满血精度，未采用降精度换速度的方式
三刀加速：从模型、执行到多卡通信
报道把技术路径拆成三层。第一刀是引入自研RH后训练加速模型，让H3用更少步数完成生成。原始H3推理默认50步；同样用4张RTX 6000D生成5秒视频，换成RH后训练加速模型的9步测试方案后，时间缩短到43秒，报道称此时已提速8倍。RunningHub的推荐配置是默认4步，快速运动、大幅动作等难任务可切到8步。
第二刀在执行层，组合SageAttention2、Cache-DiT和torch.compile。SageAttention2优化注意力计算，Cache-DiT复用前后步骤之间可复用的中间结果，torch.compile对计算过程做编译优化。报道称这些优化叠加后，43秒进一步压到28.7秒。
第三刀针对多卡并行。报道指出，多卡不等于一定快，在没有NVLink、主要依靠PCIe通信的环境里卡间通信成本尤其明显。RunningHub重新测试不同并行方式后选择TP2＋Ulysses4：在8张RTX 6000D、PCIe且无NVLink环境下，该组合相比TP4＋Ulysses2速度快约12%，同时减少约14GiB显存占用。
- RH后训练加速模型：50步方案改为9步测试方案，5秒视频从348.8秒降到43秒
- SageAttention2、Cache-DiT、torch.compile：在剩余计算上继续压缩，43秒降到28.7秒
- TP2＋Ulysses4：8卡PCIe无NVLink环境下比TP4＋Ulysses2快约12%，显存少约14GiB
- 所有方法整合进SGLang multimodal_gen推理引擎
本地部署与适用硬件
报道强调，H3 Lightning针对的是无NVLink的PCIe多卡环境，RTX 6000D属于公开可购买的专业GPU规格，因此方案面向工作室和企业团队更常见的多卡部署条件。文中提到，若使用B300显卡，出片速度可提升至秒级；从环境安装、模型下载到服务启动和推理测试，本地部署流程均已公开，开发者也可以结合社区加速LoRA自行调整卡数、参数以及速度与画质的取舍。
- 优化目标环境：无NVLink的PCIe多卡
- RTX 6000D为公开可购买的专业GPU
- 有设备的团队可按开源方案自行部署；没有多卡服务器或不想配置环境的创作者可直接在RunningHub平台使用H3 Lightning
- 报道称使用B300卡可将出片速度提升至秒级
RunningHub围绕H3的生态动作
报道称，H3开源后RunningHub先完成平台接入，随后开源全套ComfyUI节点。平台上有创作者用它做电商内容、短剧、漫剧、声音克隆、动作克隆和音频驱动等。文中举例：创作者@魅力创意的“MiniMax H3·电商多参生视频工作流”可输入商品、模特、场景和卖点生成电商广告；@艾橘溪的音频驱动数字人工作流可上传人物图片加音频，让静态人物说话、唱歌并对上口型节奏；@qwlulnpi的方案可把分镜图、脚本、音频一次生成带画面和声音的成片。
报道称，自H3上线以来，RunningHub平台上已有上千名创作者围绕它开源了近万条创意工作流。文中把H3 Lightning描述为RunningHub把自身工程能力反哺H3、解决推理效率问题的一步，并将其与母公司海马云的技术积累联系起来：海马云2014年成立，长期做GPU容器调度、图形虚拟化、实时流媒体和大规模云渲染，目前在国内建设60余个边缘节点，支撑超过2000万月活用户的智算服务。
- H3开源后RunningHub完成接入并开源全套ComfyUI节点
- 平台上千名创作者围绕H3开源近万条创意工作流（据RunningHub平台数据）
- RunningHub母公司海马云2014年成立，国内建设60余个边缘节点，支撑超2000万月活用户智算服务（据报道）