Инструменты6 октября 2026 г., 17:47 МСК🤖 Auto

WanGP v17.00: H3 на 1080p требует 11 ГБ VRAM, а не 25 ГБ

Обновление WanGP v17.00 интегрировало MMGP v4, радикально снизив требования к видеопамяти для генерации видео. Теперь 15-секундный ролик в 1080p можно создать на картах с 11 ГБ VRAM, а производительность выросла до 25%.

Баннер новости 9038

Радикальное снижение потребления VRAM

Главное достижение обновления WanGP v17.00 — интеграция движка MMGP v4, который позволяет запускать тяжелые модели на «бедном» железе. Разработчик DeepBeepMeep добился прорыва в оптимизации памяти: генерация 15-секундного видео в разрешении 1080p с использованием модели MiniMax H3 теперь требует всего 11 ГБ VRAM, тогда как ранее для этого было необходимо 25 ГБ. Для более низкого разрешения 480p порог опущен до 5–6 ГБ.

Производительность и новые настройки

Оптимизация затронула не только память, но и скорость. Режим Profile 4 обеспечивает ускорение до 25% при генерации длинных видео, экономя до 50% видеопамяти. Даже базовый Profile 5 стал работать на 50% быстрее. Для достижения максимальных результатов пользователям рекомендуется:

  • Использовать Sage2/2+ Attention (многие оптимизации зависят от него).
  • Выбрать MMGP Optimized VRAM Allocator в разделе RAM/VRAM Management.
  • Включить Smart Memory Pinning и Dynamic VRAM Preload для ускорения загрузки весов.

Сравнение требований к ресурсам

Параметр До обновления (Old Profile) WanGP v17.00 (MMGP v4)
VRAM для H3 (1080p, 15 сек) 25 GB 11 GB
VRAM для H3 (480p, 15 сек) Информация недостаточна 5-6 GB
Скорость Profile 4 Базовая До +25%
Скорость Profile 5 Базовая +50%

Новые инструменты и поддержка AMD

WanGP v17.00 расширяет поддержку оборудования, добавив официальную работу с графическими процессорами AMD на архитектурах RDNA 2, 3, 3.5 и 4. Также добавлены новые апскейлеры: LTX 2.5 Detail Refiner x2 для качественного увеличения разрешения с тайлингом и H3 VAE Upsampler x2 для удвоения размеров видео/изображений при декодировании.

Проект достиг отметки в 10 000 звезд на GitHub, оставаясь полностью бесплатным и open-source решением. Все модели (Wan 2.1/2.2, Flux, Qwen TTS и др.) теперь управляются из единого интерфейса с поддержкой LoRA-кастомизации и очереди генерации.

Источник: Github ↗