# MiniMax H3 加速方案调研

检索截止：2026-10-08。按技术方案去重，X正文通过公开搜索及公开镜像取回，再追到作者代码、论文、模型卡与benchmark。不能保证覆盖X所有未索引、删除、私密帖子。未运行GPU实测。

清单共 45 项方案/集成/商业或平台变体；取回 30 条X原帖正文。CSV中的空X链接表示未锁定原帖，不冒充X实证。数字均为作者或社区报告。

## 结论

优先研究少步数蒸馏、兼容任务的稀疏注意力、目标硬件真正可执行的低比特GEMM与完整decode/serve。缓存对20–50步更有空间，对2–4步不一定划算。Ref2VA必须单独检查身份、参考音频和动作保持，不能只看T2VA样片。

关联X链接有些只讨论同一技术家族，并非对应仓库的独立受控benchmark；以每项的第一手技术来源及计时条件为准。

## 分类清单

### Ostris Turbo Time

- 类别：蒸馏
- 做法：通过LoRA训练缩短采样轨迹
- 公布性能：展示4步与1步试验
- 计时条件：X样片，非完整benchmark
- 限制：早期帖子明确音频有问题；1步画质不成熟
- 第一手技术来源：https://x.com/ostrisai/status/2084648469877141998
- X：https://x.com/ostrisai/status/2084648469877141998

### Larry Turbo LoRA

- 类别：蒸馏
- 做法：少步数LoRA，配套量化加载与采样
- 公布性能：用户8步35min→17min
- 计时条件：硬件与完整参数未给
- 限制：早期版本；不能将减步数当作原生等价
- 第一手技术来源：https://huggingface.co/larryvrh/MiniMax-H3-Turbo-Lora
- X：https://x.com/realrebelai/status/2085240398834716933

### LightX2V Turbo

- 类别：蒸馏
- 做法：DMD 4/8步，FL2VA/Ref2VA不同adapter
- 公布性能：具体速度以工作流为准
- 计时条件：公开模型、代码、workflow
- 限制：任务分支及sigma必须匹配
- 第一手技术来源：https://github.com/ModelTC/Minimax-H3-Turbo
- X：尚未锁定；此项为补充实现

### LightX2V Turbo-SLA

- 类别：蒸馏+注意力
- 做法：4步蒸馏+85%稀疏+线性注意力补偿
- 公布性能：作者5090配置约2.5×
- 计时条件：模型卡未完整列出对照时延
- 限制：85%稀疏不等于全模型节省85%；需匹配SLA权重
- 第一手技术来源：https://huggingface.co/lightx2v/Minimax-h3-Turbo-SLA
- X：https://x.com/sep_is_heim/status/2106956458378326418

### Alibaba PAI PDD Acc-LoRAs

- 类别：蒸馏
- 做法：Parallel Decoding Distillation，8步；使用专门的PDD LoRA加载机制
- 公布性能：有FL2VA、Ref2VA模型
- 计时条件：公开模型与兼容Comfy实现
- 限制：加载器必须支持PDD结构，不能当普通单LoRA
- 第一手技术来源：https://huggingface.co/alibaba-pai/MiniMax-H3-Acc-LoRAs
- X：尚未锁定；此项为补充实现

### FastH3 V1

- 类别：蒸馏+注意力
- 做法：4步data-free DMD蒸馏+VSA
- 公布性能：15s768p约13s；最高14×
- 计时条件：数据中心Blackwell多卡，非单5090
- 限制：V1预览质量及任务能力需独立检查
- 第一手技术来源：https://huggingface.co/FastVideo/FastVideo-FastH3-4-step-Preview-v1-VSA-DataFree
- X：https://x.com/haoailab/status/2093391548289540596

### FastH3 V2

- 类别：蒸馏+注意力
- 做法：8步DMD2+80% VSA
- 公布性能：X宣传最高9×Blackwell
- 计时条件：8次真正Transformer forward
- 限制：主要公开checkpoint为T2VA；参考任务需专门OmniRef export
- 第一手技术来源：https://huggingface.co/FastVideo/FastVideo-FastH3-8-Step-V2
- X：https://x.com/haoailab/status/2099969439466942725

### FastH3 Trim

- 类别：剪枝+蒸馏+量化
- 做法：50→42 blocks；AdaLN rank16；8步DMD2；NVFP4/FP8/INT6
- 公布性能：5090:480p13.4s、768p35.4s；4090:43.9s、132.8s
- 计时条件：5秒带音频，warm prompt→成品MP4
- 限制：复杂场景细节可能下降；8/12/16GB是4090限制显存模拟
- 第一手技术来源：https://haoailab.com/blogs/fasth3-rtx/
- X：https://x.com/haoailab/status/2107591980591227227

### PDMD

- 类别：蒸馏
- 做法：Projected Distribution Matching Distillation，2/4NFE
- 公布性能：社区1088p124帧2步35.9s
- 计时条件：X未注明硬件
- 限制：官方任务与社区Ref2VA+RefMod探索应分开
- 第一手技术来源：https://huggingface.co/pdmd2026/pdmd_2NFE_lora
- X：https://x.com/core_tan/status/2105679232110325799

### DMAD

- 类别：蒸馏
- 做法：Distribution Matching as Adversarial Distillation，rank128四步
- 公布性能：社区393s→74s，5.3×
- 计时条件：768×1376、5秒；25步→4步
- 限制：Comfy采样与论文官方推理可能不同；少步数细节损失
- 第一手技术来源：https://huggingface.co/ZhengmingYu/DMAD
- X：https://x.com/DeepForest_Inc/status/2106573173185802265

### TaoMate-H3

- 类别：流式蒸馏
- 做法：3步LoRA、分chunk、clean KV更新、TP2×Ulysses4
- 公布性能：DiT11.45×；首最终chunk latent27.66×；首可播片段10.60×
- 计时条件：8×H20，480×864、10秒；不含内部音频准备
- 限制：当前完整流式T2AV；FL2AV/Ref2AV未正式发布；LoRA移植不等于完整流式runtime
- 第一手技术来源：https://github.com/TaoLiveAIGC/TaoMate-H3
- X：尚未锁定；此项为补充实现

### NVIDIA Sol Engine原生H3

- 类别：注意力+缓存
- 做法：融合kernel、Sol-Attn、cross-step cache；保持50步
- 公布性能：5090:1045.4→231.2s，4.52×；Spark710.6→181.3s，3.92×
- 计时条件：5秒，5090为1344×768、Spark832×480
- 限制：不换checkpoint但稀疏和缓存仍为近似
- 第一手技术来源：https://nvlabs.github.io/Sana/Sol-Engine/H3-OnDevice/
- X：https://x.com/xieenze_jr/status/2085060173304156433

### Sol Engine数据中心

- 类别：注意力+缓存
- 做法：kernel+稀疏+cache+Ulysses4
- 公布性能：4H10081.47→22.89s；4A100217.32→61.28s
- 计时条件：1344×768124帧50步、warm
- 限制：与消费卡benchmark分开；收益不可直接相乘
- 第一手技术来源：https://nvlabs.github.io/Sana/Sol-Engine/H3-DataCenter/
- X：尚未锁定；此项为补充实现

### ComfyUI-Sol-H3

- 类别：注意力
- 做法：将Sol注意力与exact runtime优化接入原生Comfy
- 公布性能：一组受控hot E2E420.81→380.57s，减少9.6%
- 计时条件：特定部署，40逻辑/25真实/15forecast
- 限制：不能移植NVIDIA整套4.52×到这个节点
- 第一手技术来源：https://github.com/xmarre/ComfyUI-Sol-H3
- X：https://x.com/sunbaolong_2001/status/2085689404031672372

### SageAttention / Comfy-Kitchen

- 类别：注意力
- 做法：低精度QK/PV与融合attention kernel
- 公布性能：X Sage单独约25%少耗时；加EasyCache6min→2.5min
- 计时条件：社区特定5秒1MP工作流
- 限制：硬件/backend/版本决定收益，低比特也有误差
- 第一手技术来源：https://github.com/thu-ml/SageAttention
- X：https://x.com/gosrum/status/2084270576605266104

### VSA / Ref2VA-VSA

- 类别：注意力
- 做法：tile top-k稀疏；保护文本、图像、音频参考prefix
- 公布性能：4090:5.16s768p四步warm72s、cold95.2s
- 计时条件：1344×768124帧；13.5GB VRAM
- 限制：作者对native/VDN对照9×/2.24×只适用于指定workflow
- 第一手技术来源：https://github.com/Kablex/ComfyUI-Ref2VA-VSA
- X：尚未锁定；此项为补充实现

### Veda

- 类别：注意力
- 做法：约275MB预测器选择attention tiles，90% sparsity
- 公布性能：作者5070:kernel7.1×，E2E2.9×
- 计时条件：原生Comfy attention override
- 限制：不能与core BlockSparse叠加覆盖；4070另一组SLA61s比Veda78s快
- 第一手技术来源：https://github.com/veda-sparse/Veda-on-ComfyUI
- X：https://x.com/sep_is_heim/status/2106956458378326418

### VDN-H3

- 类别：注意力架构改造
- 做法：局部window softmax+全局framewise DeltaNet；重新训练分支及adapter
- 公布性能：最新8B20014.4s768p：denoise6.9s，E2E9s
- 计时条件：warm多GPU；原单步attention改造约2.6–2.9×
- 限制：大倍率同时含50→8步和多卡；官方T2VA训练，社区条件任务另测
- 第一手技术来源：https://github.com/OpenVDN/vdn-minimax-h3
- X：https://x.com/MiniMax_AI/status/2099642910853788051

### VC-Attention / Nunchux Attention

- 类别：注意力
- 做法：V-Smooth聚类残差量化、ExpCast-FP8去掉FP32 exp
- 公布性能：H3 attention约1.6×B200、1.5×B300
- 计时条件：仅attention kernel；论文全模型组合E2E另有数字
- 限制：Nunchux私有增强约1.9/1.8×，未找到可直接安装的公开H3实现；勿混淆Nunchaku
- 第一手技术来源：https://arxiv.org/abs/2609.15810
- X：https://x.com/MiniMax_AI/status/2100792780494889194

### Jev逐层稀疏率搜索

- 类别：注意力调度
- 做法：按层/步选择1、3、5、10%保留率
- 公布性能：4070:367→214s，耗时减少41.7%
- 计时条件：49层四步，作者样例
- 限制：动态搜索成果，不是通用默认配置；搜索成本需另计
- 第一手技术来源：https://x.com/sep_is_heim/status/2101603192664740330
- X：https://x.com/sep_is_heim/status/2101603192664740330

### EasyCache

- 类别：缓存
- 做法：跨采样步缓存/复用
- 公布性能：Sage+EasyCache约2.4×；Sol组合3.2×用户说法
- 计时条件：X社区样例
- 限制：参考任务与音频可能变差；不是数值等价
- 第一手技术来源：https://x.com/gosrum/status/2084270576605266104
- X：https://x.com/gosrum/status/2084270576605266104

### TeaCache-H3

- 类别：缓存
- 做法：根据相邻timestep输入差异复用transformer输出
- 公布性能：306.22→102.08s，3×
- 计时条件：CMP170HX改64GB，1024×576124帧20步
- 限制：GA100样例不可推广全部GPU；README错误7B描述未采纳
- 第一手技术来源：https://github.com/Icyoung/ComfyUI-MiniMaxH3-TeaCache
- X：尚未锁定；此项为补充实现

### FirstBlockCache

- 类别：缓存
- 做法：首block差异判定、复用后续block残差
- 公布性能：5090:90.64→60.82s；Sage57.96→40.26s
- 计时条件：仓库固定seed作者benchmark
- 限制：阈值近似，4步缓存空间较小
- 第一手技术来源：https://github.com/duckyshell/ComfyUI-MiniMaxH3-FirstBlockCache
- X：尚未锁定；此项为补充实现

### BlockCache T8

- 类别：缓存
- 做法：分block残差缓存、CPU/GPU存放
- 公布性能：485.8→443.8s，约1.09×
- 计时条件：4060Ti16GB仅256×160、5帧20步
- 限制：非常小的probe，不应推出真实768p收益
- 第一手技术来源：https://github.com/T8mars/comfyui-minimax-h3-blockcache-T8
- X：https://x.com/JuwalBose/status/2085703889748107666

### Spectrum

- 类别：缓存
- 做法：Chebyshev岭回归预测post-transformer features
- 公布性能：速度取决于预测步比例
- 计时条件：仍执行output heads及AV reconstruction
- 限制：快速运动轨迹可偏离；与其他cache叠加需专门验证
- 第一手技术来源：https://github.com/xmarre/ComfyUI-Spectrum-MiniMax-H3
- X：https://x.com/vintcessun/status/2085911129994531048

### TE-Speed及OSS移植

- 类别：缓存
- 做法：重算前段blocks并复用尾段残差
- 公布性能：参考宣传耗时下降约45%；并非通用实测
- 计时条件：原版Windows编译插件；OSS多个fork
- 限制：原版与OSS不是同一版本；部分旧版修改Comfy核心hook
- 第一手技术来源：https://github.com/tl2012tl/TE-Speed-MiniMaxH3
- X：尚未锁定；此项为补充实现

### comfyui-speed-minimaxH3

- 类别：缓存
- 做法：残差缓存，阈值/窗口/连续次数控制
- 公布性能：无可普遍引用的完整benchmark
- 计时条件：公开Python实现
- 限制：同TeaCache家族，避免当作独立可相乘倍率
- 第一手技术来源：https://github.com/linjian-ufo/comfyui-speed-minimaxH3
- X：尚未锁定；此项为补充实现

### W4A4 Streaming VSA

- 类别：量化+调度
- 做法：FC1 INT4、预转换INT8 Gate、逐block传输、FFN chunking
- 公布性能：4070 1024×1792、124f4步209.233s含加载
- 计时条件：2026-09-20单次兼容测试
- 限制：仅验证4070 SM8x；不是受控速度对照；keep5%=保留5%
- 第一手技术来源：https://github.com/sepiablue-ai/ComfyUI-MiniMax-H3-W4A4-VSA
- X：https://x.com/sep_is_heim/status/2101603192664740330

### MATLOW Fused Turbo

- 类别：量化+合并
- 做法：INT8 ConvRot中预合并Turbo与motion LoRA；配SLA
- 公布性能：4070同一帖5秒方案61s；Veda替换78s
- 计时条件：融合四步+低分辨率+X2VAE配置
- 限制：不是native1080p DiT；不是独立新蒸馏算法
- 第一手技术来源：https://huggingface.co/MATLOWAI/minimax-h3-fused-turbo-int8-convrot
- X：https://x.com/sep_is_heim/status/2106956458378326418

### Kijai INT8/W4A8/NVFP4及GGUF移植

- 类别：量化
- 做法：低比特权重与兼容kernel，减少offload
- 公布性能：没有统一倍率
- 计时条件：DiT/text encoder/VAE应分别看
- 限制：量化格式不保证硬件支持快速GEMM；纯反量化可更慢
- 第一手技术来源：https://huggingface.co/Kijai/MiniMax-H3-experimental
- X：尚未锁定；此项为补充实现

### Comfy官方VAE融合+INT8

- 类别：解码
- 做法：norm/activation/padding融合，自定义conv、INT8 attention+decoder
- 公布性能：5090 VAE roundtrip24.3→12.7s；encode最高2.2×decode1.4–2.7×
- 计时条件：1344×768129帧，仅VAE节点
- 限制：不等于生成全流程2×；数值近似与fusion exact部分分开
- 第一手技术来源：https://blog.comfy.org/p/making-the-minimax-h3-video-vae-2x
- X：https://x.com/kentdhani/status/2103055859953922232

### H3VAE TensorRT

- 类别：解码
- 做法：ONNX/TensorRT优化视频VAE
- 公布性能：社区约1.7×decode说法
- 计时条件：VAE阶段
- 限制：首次build及tiled显存成本另计；无DiT收益
- 第一手技术来源：https://github.com/lihaoyun6/ComfyUI-H3VAE_TRT
- X：尚未锁定；此项为补充实现

### 轻量VAE LynnReal / TAEH3 / TAEHV

- 类别：解码
- 做法：蒸馏/替换decoder
- 公布性能：FastH3消费者版与Sol两阶段已采用
- 计时条件：checkpoint及latent接口需匹配
- 限制：质量会受decoder影响；不是单纯换精度
- 第一手技术来源：https://haoailab.com/blogs/fasth3-rtx/
- X：尚未锁定；此项为补充实现

### X2 Stream

- 类别：解码+分辨率
- 做法：低分辨率latent+X2 Detail INT8 VAE，分chunk解码并行NVENC
- 公布性能：4070约60s产出1088×1920/124帧
- 计时条件：DiT实际544×960
- 限制：输出1080p不等于原生1080p采样；约48GiB系统RAM参考
- 第一手技术来源：https://github.com/sepiablue-ai/ComfyUI-H3-X2-Stream
- X：https://x.com/sep_is_heim/status/2106956458378326418

### Sol Super Acceleration

- 类别：混合两模型
- 做法：H3四步低分辨率draft+LTX2.5三步refine+轻decoder
- 公布性能：单GB20010秒768p414.1→14.93s，27.7×
- 计时条件：合并两阶段时延
- 限制：最终经过LTX2.5，不是H3原生单模型保真加速
- 第一手技术来源：https://nvlabs.github.io/Sana/Sol-Engine/H3-Super-Acceleration/
- X：https://x.com/MiniMax_AI/status/2092008802984001919

### Sol-H3 realtime

- 类别：多卡全栈
- 做法：FastH3四步、融合kernel、低精度通信、并行VAE
- 公布性能：8B300五秒768p1.653s；15秒6.612s
- 计时条件：warm，含TE与AV decode，排除最终MP4编码
- 限制：单B300五秒11.484s；不能把8卡结果当消费卡
- 第一手技术来源：https://nvlabs.github.io/Sana/Sol-Engine/Sol-H3/
- X：https://x.com/MiniMax_AI/status/2097006566696444363

### UniServe

- 类别：多卡服务
- 做法：Rust调度+SP/TP、CUDA Graph、AdaLN预计算、并行VAE及异步H264
- 公布性能：8GB200五秒3.13s、10秒6.25s MP4；吞吐提高15–45%
- 计时条件：warm请求到客户端最后一个MP4字节
- 限制：相对同模型FastVideo/vLLM/SGLang；不同shape有输赢；OmniRef要求SM100
- 第一手技术来源：https://haoailab.com/blogs/uniserve-fasth3/
- X：尚未锁定；此项为补充实现

### RunningHub H3 Lightning

- 类别：多卡服务
- 做法：SGLang TP2×Ulysses4、四步模型+Sage2+Cache-DiT+compile
- 公布性能：348.8→28.7s，12.2×
- 计时条件：8RTX6000D五秒1344×768warm
- 限制：RH加速模型未公开；公开runtime可跑社区LoRA但不能保证复现12.2×
- 第一手技术来源：https://github.com/RH-RunningHub/MiniMax-H3-MultiGPU-Lightning
- X：尚未锁定；此项为补充实现

### X-MinimaxH3

- 类别：原生runtime
- 做法：W4A8流式加载、分层稀疏计划与独立runtime
- 公布性能：无本次可引用统一受控数字
- 计时条件：公开实现
- 限制：与Comfy节点生态不同，需完整任务对照
- 第一手技术来源：https://github.com/PullMyBoots/X-MinimaxH3
- X：尚未锁定；此项为补充实现

### h3-metal / Swift-MLX / Draw Things

- 类别：Apple runtime
- 做法：Metal/MLX本地kernel、量化、缓存
- 公布性能：部分GEMM1.83–2.3×属于kernel；无统一E2E
- 计时条件：Apple Silicon平台
- 限制：不能引用FastWan的30秒作FastH3性能；M4Max Trim480p925.2s
- 第一手技术来源：https://github.com/antirez/h3.c
- X：尚未锁定；此项为补充实现

### fal H3 Max

- 类别：商业API
- 做法：私有post-training及服务优化
- 公布性能：X约50×；I2V6.4s T2V4.7s
- 计时条件：API用户时延宣传
- 限制：模型、硬件及等价baseline不完整；无公开可迁移权重
- 第一手技术来源：https://x.com/DesignArena/status/2092711778815983886
- X：https://x.com/DesignArena/status/2092711778815983886

### Maestro distilled H3

- 类别：商业产品
- 做法：集成6步蒸馏
- 公布性能：X早期粗测约5×
- 计时条件：产品宣传
- 限制：未核对到足够公开实现及完整对照
- 第一手技术来源：https://x.com/blizaine/status/2085554573494657328
- X：https://x.com/blizaine/status/2085554573494657328

### ROCm + Turbo

- 类别：AMD
- 做法：AMD低精度模型加少步数adapter
- 公布性能：R9700 261→80.9s
- 计时条件：Ubuntu24 ROCm7.2.1；5.17秒；process-cold
- 限制：单用户记录；不可套CUDA/Sagekernel收益
- 第一手技术来源：https://x.com/boxwrenchx/status/2087562328682438708
- X：https://x.com/boxwrenchx/status/2087562328682438708

### Kijai SolAttn_triton → Comfy原生

- 做法：Triton Sol稀疏注意力已纳入ComfyUI/comfy-kitchen
- 性能：不引用旧插件宣传作为当前原生实测
- 计时：当前仓库状态核验
- 限制：作者已标DEPRECATED，节点冗余；优先原生路径
- 来源：https://github.com/kijai/ComfyUI-SolAttn_triton

### OrbitQuant W4A4

- 做法：native packed INT4 GEMM；QKV/norm/AdaLN/FFN融合，逐block offload
- 性能：3090 balanced generation174.5→114.7s，约1.52×
- 计时：608×480124帧23forward；conditioning+denoise，不含加载decode；0.9.2→0.11单次对照
- 限制：输出非bit-identical；对应自有runtime及插件；不是原生BF16速度比
- 来源：https://huggingface.co/WaveCut/MiniMax-H3-OrbitQuant-W4A4

## FastH3 消费硬件最新实测

以下为作者2026-10-06公布的5秒带音频warm prompt→成品MP4数字。分辨率明确分为832×480与1344×768。

| GPU | V2 480p | Trim 480p | V2 768p | Trim 768p |
|---|---:|---:|---:|---:|
| RTX5090 32GB |14.8s|13.4s|38.6s|35.4s|
| RTX4090 24GB |54.6s|43.9s|154.6s|132.8s|
| RTXPRO6000 96GB |13.5s|12.0s|36.5s|32.5s|
| DGXSpark128GB |141.4s|125.8s|未公布|340.1s|
| M4Max36GB |不适用|925.2s|不适用|不适用|

来源：https://haoailab.com/blogs/fasth3-rtx/ 。8/12/16GB行是4090模拟容量，未列入真实GPU对照。

## 可组合关系与常见误读

- 通常可组合：一套匹配任务的蒸馏checkpoint + 一种兼容attention后端 + 硬件匹配量化 + VAE优化 + 显存/并行调度。每一项增益须在最终组合内重测。
- 不直接堆叠多个attention override。Veda与core BlockSparse会互相覆盖；Sage/MemEffSage节点次序也会影响实际调用。
- 不直接堆叠Spectrum、TeaCache、FirstBlockCache、TE-Speed。误差、缓存决策和block钩子可能互相干扰。
- 4步distillation配90%attention sparsity不意味着50/4×10=125倍：MLP、text encoder、decode、传输和稀疏选择均仍需时间。
- 27.7倍Sol两阶段是H3+LTX2.5；27.66倍TaoMate是首个final latent；1.6倍VC是attention kernel。不要混作成品视频E2E。
- 更新Comfy已经自带的VAE优化，不应再与同一优化的旧插件宣传倍率相乘。
- 量化节省显存可减少offload，但不匹配Tensor Core/kernel的量化可变慢。FP4 Blackwell、FP8 Ada、INT6 MLX不是通用互换。

## X原帖索引

- Mon Aug 03 13:30:03 +0000 2026 · @gosrum · https://x.com/gosrum/status/2084270576605266104
- Tue Aug 04 14:31:40 +0000 2026 · @ostrisai · https://x.com/ostrisai/status/2084648469877141998
- Wed Aug 05 17:47:38 +0000 2026 · @xieenze_jr · https://x.com/xieenze_jr/status/2085060173304156433
- Thu Aug 06 04:19:00 +0000 2026 · @QingQ77 · https://x.com/QingQ77/status/2085219060678062294
- Thu Aug 06 05:43:47 +0000 2026 · @realrebelai · https://x.com/realrebelai/status/2085240398834716933
- Thu Aug 06 11:24:08 +0000 2026 · @TlanoAI · https://x.com/TlanoAI/status/2085326050486345972
- Fri Aug 07 00:00:00 +0000 2026 · @TheDarkWebDev · https://x.com/TheDarkWebDev/status/2085516269374103830
- Fri Aug 07 02:32:12 +0000 2026 · @blizaine · https://x.com/blizaine/status/2085554573494657328
- Fri Aug 07 11:27:58 +0000 2026 · @sunbaolong_2001 · https://x.com/sunbaolong_2001/status/2085689404031672372
- Fri Aug 07 12:25:32 +0000 2026 · @JuwalBose · https://x.com/JuwalBose/status/2085703889748107666
- Fri Aug 07 13:32:44 +0000 2026 · @ostrisai · https://x.com/ostrisai/status/2085720799198286149
- Sat Aug 08 02:09:02 +0000 2026 · @vintcessun · https://x.com/vintcessun/status/2085911129994531048
- Wed Aug 12 15:30:18 +0000 2026 · @boxwrenchx · https://x.com/boxwrenchx/status/2087562328682438708
- Mon Aug 24 21:59:00 +0000 2026 · @MiniMax_AI · https://x.com/MiniMax_AI/status/2092008802984001919
- Wed Aug 26 20:32:23 +0000 2026 · @DesignArena · https://x.com/DesignArena/status/2092711778815983886
- Thu Aug 27 19:49:15 +0000 2026 · @gorkem · https://x.com/gorkem/status/2093063311721992195
- Fri Aug 28 17:33:33 +0000 2026 · @haoailab · https://x.com/haoailab/status/2093391548289540596
- Sun Aug 30 04:03:52 +0000 2026 · @Tomw852 · https://x.com/Tomw852/status/2093912562827993304
- Fri Sep 04 22:30:05 +0000 2026 · @HaochengXiUCB · https://x.com/HaochengXiUCB/status/2096002889206640723
- Mon Sep 07 16:58:20 +0000 2026 · @MiniMax_AI · https://x.com/MiniMax_AI/status/2097006566696444363
- Mon Sep 14 23:34:14 +0000 2026 · @MiniMax_AI · https://x.com/MiniMax_AI/status/2099642910853788051
- Tue Sep 15 21:11:44 +0000 2026 · @haoailab · https://x.com/haoailab/status/2099969439466942725
- Fri Sep 18 03:43:24 +0000 2026 · @MiniMax_AI · https://x.com/MiniMax_AI/status/2100792780494889194
- Sun Sep 20 09:23:41 +0000 2026 · @sep_is_heim · https://x.com/sep_is_heim/status/2101603192664740330
- Thu Sep 24 09:36:04 +0000 2026 · @kentdhani · https://x.com/kentdhani/status/2103055859953922232
- Thu Oct 01 15:20:25 +0000 2026 · @core_tan · https://x.com/core_tan/status/2105679232110325799
- Thu Oct 01 15:34:36 +0000 2026 · @core_tan · https://x.com/core_tan/status/2105682803056939326
- Sun Oct 04 02:32:37 +0000 2026 · @DeepForest_Inc · https://x.com/DeepForest_Inc/status/2106573173185802265
- Mon Oct 05 03:55:39 +0000 2026 · @sep_is_heim · https://x.com/sep_is_heim/status/2106956458378326418
- Tue Oct 06 22:00:59 +0000 2026 · @haoailab · https://x.com/haoailab/status/2107591980591227227

## 检索方法及边界

检索词覆盖MiniMax-H3/MiniMax H3/minimax_h3/H3与speed/acceleration/turbo/distillation/cache/sparse/quant/FP8/NVFP4/INT8/4090/5090/ROCm/Metal组合，并追踪FastH3、Sol、VDN、PDD、PDMD、DMAD、TaoMate、Veda、SLA、Sage、Spectrum、EasyCache、TeaCache、FBC、T8、TE-Speed、VAE、UniServe。X/Grok自动趋势摘要及第三方排行榜仅用于发现链接，不作为性能依据。

部分第一手仓库已更新，技术解释以当前作者README为准，历史X数字保留原始发布条件；没有公开完整benchmark的项目明确留空或降级。