英伟达 SANA-Video 2.0：单卡 5090 生成 720p 视频

mmowg · reddit · 2026-08-03

英伟伟达发布了全新的视频扩散 Transformer 模型 SANA-Video 2.0，提供 50 亿和 140 亿参数版本。该模型采用混合线性-Softmax 注意力机制（3:1 比例），在保持 Softmax 级别表现力的同时实现了线性注意力的速度。

通过 Sol-Engine 优化（包含算子融合、稀疏注意力、TensorRT 图优化及 MXFP4/MXFP8 支持），模型速度提升 3.58 倍。性能方面，可在单张 RTX 5090 上实现 720p 视频生成，在 H100 上生成 720p/5s 视频仅需约 13 秒，VBench 得分达 84.30，比同硬件下的 Wan 2.2-A14B 快 120 倍。