图像与视频生成实测结果
在我们的双 Radeon RX 7900 XTX 工作站上用 ComfyUI 实测的图像与视频扩散模型,以及在 RTX 3080 Ti + RTX 3080 工作站上实测的图像与视频模型。工作流和原始结果已在 GitHub 公开。我们 AMD 与 NVIDIA 工作站上的图像与视频生成时间。
AMD 图像与视频生成
在我们的 AMD 工作站上用 ComfyUI 运行扩散模型。自 11 月 7 日起,MiniMax H3 INT8 文生视频通过显卡直连传输在两张卡上张量并行运行;其他流程仍把去噪模型放在一张卡上,文本编码器和 VAE 放在另一张卡上。在 ComfyUI 中运行图像和视频模型,分布在两张显卡上。
每项为一次完整请求,从提交任务到保存结果,由我们的测试程序于 2026 年 11 月 7 日在最终显卡布局下记录(标注“11 月 5 日测试”的行取自 11 月 5 日的上一次测试)。ComfyUI 0.44 运行于 ROCm 7.2,两张显卡同时使用;实际表现因模型、设置和硬件而异。MiniMax H3 Image:2026 年 11 月 15 日,ComfyUI 0.45.4,模型文件已缓存在内存中。
每个模型下方的示例使用相同的工作流,在同一台工作站上于 2026 年 11 月 5 日的测试期间生成。
Qwen-Image 2.1 BF16
| 模型 / 精度 | 任务 | 输出 | 步数 | 耗时 |
|---|---|---|---|---|
| Qwen-Image 2.1 BF16 | 文生图 | 512×512 | 40 | 90.3 s |
| Qwen-Image 2.1 BF16 | 图像编辑 | 640×416 | 40 | 25.94 s11 月 5 日测试 |
FLUX 3 Image Klein BF16
| 模型 / 精度 | 任务 | 输出 | 步数 | 耗时 |
|---|---|---|---|---|
| FLUX 3 Image Klein BF16 | 文生图 | 1024×1024 | 16 | 96.5 s |
| FLUX 3 Image Klein BF16 | 图像编辑 | 1248×832 | 16 | 42.1 s |
MiniMax H3 Image INT8
| 模型 / 精度 | 任务 | 输出 | 步数 | 耗时 |
|---|---|---|---|---|
| MiniMax H3 Image INT8 | 文生图 | 2048×2048 | 6 | 36.3 s |
| MiniMax H3 Image INT8 | 文生图 | 4096×4096 | 6 | 126.3 s |
| MiniMax H3 Image INT8 | 图像编辑 | 2048×2048 | 6 | 64.9 s |
MiniMax H3 INT8
| 模型 / 精度 | 任务 | 输出 | 步数 | 耗时 |
|---|---|---|---|---|
| MiniMax H3 INT8 | 带音频的视频 | 608×352,39 帧 | 20 | 56.4 s模型已加载 |
| MiniMax H3 INT8 | 带音频的视频 | 960×544,39 帧 | 20 | 132.3 s |
MiniMax H3 native 32B
| 模型 / 精度 | 任务 | 输出 | 步数 | 耗时 |
|---|---|---|---|---|
| MiniMax H3 native 32B | 带音频的视频 | 608×352,39 帧 | 20 | 114.3 s |
| MiniMax H3 native 32B | 图生视频(带音频) | 608×352,39 帧 | 20 | 175.5 s |
NVIDIA 图像与视频生成
在我们的 NVIDIA 工作站上用 ComfyUI 运行图像和视频模型:去噪模型放在 RTX 3080 Ti 上,文本编码器和 VAE 放在 RTX 3080 上,不把权重卸载到系统内存。LTX 2.3 单卡放不下,因此其去噪模型分布在两张卡上。在 ComfyUI 中运行图像和视频模型,分布在两张显卡上。
从提交任务到保存图像或视频的时间,来自 2026 年 11 月 5 日对所有模型的重新测试。图像行的模型已加载(每组中的第二张图,换用新的随机种子)。视频行每项只生成一段,包含模型加载和文本编码时间;事先启动工作进程的时间不计入。ComfyUI 运行于 CUDA,两张显卡同时使用;实际表现因模型、设置和硬件而异。MiniMax H3 Image:2026 年 11 月 15 日,3 bit GGUF 版本,文本编码器放在系统内存中;耗时为模型已加载时。
每个模型下方的示例在同一台工作站上于 2026 年 11 月 4 日至 5 日的测试期间生成。
Qwen-Image 2.1 Turbo INT8
| 模型 / 精度 | 任务 | 输出 | 步数 | 耗时 |
|---|---|---|---|---|
| Qwen-Image 2.1 Turbo INT8 | 文生图 | 1024×1024 | 8 | 4.05 s |
| Qwen-Image 2.1 Turbo INT8 | 文生图 | 2048×2048 | 8 | 26.29 s |
FLUX 3 Image Klein INT8
| 模型 / 精度 | 任务 | 输出 | 步数 | 耗时 |
|---|---|---|---|---|
| FLUX 3 Image Klein INT8 | 文生图 | 1024×1024 | 16 | 5.07 s |
| FLUX 3 Image Klein INT8 | 文生图 | 2048×2048 | 16 | 24.38 s |
MiniMax H3 Image Q3_K
| 模型 / 精度 | 任务 | 输出 | 步数 | 耗时 |
|---|---|---|---|---|
| MiniMax H3 Image Q3_K | 文生图 | 1024×1024 | 6 | 7.1 s |
| MiniMax H3 Image Q3_K | 文生图 | 1536×1024 | 6 | 12.0 s |
| MiniMax H3 Image Q3_K | 文生图 | 4096×4096 | 6 | 62.7 s |
Wan 2.2 TI2V 5B FP16
| 模型 / 精度 | 任务 | 输出 | 步数 | 耗时 |
|---|---|---|---|---|
| Wan 2.2 TI2V 5B FP16 | 视频 | 512×288,33 帧 | 20 | 51.56 s含加载和文本编码 |
| Wan 2.2 TI2V 5B FP16 | 视频 | 1280×720,33 帧 | 20 | 67.69 s含加载和文本编码 |
| Wan 2.2 TI2V 5B FP16 | 视频 | 1920×1080,33 帧 | 20 | 170.82 s含加载和文本编码 |
LTX 2.3 distilled Q4_0
| 模型 / 精度 | 任务 | 输出 | 步数 | 耗时 |
|---|---|---|---|---|
| LTX 2.3 distilled Q4_0 | 带音频的视频 | 512×288,33 帧 | 8 | 84.93 s含加载和文本编码 |
| LTX 2.3 distilled Q4_0 | 带音频的视频 | 1280×720,33 帧 | 8 | 53.62 s含加载和文本编码 |
| LTX 2.3 distilled Q4_0 | 带音频的视频 | 1920×1080,33 帧 | 8 | 75.84 s含加载和文本编码 |
想把大模型装到自己的设备上?
说说您现有的设备、想用的模型和要解决的问题,我们会为您规划合适的本地部署方案。




