DGX Spark硬刚RTX 4090？19路实测MiniMax-H3见真章

视频生成圈最近热闹得有点过头。MiniMax-H3 刚一亮相，大家的注意力就集中在一个灵魂拷问上：

DGX Spark 这玩意儿，跑 MiniMax-H3，真能和 RTX 4090 一样快？

这次有人把这个问题直接拉到了台面上，搞了 19 路实测，覆盖了不同分辨率、不同执行链路、不同优化方案，数据颗粒度比很多人的购物车都清楚。以下，我们把结果按逻辑串起来，尽量说人话。

一、先说设定：比的是什么，怎么比的

• 统一任务：生成 5 秒视频
• MiniMax-H3 帧数规则：17k + 5，这次取 k = 7，共 124 帧
• 播放帧率：24 fps，成片约 5.167 秒
• 测试设备： DGX Spark x2 RTX 4090（24G，主机自带内存 32G）

测法核心很简单：**固定内容负载，换“引擎路线”**看谁更拉，主要包括：

• NVLabs 的 Sol Engine
• ComfyUI 版本模型管线
• 原版模型
• 双 Spark + Cache-DiT
• LoRA 4~8 步加速方案
• 单 Spark 内存拆分方案（这次证明属于“看了个寂寞”）

文中“生成秒”指的是完成计算耗掉的时间，不是视频播放长度。

全部有效样本共 19 路，其中：

• 优化提示词（通过 MiniMax 官方 Context IR 生成）：16 路
• 原始提示词：3 路

分辨率分布：

• 864×480：12 路
• 1056×608：2 路
• 1216×672：2 路
• 1344×768：3 路

所有视频都经过分辨率、帧数、帧率、音轨和文件哈希校验，失败请求和二分测试没混进来。

顺便提一嘴优化提示词的成本：单次 Input Token 约 13,135，Output 约 9,908，费用大约在 0.0475 美金。

二、864×480：Base 20 步 vs Turbo 8 步，速度差出多少

先看低分辨率下的“纯速度对比”，忽略提示词内容差异，只看执行模式。

Base 20 步

• RTX 4090：112.093–129.421 秒
• 双 Spark：139.195–146.065 秒
• 单 Spark：348.318–348.752 秒

同一硬件重复跑的结果保留为独立柱，方便看波动。优化提示词和原提示词在速度上差异极小，基本可以视为环境噪声。

Turbo 8 步

• RTX 4090：66.876–67.211 秒
• 单 Spark：189.455 秒
• 单 Spark + 双 55 GiB 并发两路任务：568.242 秒 / 568.053 秒

结论直给：

• Turbo 8 步是 864×480 分辨率下的最低延迟路径
• 同样 Turbo 设置下： 单 Spark 大约是本地 RTX 4090 的2.82 倍慢双 55 GiB 并发单任务约8.45 倍慢

这说明：

• “能塞进两个完整任务”确实体现了 DGX Spark 在容量与并发上的优势
• 但这不代表它在单任务低延迟上能打，反而暴露了带宽竞争问题

到 1344×768，故事更有看头了。

在相同内容负载下：

• RTX 4090（ComfyUI）：446.461 秒
• 单 Spark（原生 ComfyUI）：1,184.971 秒
• 单 Spark（Sol-Engine fullopt）：414.990 秒

重点来了：

• Sol 路径相对同机 ComfyUI 快了2.855 倍
• 相比 RTX 4090 ComfyUI，Sol-Engine 版的 Spark快约 31.5 秒（7.05%）

换句话说：

Sol 把同机 Spark 的延迟砍掉将近 65%，正式杀进 RTX 4090 的速度区间。

这里有个关键细节，不展开很多人容易误以为“就是换了个入口”。

NVLabs 官方 GB10 演示入口默认只吃 prompt，但 MiniMax-H3 ModularPipeline 内部其实已经内置了fl2va workflow（Image → Video 的关键链路）。

这次的适配做法是：

• 在入口增加“image 首帧参数”，接入现有流程
• 使用 Qwen3-VL 编码画面
• Keyframe VAE 生成首帧条件
• 让注意力保留范围随首帧条件动态调整

效果是：可以直接从原来的 T2V 入口，顺道把 FL2VA 流程跑通，无需重写模型或主干管线。

是不是“最佳实践”不好拍胸脯，但实测证明：首帧条件确实被吃进去了，而不是当成纯文本瞎跑。

五、分辨率越高，越贵：生成时间呈超线性增长

分辨率往上抬，耗时增长非常狠，基本遵循幂律。

• 1056×608： RTX 4090：215.380 秒 单 Spark ComfyUI：618.851 秒（差距约 2.87 倍）
• 1216×672： RTX 4090：305.882 秒 单 Spark ComfyUI：842.333 秒（差距约 2.75 倍）

从 0.415 MP 到 1.032 MP，耗时增长大约：

• RTX 4090：3.45 倍
• 单 Spark ComfyUI：3.40 倍

对四个 ComfyUI 实测点做 log-log 幂律回归：

• 本机耗时 ≈ 像素数的1.348 次方（R²=0.991）
• 单 Spark ComfyUI ≈ 像素数的1.334 次方（R²=0.999）

结论很清晰：

• 像素越多，成本越非线性上涨
• Sol Engine 在 Spark 上的优化是“雪中送炭”；理论上 4090 也适用，这次还没对这头进行同样打磨，不过想象空间很明显

这部分对比严格控制：相同首帧、相同 seed、相同时长、相同输出规格，只看画面表现。

1. 提示词会悄悄改写“镜头语言”

同一台 RTX 4090，Base 20 步下：

• 优化提示词：人物更稳在画面中、主体更正面
• 原提示词：更容易出现低机位、背身人物、大范围阵法镜头

这其实暴露一个工程细节：提示词不仅是“要什么”，还隐式控制了镜头调度。

2. Base 20 步 vs Turbo 8 步：事件都在，节奏不同

单 Spark 的 Base 20 步和 Turbo 8 步，都覆盖了关键事件（闪电、阵法、飞剑、御剑入云），但：

• Turbo 压缩了过程，中段时间线更像“剪过”的版本
• 比如 3.5 秒附近，Turbo 更偏向正面护盾视角，Base 则保留背身大型圆阵

适合场景：

• Turbo：要快、要叙事节点不丢、对“逐帧镜头预期”要求不高
• Base：更在意镜头节奏和画面细节

A1（4090）和 A3（双 Spark）来自同批增强提示词配置：首帧、seed、帧数、步数完全一致。

四个关键时间点表现高度一致：

• 0.5s：人物、服装、石台环境均保持
• 1.8s：都出现闪电，人物近景俯视；双 Spark 人物略偏右
• 3.5s：正面人物 + 金色圆阵，主体尺度与阵法位置接近
• 4.7s：御剑入云完成，人物居中上升，带暖色尾迹

结论：

双 Spark Balanced Cache-DiT 这套组合，在画面一致性上最接近 RTX 4090 Base 20 步。

同样增强提示词 SHA、首帧、seed、帧数、步数和模式：

• 0.5s：三路都保留首帧条件，说明 Spark Sol 确实走了 FL2VA，不是纯 T2V
• 1.8s：都有闪电；4090 和 Spark ComfyUI 构图近似，Sol 视角更正面、更贴人物
• 3.5s：ComfyUI 两路还在阵法+飞剑落位阶段，Sol 已经切到飞剑近景，事件节奏明显提前
• 4.7s：三者都完成御剑入云；Sol 人物更小、云层占比更大，但所有要求事件都覆盖

这意味着：

• Sol 强在速度，但不保证复现同一条“生成轨迹”
• 某些在 ComfyUI 上调好的提示词，换到 Sol 上未必给出完全相同风格
• 固定关键帧对比，适合看事件覆盖、朝向与构图；更细节的闪烁、手部、运动连贯性和音画同步，得拉完整视频细看

结合这次测试数据，给几套更落地的“按需求选型”策略：

要单 Spark 跑出接近 4090 的速度

• 推荐：单 Spark + Sol-Engine fullopt
• 理由： 1344×768、20 步场景下：414.990 秒 比单 Spark ComfyUI 的 1,184.971 秒缩短约 65% 比 RTX 4090 ComfyUI（446.461 秒）还略快
• 适合：希望单机承担正式工程任务、对速度要求高

• 推荐：RTX 4090 + Turbo 8 步
• 理由： 在 864×480 下是当前延迟天花板
• 适合：对响应速度极其敏感的场景
• 注意：镜头和节奏不能按 Base 20 步的结果逐帧预期

• 推荐：双 Spark Balanced Cache-DiT
• 理由： 画面一致性最接近 RTX 4090 Base 20 步 耗时 139.195 秒，仅比本地 RTX 4090（约 121.222 秒）慢约 14.83% 但比单 Spark Base 快约 2.51 倍
• 适合：对构图、事件节奏稳定性有要求的产线场景

• 推荐：单 Spark 大容量内存并发模式（双任务示例）
• 表现：两路完整任务可同时跑，但延迟并不友好
• 适合： 批量生成不同 seed 配合后续超分辨率或 MiniMax 2K regenerate 做高清放大
• 不太适合：追求单任务极致低延迟

从实际表现来看，MiniMax-H3 非常适合被拆解到分布式环境里跑：

• 硬件门槛不高： 显存 ≥ 12G 内存 ≥ 32G
• 可以很方便地在消费级设备上运行，也给后续分布式算力生态留了口子
• 典型工作流： 分布式多路并行生成 → 挑 seed → 超分或 2K regenerate → 高清成品

这基本上把“个人算力 + 云端补充 + 工作流拼装”的路径跑通了一个可用模板。

整体结论很直白：

• 执行链路 > 硬件名头
• DGX Spark 并不是“随便跑一跑”就能比肩 4090，但配上 Sol-Engine 后，单卡速度已经可以正面硬刚本地 4090 ComfyUI。
• 双 Spark Balanced Cache-DiT 在“速度 + 画面一致性”之间打了个不错的折中。
• Turbo 8 步适合“要快”，但镜头节奏预期要放平。
• MiniMax-H3 的分布式友好性，给后续视频生成工作流提供了很实在的扩展空间。

如果只看一句话：

选什么，不是看“谁更贵”，而是看“你要速度、一致性，还是并发”。