昨天，我剛測完一套 MiniMax H3 加速方案。今天，另一套又來了。
當然會這樣。
這就是 2026 年的 ComfyUI：你的基準測試結果還沒放涼，就有人發布了新節點，讓整套測試看起來已經過時。昨天測試的是 EasyCache 加 SageAttention，今天新增的是 Spectrum，以及另一個在中文 ComfyUI 社區流傳的加速外掛程式。差不多同一時間，Wan-Animate-2 終于開源，也讓我多了一個理由拿它和 SCAIL-2 做比較。
所以，原本的一項測試變成了三項：
- 在 MiniMax H3 上比較 EasyCache + SageAttention 與 Spectrum；
- 比較常規 H3 輸出與社區製作的 NSFW 微調模型；
- 比較 Wan-Animate-2 與 SCAIL-2 的角色動畫效果。
先說結論：EasyCache 在耗時測試中遙遙領先；公開的 NSFW 影片所能證明的，遠沒有提示詞聲稱的那么多；至于兩段角色動畫樣片，測試條件遠未達到可控比較的程度，根本不足以選出勝者。詳細過程更有意思。
編者按：本文是在 微信公眾號“趙KK搞AI”最初發布的實測筆記基礎上改寫成英文的版本，並非逐行翻譯。第一人稱測試結果和觀點均保留自原作者；技術背景與注意事項已對照官方項目倉庫核查。
先看速度測試：692 秒對 1,590 秒
兩次 MiniMax H3 運行生成的都是 15 秒豎屏影片，解析度為 544 × 960。EasyCache + SageAttention 工作流程耗時 692.69 秒，約合 11 分 33 秒。Spectrum 耗時 1,590.15 秒，約合 26 分 30 秒。
也就是說，在這次運行中，EasyCache + SageAttention 的速度大約快了 2.3 倍，等待時間縮短了略高于 56%。
| MiniMax H3 配置 | 輸出 | 實測耗時 | 相對結果 |
|---|---|---|---|
| EasyCache + SageAttention | 15 秒，544 × 960 | 692.69 秒 | 1.0× |
| Spectrum | 15 秒，544 × 960 | 1,590.15 秒 | 耗時長 2.3 倍 |
ComfyUI 中記錄的 EasyCache + SageAttention 運行結果。圖片來源：趙KK搞AI。
兩項任務記錄的耗時。這張截圖真正有用，因為有了它，我們就不必假裝“感覺更快”也算基準測試。圖片來源：趙KK搞AI。
加速測試對應的 15 秒 MiniMax H3 輸出。影片來源：趙KK搞AI。
在有人把 2.3× 這個數字奉為普遍規律之前，先別急。原文沒有提供完整的復現資訊表，包括 GPU 型號、軟體版本、種子、取樣參數和各節點設定。這只是一次真實工作流程的運行結果，不是經過同行評審的速度排行榜。
儘管如此，這麼大的差距也絕非無關緊要。如果我唯一關心的是“在這臺機器上，哪套方案能讓我更快拿到下一版草稿？”，EasyCache + SageAttention 顯然會是首選。
為什麼 EasyCache 在這里更快
這兩種加速器采用的並不是同一種方法。
EasyCache 更為激進。簡單來說，它會嘗試復用較早去噪步驟中的計算結果，而不是每一步都重新執行完整計算。只要生成過程保持穩定，就能節省大量算力。相應的風險也不難理解：一旦快取估計開始偏移，誤差就可能不斷累積。
Spectrum 則更為克制。其 ComfyUI 實現使用特征預測——包括 Chebyshev 預測和嶺回歸——來推測 Transformer 的中間特征，再讓模型繼續細化結果。它不太像復印上一輪結果，更像是根據近期軌跡勾勒下一步，再交給模型整理完善。
這讓 Spectrum 在技術上很有意思，但在這次特定測試中，它並不快。
| 改變的環節 | EasyCache + SageAttention | Spectrum |
|---|---|---|
| 基本思路 | 復用此前的計算結果，並降低注意力計算成本 | 根據近期歷史預測中間特征 |
| 性能提升來源 | 跳過更多重復計算 | 省去部分 Transformer 計算 |
| 可能的取舍 | 更容易出現誤差累積和偏移 | 加速策略更保守 |
| 本次測試結果 | 692.69 秒 | 1,590.15 秒 |
目前缺少的是一組真正規范的視覺 A/B 測試：使用相同種子、相同源素材、相同提示詞、相同取樣設定，並提供兩份完整品質的輸出。沒有這些條件，我只能告訴你哪次運行先完成，卻無法誠實地判斷哪種方法保留了更多細節。
這個區別很重要。我們在 NSFWAITool 評測方法中，也正是以此區分服務商宣稱與可觀察結果。秒表可以證明速度，卻無法單獨證明畫質。
所謂“NSFW MiniMax H3 模型”需要加個星號
這里討論的 NSFW 版本並非 MiniMax 官方發布。MiniMax H3 官方倉庫將其描述為通用多模態模型。面向成人內容的版本來自一名獨立社區微調者，據稱對方測試了五個版本。
連結很快就消失了，檢查時已經返回 404。這固然令人煩惱，但在開源 AI 的這個領域也很常見：大多數人還沒下載完，一個模型就可能已經被發布、鏡像、改名或刪除。如果一套生產工作流程依賴某個未經驗證的社區倉庫永遠線上，那么這套工作流程實際上還不能算真正存在。
原始測試為基線使用了一段很長的多機位時尚類提示詞，其中指定了 15 秒豎屏短片、多種鏡頭與角度，並要求不同剪輯間保持造型、音樂、燈光和人物身份一致。下面是常規 H3 的結果。
MiniMax H3 時尚類基線輸出。畫面中可見的“V”標記屬于源影片的一部分，已原樣保留。影片來源：趙KK搞AI。
成人內容測試保留了相同的多機位結構，但將服裝變化過程改為明確的脫衣序列。這樣的微調模型測試方式是合理的：保持鏡頭設計不變，只修改真正想測量的行為。
下面是原文收錄的公開結果：
社區 NSFW 微調模型公開發布的預告片。原有中文字幕已替換為英文字幕；“V”標記仍屬于源影片的一部分。影片來源：趙KK搞AI。
這里必須稍微戳破一下宣傳效果：公開影片並沒有展示提示詞中描述的完整脫衣序列。人物始終穿著衣物，最后以一句近似“真想看的話，就自己試試吧”的挑逗性臺詞收尾。好笑嗎？是的。能否證明模型完整實現了未經審查的行為？不能。
因此，我會把它視為一項證據：社區確實出現過 H3 的 NSFW 微調模型，而且它能生成連貫的成人主題預告片。但我不會用這段公開影片來證明它完成了所有明確指令。這是兩種不同的主張，把它們混為一談，正是 AI 演示逐漸變得荒謬的原因。
如果你正在比較托管式與本機成人影片方案，比起把希望全押在一個已經刪除的倉庫上，更適合從較全面的 AI 色情影片生成器目錄入手。
Wan-Animate-2 開源了，所以沒錯，我也測了
Wan-Animate-2 于 2026 年 8 月發布了推理程式碼和模型權重。該項目使用源影片直接驅動參考角色，同時盡量保持身份、動作、表情和鏡頭行為的一致性。它是一套端到端系統，因此不需要在流程中間另設姿態提取器。
原文收錄的 Wan-Animate-2 流程概覽。圖片來源：趙KK搞AI；技術細節來源：Wan-Animate-2 項目。
先插一句，因為顯然這件事仍有必要強調：Wan 3.0 沒有開源。這確實令人失望，但這並不意味著針對開發者的匿名辱罵就顯得聰明或有原則。你一邊使用別人耗費數月構建的模型，一邊又因為他們沒有按你期望的時間表交出下一代模型，就表現得像遭到了私人背叛。如果你能自己做出 Wan 4.0，請儘管去做。我會第一個排隊請你發布權重。
Wan-Animate-2 開源並不能神奇地平息圍繞 Wan 3.0 的爭論，但它仍是一次意義重大的發布。Wan 生態依然是少數幾個讓人們可以真正檢查、修改模型，並將其接入私有 ComfyUI 流程的領域之一。對於成人項目來說，這一點更為重要，因為托管式產品可能完全不允許此類內容。我們更詳細的 Wan 2.2 成人短片工作流程解釋了為什麼當項目規模超過幾段影片后，本機控制會成為製作層面的剛性需求。
Wan-Animate-2 的設定中有一步很容易漏掉
運行動畫前，應先使用 LLM 描述參考影像。官方項目建議客觀描述角色外觀和背景，同時排除動作、主觀判斷與情緒揣測。
用自然語言來說，這項指令大致是：
只描述參考影像中實際可見的內容，包括主體的外觀、服裝、發型、配飾和背景。不要描述動作，也不要猜測其性格、情緒或意圖。
這聽起來有些吹毛求疵，但理解它的作用后就很合理了。驅動影片已經提供了動作。如果文本描述又憑空添加了另一個動作，就相當于讓兩位導演同時對模型喊出不同指令。
ComfyUI 中的 Wan-Animate-2。圖片來源：趙KK搞AI。
另一個經常設定錯誤的參數是影格長度。以 24 fps 為例，計算很簡單：
時長（秒）× 24 = 目標影格數
源資料中展示的工作流程以 81 影格為一個分塊，因此較長的影片需要運行多輪。
| 目標時長 | 24 fps 下的影格數 | 所需 81 影格分塊數 |
|---|---|---|
| 3 秒 | 72 | 1 |
| 5 秒 | 120 | 2 |
| 8 秒 | 192 | 3 |
| 10 秒 | 240 | 3 |
| 15 秒 | 360 | 5 |
| 30 秒 | 720 | 9 |
該工作流程采用的 81 影格長度設定。圖片來源：趙KK搞AI。
官方倉庫預設的 720p 配置針對 8 張 A800 GPU 調優，另有一套在 2 張 A800 上測試過的 480p 配置。這可不是什麼適合在筆記本電腦上輕松“點擊 Queue Prompt”就能運行的小需求。社區最佳化會繼續降低顯示記憶體門檻，但凡有人把本機角色動畫描述成不需要成本的事情，那他顯然從未在真實工作流程中看著進度條緩慢爬行。
Wan-Animate-2 對比 SCAIL-2：這些影片不足以分出勝負
SCAIL-2 項目采用了類似的端到端路線。它繞過中間姿態表示，並加入掩碼語義與多參考條件控制。其官方版本支援 512p 和 704p 工作流程，項目方建議在 704p 下使用姿態驅動變體。
下面是原文保留的 Wan-Animate-2 樣片：
Wan-Animate-2 樣片。來源檔案會在驅動／參考畫面與生成角色之間快速交替，此處未經改動，按原樣呈現。影片來源：趙KK搞AI。
下面是 SCAIL-2 樣片：
SCAIL-2 角色動畫樣片。影片來源：趙KK搞AI。
我不會僅憑這兩段影片就宣布勝者，因為那只是在制造虛假的精確性。兩者使用了不同角色、不同動作源、不同構圖和不同時長。Wan-Animate-2 上傳的影片只有大約 2.7 秒，而且畫面切換速度很快，很難判斷時序缺陷。SCAIL-2 影片接近 9 秒，更便于觀察，但“更容易觀察”並不等于“模型更好”。
真正的比較需要使用相同的參考影像、驅動影片、解析度、影格數、硬體、種子策略和后期處理。之後，我會對身份保持、手部穩定性、遮擋恢復、面部表情、布料運動、背景泄漏和總渲染時間進行評分。低于這個標準，就只能算樣片比較。
完成這些測試后，我實際會怎麼選
如果關注 MiniMax H3 的迭代速度，我會先用 EasyCache + SageAttention。這次運行中的差距大得無法忽視。不過，在接受其畫質取舍前，我仍會渲染幾組條件一致的樣片，因為如果提速會悄悄損傷人臉或動作，那就不是真正的提速——只是更快地產出廢片。
我會把 Spectrum 視為一個有趣且更保守的備選方案，而不是本輪耗時測試的勝者。它值得接受受控畫質測試，尤其是在更長或更困難的鏡頭中，如果 EasyCache 開始累積可見誤差，更應如此。
對於社區 NSFW H3 微調模型，我會等待穩定的倉庫、模型卡、版本歷史和可復現樣片。一個消失的連結加上一段欲言又止的預告片，足以讓我產生興趣，卻不足以讓我圍繞它搭建生產工作流程。
至于 Wan-Animate-2 與 SCAIL-2，我會親自使用條件一致的輸入進行測試。這兩個項目的開放程度都值得認真評估，但原文中的樣片根本無法回答誰更好的問題。
這聽起來可能不如“模型 A 碾壓模型 B”那么刺激，但實用得多。AI 基準測試中已經充斥著虛假的確定性，我們沒必要再根據兩段毫不相關的影片硬造一個冠軍。
常見問題
MiniMax H3 官方定位是 NSFW 模型嗎？
不是。MiniMax H3 是通用多模態模型。這里討論的 NSFW 版本是獨立社區微調模型，並非 MiniMax 官方發布。
在 MiniMax H3 上，EasyCache 是否總比 Spectrum 快？
尚未得到證明。在這次特定的 15 秒、544 × 960 測試中，EasyCache + SageAttention 的速度大約快了 2.3 倍。硬體、種子、節點版本和畫質設定不同，都可能改變結果。
公開的 NSFW 演示是否完整執行了明確的成人內容提示詞？
公開影片沒有展示這一點。人物始終穿著衣物，影片也以預告形式收尾，因此無法驗證提示詞中描述的完整脫衣序列。
Wan-Animate-2 比 SCAIL-2 更好嗎？
兩段源影片並不構成受控比較。它們使用了不同的輸入和時長，因此只能說明兩套工作流程都能運行，無法說明哪一個更好。
為什麼 Wan-Animate-2 工作流程使用 81 影格？
這是演示中的 ComfyUI 工作流程所采用的分塊長度。在 24 fps 下，時長更長的目標會拆分為多個 81 影格分塊，之後再組裝起來。
Wan-Animate-2 需要多少 GPU 硬體？
官方項目記錄的預設 720p 配置使用 8 張 A800 GPU，經過測試的 480p 配置則使用 2 張 A800。社區節點和解除安裝技術可能降低硬體要求，但通常會以速度為代價。
這些模型可以用於成人內容嗎？
能夠在本機使用，並不意味著可以忽視法律或同意要求。只能使用明確為成年人的角色，以及獲得適當授權的參考影像、聲音和驅動影片素材。不得在未經同意的情況下製作真實人物的私密深度偽造內容。