NVIDIA SANA-Video 2.0 用混合注意力实现单卡 720p 视频生成
nvidia · hf · 2026-07-24
NVIDIA 用混合注意力做视频生成，主打单卡高分辨率
NVIDIA 提出 SANA-Video 2.0，一个统一架构下的混合视频扩散 Transformer，提供 5B 和 14B 两个规模，目标是在 单 GPU 上生成最高 720p 的高质量视频。
核心做法是把 线性注意力 和周期性的 softmax anchor 结合起来：前者负责把计算成本压到近线性，后者补回纯线性注意力缺失的全局 token 交互；再配合 Block Attention Residuals (AttnRes) 把块级摘要传到后续层，提升深层表示能力。论文还强调这是 从头训练 的混合架构，而不是把已有模型线性化。
在结果上，NVIDIA 报告其 40-step 采样可达到 VBench 84.30，并在 单张 H100 上实现 480p 13.2 秒 推理；编译后的 forward 在 720p/60s 设定下比对应的全 softmax 基线快 3.2 倍，再加上 Sol-Engine 的 kernel fusion、缓存和稀疏注意力优化，总体又能再提速 3.58 倍。
所属事件:NVIDIA 发布 SANA-Video 2.0 高效视频生成模型(2 条相关)→
「Infra」频道最新
- 长鑫存储将登陆科创板，IPO 预计募资超 85 亿美元 — pstAsiatech · 2026-07-24
- Google 首次季度自由现金流转负 — StewartalsopIII · 2026-07-24
- WSJ：华为把中国外部 AI 芯片依赖降到 60% 以下 — firstadopter · 2026-07-24
- antirez 发布可跑 64GB MacBook 的 Laguna S2.1 混合量化版 — antirez · 2026-07-24
- 报告称 2026 年是端侧 AI 规模化落地元年 — 面壁智能 · 2026-07-24
- AWS 出现故障，发帖人称它正在拖垮整个互联网 — bindureddy · 2026-07-24