Veda注意力（显式SM89选项）
attention_backend="veda-sm89"为单SM89、原始LightX v0.1四步关键帧模型启用学习型视频稀疏注意力， 也接受显式FL/Ref HybridModel。这些模型的auto仍为dense，其他模型及双卡不接受此组合。
安装pipeline依赖后执行python -m vflash.install_veda，取得固定Veda修订 fd59c7277ccc37ebf1a8f6823474b8c2ef2e33a0的独立核心，保留MIT及SageAttention 1.0.6 BSD许可。 不安装ComfyUI或自动下载权重。H3预测器 另行按MiniMax H3社区许可提供，实测修订为76f202874608115408d73280be9531c4ab888242。
Python向H3Pipeline传入该后端和veda_predictor=Path("models/veda-predictor.safetensors")。 generate/denoise使用--attention-backend veda-sm89 --veda-predictor FILE；原生HTTP设置 VFLASH_ATTENTION_BACKEND=veda-sm89及VFLASH_VEDA_PREDICTOR。依赖版本、权重或GPU自检失败即停止， 没有静默dense fallback。预测器由会话持有，请求间重置几何和统计，关闭会话时释放。
0–4/45–49层保持Torch Flash，其余40层实用triton-int8、生成保留预算0.1。 条件/文本/音频连接保持密集，但这些层的INT8算术仍近似，不能宣称保护行数值精确。 四步每请求应有160次稀疏/40次密集调用；回执记录实际后端、网格、训练计划匹配及稀疏层工作量。 8NFE训练的预测器不等于四步组合与dense数值等价。
探索性同卡同实际噪声控制：单RTX 4090 48 GB，1536×640、五秒、四步，BF16主干及运行时LoRA、 两槽block-ring、Torch2.11/CUDA13.0，冻结干净条件、共用官方解码。 Hybrid去噪102.928→72.867秒；去噪加媒体124.408→94.063秒。另一卡同期运行， 不是独占全请求或同质量保证。八时点及原尺寸脸/衣料未见新增大范围崩坏，运动改变，共有柔化尚在； 未审听音频语义。独立完整pipeline资格验证单独记录。
另完成六条实际Python全pipeline请求，重新执行官方编码和解码：两种来源，I2/L2配对、 一个较大I2画布及单图hybrid Ref。同卡896×512/五秒，I2去噪37.507→34.196秒， L2去噪36.582→34.372秒，配对热态L2全请求64.733→61.608秒（减少4.83%）。 冷态I2总计165.293/171.789秒，分别包含94.647/101.967秒初始化及首次使用成本，不能宣称冷启动变快。 Veda I2 1344×768热态118.634秒（去噪74.010），单图Ref热态59.002秒。 不同画布不能共用一个加速倍率。大画布原尺寸脸部细节更多但成本增加，原有物体接触错误仍在； 注意力改变表情和反射。音频语义等价及普遍质量改善未建立。
显式42/8层分工
0.17增加--veda-dense-edge-layers 4：第0–3、46–49层采用所选密集后端， 其余42层采用Veda。选项3（44/6）和5（40/10）沿用已有行为，默认值保持5。 四层边缘配置在可选音频上下文阶段保持同一层分工。
SM120上sageattention2在各层数配置中保持密集与稀疏INT8 QK / FP8 PV； frost-flash采用密集BF16、稀疏INT8 QK / FP16 PV。层数和精度分别选择， 用于同输入对照。结合原始创作要求观察原生主体细节、物体结构和时间连续性， 同时记录完整成片耗时。此前四组规格对照涵盖两个独立场景，清晰度/闪烁统计描述这些样本。
RTX PRO 6000上的42/8 Sage策略已完成1344×768、544×960及2720×1536五秒视频。 四步回执记录168次稀疏、32次密集调用；竖屏案例的六步音频上下文同样保留8个密集层。 该执行范围支持显式配置，跨场景质量与整片速度由对应的配对结果决定。
SM120显式密集层加速
2026-10-10质量复核： 已收到高清Sage成片时序不稳定的反馈。2048方形同输入对照的连续帧显示Flash/Veda与Sage/Veda均有细节波动，Sage一个局部区域变化更大，尚未隔离原因。此前五时间点抽帧和播放通过不能证明时序质量。该选项应视为实验能力，不能作为已获画质资格的生产推荐；密集层默认Flash保持，但关闭Sage不等于已经修复闪烁。 0.16.0在RTX PRO 6000 Server上复核四组同种子对照（2720×1536五秒、1344×768十五秒、两段对白），无参考指标：细节亮度带的逐帧变化为FROST基线的0.97–1.02，拉普拉斯清晰度0.96–1.01。这限定了这些案例相对基线的闪烁，不是普遍画质结论。
在已做执行测试的单卡RTX PRO 6000或RTX 5090上，保留attention_backend="veda-triton"， 为H3Pipeline显式指定veda_dense_backend="sageattention2"；完整generate命令支持 --veda-dense-backend sageattention2。默认密集层仍为Torch Flash，扩展缺失或内核失败直接停止。
需独立安装针对实际Torch/CUDA和SM120编译的 SageAttention 2.2.0。 本次使用上述固定源码、Torch 2.11/CUDA 13.0；扩展遵循其Apache-2.0许可，本包不附带扩展或模型。 SM90专用wheel不能冒充SM120构建，CPU导入成功也不等于实际GPU资格。
仅0–4及45–49层改用INT8 QK / FP8 PV、per-warp量化、FP32+FP16累积、key smoothing， 不启用value smoothing。其余四十层Veda、保留预算、四步采样、条件和解码不变；回执记录实际 后端、密集层精度和调用数。这是显式近似算法，不承诺数值等价。
自0.16.0起该选项是一个整体精度策略：Veda稀疏层的P·V也改为FP8（V按头×通道量化为e4m3、FP32累加）， 遍历、掩码、块选择与INT8 Q·K不变。启动时自检稀疏内核与Veda原内核的误差；回执新增sparse_precision。 在常驻FP8的RTX PRO 6000 Server、三层密集边缘上，以FROST BF16密集＋FP16稀疏P·V为基线，去噪阶段 2720×1536五秒182.3对211.1秒、1344×768十五秒96.8对110.6秒、1MP对白五秒26.2对28.4秒。
同一PRO 6000 Server、BF16 hybrid/block-ring的完整暖态I2VA对照：1536×864十五秒 Flash/Sage为257.718/223.718秒（减少13.19%），2048²五秒314.753/302.123秒（减少4.01%）； 均含条件、去噪、成片，但不含初始化和传输。1344×768五秒Flash/Sage/Flash为 49.683/49.775/52.914秒，未建立稳定短片收益。本批初始化1205.634秒，暖态收益不能代替冷启动或总费用收益。
八片全部AV解码和应用播放通过，每片五时间点及原像素细节裁剪未见新增明显结构失败；主体和建筑 结构保持，但动作轨迹改变。既有镜头遵循问题保留，音频语义未评估，不能据此宣称普遍等质。 H100和其他架构在独立资格前继续使用Flash密集层。
同一RTX 5090的1344×768五秒Flash/Sage/Flash为75.632/70.395/75.428秒； 1536×864十五秒为379.763/310.595秒（减少18.21%），修正性能分析生命周期后两者 去噪分配峰值均24.143GiB。长片已完整AV解码和应用播放，多时刻面部/服装/运动检查 保留上述已知质量限制。
同批5090另完成2048²五秒Sage368.807秒，去噪峰值26.982GiB，完整AV解码及应用播放通过；缺少本机Flash对照，因此仅确认容量和交付，不宣称4MP加速。
显式SM90 CuTe Flash密集层
为H3Pipeline显式指定attention_backend="veda-triton"和 veda_dense_backend="cute-flash"，或使用完整命令的 --veda-dense-backend cute-flash。单独安装固定的flash-attn-4==4.0.0b34； 实测环境为nvidia-cutlass-dsl==4.8.0、Torch2.11.0/CUDA13.0及Triton3.6.0。 实现来自官方FlashAttention CuTe， 本包不附带该扩展、私有模型或运行凭据。
当前只准入SM90。十层密集注意力仍为BF16 QKV、完整上下文、非因果和单split， 其余四十层Veda不变。架构/版本不符或内核失败直接报错，不自动切换；默认仍为 Torch Flash。不恢复Sage，不启用FP8注意力，不改变模型精度，也不扩大现有档案的 尺寸、时长或显存准入范围。
H100 SXM的六个实际核探针覆盖9,984–438,784长度，Torch Flash为 7.888–16,796.029毫秒，CuTe为4.292–8,383.208毫秒；两个实际CUDA内核均已执行。 这是密集层计时，不是整片加速。完整I2VA比较保持实验FP8 Linear/文本、hybrid四步 和Veda相同；下文单列完整耗时与有限质量观察，不声明普遍等质量，也不新增公开FP8服务能力。
| 尺寸与时长 | Torch整片秒 | CuTe整片秒 |
|---|---|---|
| 512×512 / 5s | 81.744 | 77.015 |
| 768×768 / 10s | 41.032 | 40.115 |
| 1024×1024 / 15s | 130.214 | 114.534 |
| 1536×1344 / 10s | 207.546 | 168.019 |
| 2048×2048 / 5s | 235.523 | 195.820 |
| 2048×2048 / 15s | 1237.038 | 891.409 |
同一物理H100 SXM依次完成六控制/六候选，每场景单seed。表格包含条件、去噪和媒体， 不含初始化/网络交付；含初始化的六例批次2068.473→1629.436秒。 初始准备131.435→138.192秒，未提速；首例有冷条件与首次实际布局编译， 不能从其整片差异推断短片密集内核收益。最大例密集阶段692.458→348.078秒， 整片1237.038→891.409秒（耗时减少27.94%）。嵌套阶段不可相加。
十二片全解码和应用播放通过。多时刻人物、物体和建筑结构保留，连续原生雨街/书架 裁剪未发现新的大结构破坏；原控制与候选都有图书馆开头重构镜头和动作不足。 这是有限观察，不是全面等质量认定，音频语义、其他模式与多seed未知。 单租顺序和缓存影响保留；阶段收益不等于首片完整冷启动改善。
显式 SM120 FROST 密集层
选择H3Pipeline(..., attention_backend="veda-triton", veda_dense_backend="frost-flash") 或generate --veda-dense-backend frost-flash，另行安装固定可选 NVIDIA cuDNN frontend 1.31.0。 必须在进程启动前设置CUTE_DSL_ARCH=sm_120a；包装层不会自动修改全局编译目标。 实测环境为CUTLASS DSL4.8.0、Torch2.11.0和CUDA13.0。
只有十层密集计算使用FROST BF16完整上下文、非因果注意力，128×128分块、单split； 四十层Veda及keep预算不变。原生融合投影的V步长直接使用，不额外复制完整QKV。 有界计划缓存仅保存描述信息，每次调用传入当前张量与CUDA流；不支持的布局、架构、版本和 内核直接报错。Torch Flash默认保持，不恢复Sage，不扩大任何profile容量。
单张RTX PRO 6000 Blackwell Server96GB上的六组I2VA对照固定实验NVFP4 Linear与FP8文本编码。 结果证明该集成中的密集后端，不代表公开引擎已经提供私有量化runner，也不建立5090、SM89或H100资格。
| 画幅 / 时长 | CuTe128×64完整生成秒 | FROST128×128完整生成秒 |
|---|---|---|
| 512×512 / 5s | 69.926 | 72.095 |
| 768×768 / 10s | 43.673 | 40.588 |
| 1024×1024 / 15s | 139.261 | 136.206 |
| 1536×1344 / 10s | 221.993 | 215.276 |
| 2048×2048 / 5s | 259.359 | 250.704 |
| 2048×2048 / 15s | 1324.811 | 1232.634 |
每项包含条件、去噪与媒体，不含初始化、选核探针和网络交付。初始化为 52.650／53.620秒； 初始化与六例生成合计2111.672／2001.123秒。首小例含冷条件与编译；先控制后候选，保留顺序和缓存混杂。
十二片全部完整解码并在应用实播。有限时间线及原像素连续帧复核覆盖行走、街景细节与长图书馆片段； 既有镜头重构和动作遵循缺陷保留，已看区域未发现新增明显结构破坏，不构成普遍等质或时序质量保证。 音频语义、其他模式和多seed尚未评价。私有集成源码video-gen eec85fd7，公开仅保留汇总。
显式 SM90 FA3 密集层
选择H3Pipeline(..., attention_backend="veda-triton", veda_dense_backend="fa3-flash") 或generate --veda-dense-backend fa3-flash。另行安装固定官方 FlashAttention-3 Hopper源码， 包版本flash-attn-3==3.0.0，CUTLASS子模块7127592069c2fe01b041e174ba4345ef9b279671。 实测编译为Torch2.11.0／CUDA13.0、SM90a、BF16、head128前向；在租GPU之前完成可选依赖构建。 本Python包不携带扩展或模型权重。
只替换十层密集注意力：BF16完整上下文、非因果、单split、不打包GQA或输出attention概率。 四十层Veda保持，直接传入融合投影的V视图，不作完整QKV复制。架构、精度、布局、版本或内核 不支持时直接失败；不新增回退或画布准入。Torch Flash默认不变，也不启用FP8注意力。 浮点累加顺序可以改变生成轨迹，不保证逐位／逐像素一致。
单张H100 SXM80GB先运行六控制再运行六候选；实验FP8 Linear／文本、stream文本驻留、内存条件交接、 预制官方VAE和CPU帧装配保持一致。该结果不代表新增公开量化API。
| 画幅 / 时长 | CuTe完整生成秒 | FA3完整生成秒 |
|---|---|---|
| 512×512 / 5s | 57.760 | 13.829 |
| 768×768 / 10s | 39.671 | 35.799 |
| 1024×1024 / 15s | 111.710 | 106.385 |
| 1536×1344 / 10s | 166.739 | 169.017 |
| 2048×2048 / 5s | 192.559 | 191.791 |
| 2048×2048 / 15s | 882.097 | 863.367 |
包含条件／去噪／媒体，不含初始化或交付。首例和初始化有显著顺序／共享缓存混杂，不能归为FA3冷启动收益。 后五例合计1392.776→1366.360秒（−1.90%）；最大例整片快2.12%，密集CUDA计时346.348→322.647秒， 但媒体阶段反而变慢。1536×1344例慢1.37%，因此是显式选项，不是全场景赢家。
十二片全部完整解码并在应用实播。有限时间线和原图连续区域覆盖衣袖／手、植物、书架，已看区间未见 明显新增大结构破坏；两者均保留不期望的镜头移动／重构和动作遵循缺陷。其他时序区域、音频语义、 多seed及其他模式未评价，不构成普遍等质或其他H100型号资格。私有集成源码video-gen 6d9a2823。