SANA-Video 2.0 用混合注意力拿下 84.30 分并大幅提速
danijarh · x · 2026-07-24
SANA-Video 2.0 是一款主打效率的视频生成模型，同时强调画质不缩水。
团队给出的关键技术点包括：混合线性-Softmax 注意力、Block Attention Residuals，以及自研的 Sol-Engine 加速栈。训练方面，他们称在资源很有限的情况下，从头训练了统一的 5B 和 14B 两个版本：5B 只用了 16 个 H100 节点，14B 用了 48 个 B200 节点。
官方公布的结果包括：
- 84.30 VBench Total
- 720p/60s 场景下，DiT 前向比匹配的 full-softmax 版本快 3.2×
- 单张 H100 上生成 720p/5s 用时 13.06 秒
- 在相同单 H100 设置下，比 Wan 2.2-A14B 快 120×
这条帖子的核心信息是：高质量 720p 视频生成可以通过更激进的结构与系统优化，在更少资源下做得更快。
所属事件:NVIDIA 发布 SANA-Video 2.0 高效视频生成模型(2 条相关)→
「多模态」频道最新
- Midjourney SREF 宝库 TischEins 因安全问题下线后全新重构回归 — tisch_eins · 2026-10-26
- MOSS-Image 4 步蒸馏版 HF 下载破 1.65 万,出图质量几无损耗 — _akhaliq · 2026-10-26
- 用 Claude Code 搭视频剪辑流水线,十段 prompt 从粗剪到成片 — TawohAwa · 2026-10-26
- 一句话生成3D世界，再用AI重绘成电影级镜头 — gizakdag · 2026-10-26
- 零实拍造出一整部电影世界：CineMap 导演分镜配 TapNow 成片 — gizakdag · 2026-10-26
- 快手 Kling 对阵字节 Seedance：中国 AI 视频模型竞争观察 — DavidmComfort · 2026-10-26