先把这组数记下来，省得回头翻。8bit 权重，RTX 3060 配 32GB 内存和一块 NVMe SSD，出 832×480、124 帧，用时不到十分钟。124 帧按 24fps 折算差不多五秒。
照着这个配机器之前，有三样还没公开：采样步数、CFG 蒸馏、显存卸载方案，缺一样就复现不了。发布方自己也强调模型还没到最优化状态，后面要是吃得上 Sage Attention，时间还能再降。所以这组数字是不是未优化的原始表现，现在没法确认。
我原本是不抱希望的，消费级卡跑这一档视频模型，默认环境一直是数据中心卡。一个吃文本、图像、视频、音频输入、还能生成原生声音的开放权重模型开始往 3060 上落，门槛这件事比数字本身重要。SSD 那一环别省，卸载扛不住的时候全靠它顶。权重很快就放，到时候 github.com 上的量化和节点应该跟得很快。