Spark-H3加速节点实测：单采、Selflift二采与预热设置

作者：@AIwood爱屋研究室

Spark-H3加速节点与工作流测试原封面

AIwood这次测试Spark-H3在ComfyUI中的应用，分别比较参考生视频单采和Selflift数字人二采。重点不是笼统地说“更快”，而是预热步骤在不同流程中会改变耗时，画质细节也需要同时检查。

先匹配显卡、环境和节点
视频演示的是comfyui-v0.1.2发布页，画面列出ComfyUI 0.38.x/0.39.x、Python 3.12+和PyTorch CUDA 13.0等环境要求。作者让40系显卡选择SM89包，50系选择SM120包，并用ComfyUI自身的Python按该版本说明手动安装；他也提供了分显卡系列的整合包。

这些是录制时所示版本的条件。简介提到后续计划支持20系与30系，不能将计划写成该版本已经兼容。安装前应核对项目对应发布页的完整要求，不混用其他版本的依赖和安装包。

在工作流中搜索Spark Attention并选对应架构节点。画面显示“MiniMax H3 Spark Attention (SM120)”节点，作者强调其steps要与实际采样总步数一致；例如采样4步，节点也填4步。warmup_mode可按比例或步数设置，演示选择warmup_steps，值为1，即先执行稠密预热，再进入后续稀疏注意力步骤。作者还提醒加入该节点时关闭原有kitchen加速，避免照搬叠加配置。

两种工况的耗时不能混在一起
以下数字均为作者这一次测试记录，不是独立复测或通用速度保证。

单采使用约1MP、5秒参考生视频，参考尺寸模式为match，并采用4步加速LoRA。作者报告：仅LoRA、全稠密步骤为102秒；kitchen为75秒；SOOL为85秒；Spark为64秒。这个工况下Spark最快，但结果仍与素材、硬件及环境有关。

二采改用Selflift数字人工作流，约1MP、10秒，参考模式为max，总计6步。作者报告全稠密方案383秒，SOOL该次运行崩溃，Spark为265秒，kitchen为222秒。崩溃只能描述这次运行，不能推定该方案普遍不可用。

Selflift的再次预热与画质取舍
作者观察到二采高分辨率阶段会再次预热，认为这是Spark在该工况反而较慢的原因。他随后将预热设为0、让6步都使用Spark Attention，报告耗时降到约216秒。这个数值属于单次调整结果，不应把零预热当成所有工作流的默认最优设置。

画质部分，作者截取对应视频帧比较眼睛、服装等细节，并承认加速后存在一定损失；他认为动态播放中部分差异较难察觉。复现时应同时比较细节和运动表现，而不是只看耗时，亦不应据此宣称“无损加速”。

作者资源
【Spark-H3整合包：https://pan.quark.cn/s/933d82fdaf58】
Spark-H3项目
视频对应的comfyui-v0.1.2发布页

作者说明整合包位于网盘的ComfyUI本体目录，40系选sm89、50系选sm120。本文依据完整可用的播放器中文字幕、已观察画面及作者简介整理，未独立安装或复测；具体环境、许可和兼容范围以实际使用版本说明为准。