이미지 조건을 붙여도 MiniMax H3 HIP Sol은 30% 빨랐습니다
텍스트→영상에서만 확인했던 네이티브 HIP Sol을 시작·종료 이미지(FL2VA)와 참조 이미지(R2VA) 입력에서도 측정했습니다. 모든 조건에서 30.2% 줄었고 24회 모두 정상 완료됐습니다.
지난 측정에서 gfx1151(Ryzen AI Max+ 395)의 네이티브 HIP Sol은 텍스트→영상(T2VA)에서만 확인했고, 이미지를 조건으로 주는 경로는 재지 않았습니다. 이번에 시작·종료 이미지(FL2VA)와 참조 이미지(R2VA)까지 Dense와 Sol을 비교했는데, 세 조건 모두 30.2% 안팎으로 시간이 줄었습니다.
결과
1344×768·124프레임/24fps·4-step 조건입니다.
| 입력 | Dense 평균 (초) | Sol 평균 (초) | 시간 감소 | 배율 |
|---|---|---|---|---|
| T2VA (텍스트만, 전날 측정) | 617.138 | 431.056 | 30.15% | 1.432 |
| FL2VA 시작 이미지 | 664.281 | 463.558 | 30.22% | 1.433 |
| FL2VA 시작+종료 이미지 | 720.721 | 502.754 | 30.24% | 1.434 |
| R2VA 참조 이미지 1장 | 661.994 | 462.370 | 30.15% | 1.432 |
감소율이 조건과 상관없이 거의 같습니다. 조건 이미지가 붙으면 attention 토큰이 시작 39,765, 시작+종료 41,789, 참조 39,771개로 늘어나는데, Sol 12회 모두 sparse로 실행된 것을 확인했습니다. 이 정도 토큰 수에서는 sparse로 얻는 이득이 이미 비슷한 수준에 들어선 것으로 보입니다.
측정은 안정적이었습니다. 표본 SD는 0.15~1.01초(CV 0.1% 수준)였고 최고 온도는 80~82°C, OOM이나 GPU reset, timeout은 없었습니다. sampler cache 적중은 0이라 매번 실제로 샘플링했습니다. FL2VA는 v1.1 768p 4-step(shift 6/3), R2VA는 전용 v0.1 4-step(shift 12/3)을 썼고 R2VA 파일은 SHA256을 확인한 뒤 새로 설치했습니다.
Dense 대비 Sol의 SSIM은 시작 0.951, 시작+종료 0.973, R2VA 0.839로 R2VA가 픽셀 차이가 가장 컸습니다. 확인한 프레임에서 시작·종료 이미지와 참조 외형은 유지됐지만, 이 수치로 참조 인물의 일치도까지 평가할 수는 없습니다.
아직 안 한 것
R2VA의 참조 영상·음성, 여러 인물, 8-step 비교는 하지 않았습니다. 이번 결과는 이미지·참조 경로에도 Sol을 선택지로 넣을 근거이고, 자동 적용 여부는 따로 정합니다. 지금 운영 기본값은 여전히 텍스트 v1.1 4-step에만 Sol을 씁니다.
이 글은 gfx1151 HIP Sol 측정의 후속이며 128GB 미니PC 로컬 AI 시리즈의 한 편입니다.