5090 实测：H3 从 20 步压到 4 步，时间都花在哪了
更新于 2026-09 · 数据来自本机 ComfyUI 运行日志与公开实测
这台测试机的配置：RTX 5090 32GB + 64GB DDR5-6000，模型是官方最小组合
（剪枝 INT8 主模型 19.5GB + NVFP4 文本编码器 14.6GB + 两个 VAE），启动参数
--fast --use-sage-attention，加速 LoRA 用 LightX2V 8 步版。
下面所有数字都来自真实日志，不是估算。
先看一张时间账
同一条 1344×768、73 帧（约 3 秒）的片段，8 步采样的时间构成：
| 阶段 | 耗时 | 占比 |
|---|
| 文本编码器加载 + 编码 | 约 11 秒 | 14% |
| 采样（8 步 × 5.45 秒/步） | 43.6 秒 | 54% |
| VAE 解码 + 保存 | 约 17.1 秒 | 21% |
| 其它（调度、缓存等） | 约 8.6 秒 | 11% |
| 端到端 | 80.3 秒 | 100% |
两个结论：短片段里采样只占一半，加载与解码是另一大块；片段越长，
采样占比越高（token 数增长伴随注意力平方项），加速的重点才真正落到采样上。
步数压缩：20 → 8 → 4 的实际收益
同机、1280×704、约 5 秒片段的公开实测（采样段，不含加载）：
| 配置 | 步数 | 采样耗时 | 相对 20 步 |
|---|
| 官方基线 | 20 | 约 270 秒（外推） | 1.0× |
| + LightX2V Turbo 8 步 | 8 | 125 秒 | 2.2× |
| + 内置 INT8 注意力（Kitchen） | 8 | 79 秒 | 3.4× |
| + FastH3 4 步蒸馏 | 4 | 约 60-70 秒（由 1.87× 推算） | 约 4× |
注意一个反直觉现象：单步耗时不是常数。20 步档的单步约 13.5 秒，
8 步档反而涨到约 15.6 秒——少的步数没有减少每步开销（LoRA 补丁、调度切换都还在），
但总时间仍大幅下降。所以「步数 ÷ 4 = 时间 ÷ 4」只在粗算时成立。
三层加速的正确叠加方式
- 步数蒸馏（只选一个）：LightX2V 8 步（质量损失最小）、4 步（约 3.4×）、
larryvrh Turbo 8 步、FastH3 4 步（约 4×）。叠加两个蒸馏 LoRA 会互相破坏效果；
- 注意力后端（可叠加，收益大）：SageAttention 或 ComfyUI 0.32+ 内置的
Kitchen 注意力，采样段再提速 1.4-2×。512 步里的这层相当于白送；
- 缓存类（谨慎）：EasyCache / Spectrum 再省 15-40%，但属于跳过计算，
需要抽检画面；同一提示词批量出种子时，无损的 CLIPCached 条件缓存收益更大。
质量怎么取舍
- 抽卡用 4 步：构图和运动看个大概，时间最短；
- 成片用 6-8 步：4 步偶尔会出现面部过锐、细节塑料感；
- Sage 的边界：短片段完全安全；50 系显卡在超长序列（约 16 万 token 以上，
约 1344×768 超过 26 秒、或 1920×1088 超过 10 秒）有静默噪点风险，长片换 Kitchen 后端。
你的显卡对应多少时间？
上面的数字只适用于 5090。不同显卡的采样时间主要跟显存带宽和架构相关——
打开 WhichH3 计算器，选显卡、内存和页文件设置，
它会给出每个「分辨率 × 时长 × 步数」的预估时间、显存占用，以及 20 步 / 8 步 / 4 步
三档加速方案的对比，并标出你机器上的最佳档位。
结论
- 短片段端到端时间里，一半不在采样——先把加载和解码的开销榨干（复用模型、条件缓存）；
- 步数蒸馏 + 好的注意力后端，在 5090 上是 3.4-4 倍 的叠加收益；
- 4 步抽卡、8 步成片，是质量与效率最稳的组合；
- 长片记得检查 Sage 的序列长度边界。