MiniMax-H3 接上 Sol Engine 了，单 GPU 生成 5 秒带…

MiniMax-H3 接上 Sol Engine 了，单 GPU 生成 5 秒带音频视频，RTX 5090 只要 35.5 秒。

要点照录。MiniMax-H3, now powered by Sol Engine in ComfyUI!Generate 5s videos with native audio on a single GPU. RTX 5090 用 35.5 秒，DGX Spark 用 64.3 秒。

这套东西叫 Sol-H3 Studio，一个面向本地视频生成的可视化工作区，背后是他们优化过的推理引擎。开源仓库在 NVlabs 的 Sana 项目里：github.com/NVlabs/Sana/tr… 。

"单 GPU 生成 5 秒带音频视频"这半句是场重心。前面那份基准尺讲的是量要真，这条讲的是本地真。跟前面那场酒吧访谈呼应，那条在小桌上谈模型即产品，这条在显卡里看产品怎么把视频生成拉进自己家。两头都在提醒同一件事，视频生成这活儿过去要么等云端排队，要么等渲染农场，现在单张卡就能出片。

"我不这么认为"这半句我单独拎出来。前面那份专用模型路线讲的是把自己那摊事做好，这条讲的是把"35.5 秒"这个数字背后的门道想清楚。RTX 5090 和 DGX Spark 的成绩摆着，说明 Sol Engine 是真优化过；可 5 秒视频是测试档位，真拿来做长片还得看时长拉长之后的衰减。本地这东西，跑通和跑爽是两回事。

我留的疑问有三处。5 秒是上限还是示例没在正文说清；原生音频的质量没展示；Sol Engine 对其他模型的支持也没讲，这些都在仓库里才看得到。

这周把 Sol-H3 Studio 装上，拿一段自己的素材试试单卡出片的速度。