5090跑满WanVideo 14B：1025帧41秒视频10分钟炼成-平芜编程栈

5090跑满WanVideo 14B：1025帧41秒视频10分钟炼成

【免费下载链接】ComfyUI-WanVideoWrapper项目地址: https://gitcode.com/GitHub_Trending/co/ComfyUI-WanVideoWrapper

602秒、1025帧、显存峰值17.8GB：一张RTX 5090跑完了41秒的480p WanVideo 14B视频。16GB以上显存的ComfyUI用户，看完全文能带走一套可稳定运行的参数。下面拆硬件门槛、三层加速原理和完整基准数据。

先说结论：你的显卡能跑WanVideo 14B吗

🔥 10秒自查，决定要不要继续读：

你的显存	判定	建议动作
24GB（RTX 5090）	满配	直接用本文参数，实测峰值17.8GB
16~18GB	可行	开20块交换，省约6GB显存
12GB	紧张	先看第2节"调度层"，再降分辨率

另外三个前提，缺一个就得换配置：

NVIDIA卡，FP8（E4M3FN）加速要求Ada/Hopper及更新架构，本次测试对象是50系
驱动与PyTorch版本要能覆盖你的新卡，新架构用最新PyTorch
序列越长越吃显存余量，这是长视频生成绕不开的物理账

如果你只有12GB显存，直接跳到第2节"调度层"看显存方案。

拆解5090性能测试：从芯片到代码的三层杠杆

⚡️ 加速不是单点技巧，是三层叠加：芯片做低精度矩阵乘，算法跳过无用计算，调度器把层在显存里挪进挪出。

硬件层：让芯片做FP8矩阵乘

问题：14B模型乘1025帧序列，BF16矩阵乘算力和显存双高。

手段：权重转FP8（E4M3FN），用torch._scaled_mm做硬件加速矩阵乘。下面这段代码的作用是把输入截断到FP8可表示的±448范围内，再交给专用指令算，避免低精度下的溢出——实现在fp8_optimization.py：

def fp8_linear_forward(cls, base_dtype, input): if weight_dtype in [torch.float8_e4m3fn, torch.float8_e5m2]: input = torch.clamp(input, min=-448, max=448, out=input) inn = input.reshape(-1, input_shape[2]).to(torch.float8_e4m3fn).contiguous() o = torch._scaled_mm(inn, cls.weight.t(), out_dtype=base_dtype, scale_a=scale_input, scale_b=scale_weight) return o.reshape((-1, input_shape[1], cls.weight.shape[0]))

收益：全程显存压在18GB以内，长序列生成留出了余量。

算法层：径向注意力砍掉长序列计算

问题：注意力复杂度随序列长度按O(n²)涨，1025帧的token序列直接爆算力。

手段：Sparse Sage注意力分块处理，用衰减因子控制远距离注意范围，复杂度从O(n²)降到O(n√n)。下面这段代码给每个Transformer块装上块掩码和sageattn模式——逻辑在utils.py：

def setup_radial_attention(transformer, transformer_options, latent, seq_len, ...): block_size = transformer_options.get("block_size", 128) for i, block in enumerate(transformer.blocks): block.self_attn.mask_map = MaskMap(video_token_num=seq_len, num_frame=latent_video_length, block_size=block_size) block.dense_attention_mode = "sageattn" block.self_attn.decay_factor = 0.2

收益：长序列注意力计算效率提升40%。再叠加torch.compile选择性编译（只编Transformer块，inductor后端，见wanvideo/modules/model.py），单帧耗时从3.2秒降到1.8秒（-43.7%）。

调度层：把显存里的层挪到内存

问题：17.8GB峰值对16GB卡是越界的。

手段：块交换（block swap），像图书馆把暂时不看的书架搬到仓库、只留当前章节在阅览区。下面这个节点暴露了两个旋钮：交换块数、预取块数，提前预取1块能藏住IO延迟——节点定义在nodes_model_loading.py：

class WanVideoBlockSwap: @classmethod def INPUT_TYPES(s): return {"required": { "blocks_to_swap": ("INT", {"default": 20, "min": 0, "max": 48}), "prefetch_blocks": ("INT", {"default": 1, "min": 0, "max": 40}), }}

收益：5090上交换20块省6GB显存，预取1块抵消约90%的性能损失。这是ComfyUI显存优化的核心，也是16GB卡跑长视频的主路。

数字不会骗人：WanVideo 14B基准测试全记录

📊测了什么：WanVideo 14B I2V，832×480@25fps，20步FlowMatch LCM；叠加径向注意力（block_size=128）、FP8、20块交换+1预取、torch.compile（inductor）。

测出什么：

指标	测试值	怎么读
总耗时	602秒	41秒视频花约10分钟
单帧均值	0.587秒（约1.71fps）	每0.6秒吐出一帧
显存峰值	17.8GB	24GB里剩6.2GB余量
电能消耗	2.3kWh	每小时约4100帧

和别人比：总耗时比Stable Video Diffusion快2.3倍。

怎么读这张表：0.587秒/帧意味着生成速度约为25fps播放的1/14.6，做41秒视频要等10分02秒——日常出片是"泡杯咖啡回来"的体感。批量场景看另一行：2.3kWh、每小时约4100帧，这个成本消费卡能接受。单帧0.587秒也正是"1.71fps"的由来。

抄作业：三步配出你的最优WanVideo工作流

✅ 参数照抄即可，全部来自本次实测配置。

Step 1：选参考图，搭骨架。打开example_workflows/example_inputs/，任选一张I2V参考图，人物或静物都能试：

加载example_workflows/里的I2V示例工作流，替换输入图即可。

Step 2：填核心参数。

{ "frame_rate": 25, "num_frames": 1025, "dense_timesteps": 2, "decay_factor": 0.2, "compile_args": { "backend": "inductor", "compile_transformer_blocks_only": true } }

num_frames=1025是实测序列长度；dense_timesteps=2让前2步走完整注意力保细节；decay_factor=0.2是长程注意的衰减强度；compile只编译Transformer块，避开全图编译卡顿。

Step 3：按用途选步数。