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。

原文链接 →

「多模态」频道最新

• Midjourney 提示词把 70 年代复古和机械信息图混在一起 — michaelrabone · 2026-07-24
• 一份 GPT image 2 提示词模板，把 ChatGPT 变成水彩肖像机 — SimplyAnnisa · 2026-07-24
• 生成式 AI 的真正变化，是从一次性提示转向对话式工作流 — LawfulnessNext3503 · 2026-07-24
• FLUX 3 Video 开放早期体验，但生产化关键数据仍缺失 — MembershipEmergency7 · 2026-07-24
• Nova Crew 科幻短片：飞船掠过行星的电影感画面 — HomeRemedyHealer · 2026-07-24
• ListenHub 和 Labnana 上线 Seedream 5.0 Pro 图像编辑 — oran_ge · 2026-07-24

更多「多模态」频道 AI 资讯 →