4 步这个数字，先看清楚再说
DMAD 是德州 A&M 与字节跳动的研究者合作的一个项目，9 月底建的仓库，Apache-2.0 协议。它做的事说起来简单：把扩散模型的采样步数从 50 步压到 4 步。对象不是参数量——学生模型是挂在原模型上的 LoRA，rank 和 alpha 都是 128，两个权重文件各 1.4 GB。省下来的是串行去噪的次数。
被蒸馏的基座是 MiniMax-H3-33B，一个联合音视频生成模型。蒸馏后默认输出 1344×768、124 帧、24 fps 下约 5.2 秒的视频，同时生成 32 kHz 原生立体声。也就是说画面和声音是一起出来的，不是后期配音。
项目在 ImageNet、SDXL、Wan2.1、MiniMax-H3 四个基座上都做了验证。四步 SDXL 在 COCO-10K 上 FID 14.47；四步 Wan2.1-T2V-14B 在 VBench 上总分 85.15。音视频联合生成这块，用 VideoGenEval 的 387 个提示词做了 774 组两两对比，四步学生相对 DMD2 的总体偏好率是 79.1%，音频质量偏好 87.9%。
图片由 AI 生成
它把「再养一个模型」这一步省掉了
扩散蒸馏的常规路线是 DMD：让学生拟合"目标分布分数减去学生分布分数"的差。问题在于拿到学生分布的分数，需要额外维护一个辅助扩散模型，持续追踪学生不断变化的分布——这是额外的显存和算力。
DMAD 把这件事改成了分类问题。训练一个二分类判别器，区分"真实数据/教师样本"和"学生样本"，直接学两条分布的对数密度比。判别器共享一个特征骨干、挂两个头：教师头对教师样本，真实数据头对真实样本。论文证明了判别器达到最优时，这组线性损失能还原出 DMD 依赖的那个梯度。
配套的三个工程改动让训练更省：教师样本离线预生成并缓存，训练时不再在线调用教师；判别器与生成器的更新配比从 5:1 改成 1:1；教师监督的权重按噪声区间动态分配，用真实数据头在两类样本上的平均 logit 差作为信号，衰减系数 0.99 的指数移动平均追踪。
结果写在论文附录里：4 张 H200、MiniMax-H3-33B、rank-128 LoRA 的配置下，每次生成器更新的耗时从 DMD2 的 818.1 秒降到 233.3 秒，约 3.5 倍；峰值显存从 127.23 降到 114.72 GiB/GPU。
8GB 显存能跑，但别把它读成 8GB 秒出
官方档位是这样分的：
- 8 GB 显存：124 帧，约 5 秒有声视频，官方称所有峰值都在 6 GiB 以下
- 12 GB 显存：362 帧，约 15 秒
- 16 GB 及以上：同样 15 秒，可用 4 步或 8 步工作流
做法是把 32B 文本编码器和 33B 变压器全部留在显存之外，一层一层从检查点流式读入 GPU，用两个轮转缓冲区把读取藏在计算后面。作者在 H200 上核对过：这条路径与常驻显存的输出逐比特一致。
真正容易被标题带偏的是"4 步"——它指的是去噪评估次数，不是 4 秒出片。作者按 H200 实测利用率推算到消费级显卡：4090 和 5090 上每次模型评估约 1 分钟，3090 约 2 分钟，也就是一条 5 秒视频要 4 到 8 分钟采样，另加解码时间。15 秒视频的 token 数是 5 秒的 2.9 倍，而注意力开销按平方增长，算力约为 6 倍。RTX 20 系及更早的卡没有原生 bf16，会走模拟路径，慢得多。
图片由 AI 生成
真正的门槛不在显卡
基础模型约 170 GB 磁盘，每次模型评估要流式读 36 GB 权重。官方建议 48 GB 以上系统内存以开启内存常驻，否则每一步都要重新读盘；ComfyUI 的低显存工作流明确推荐 64 GB 系统内存。开 int8 权重能把读取量和内存占用减半，但官方明确说了输出会与默认路径不同，不再逐比特一致。
还有几项硬性限制：只有 Mac 或核显的设备用不了，没有 NVIDIA 显卡连低显存路径都进不去；使用前要接受 MiniMax H3 社区许可；输出分辨率固定在 1344×768。
作者自己也留了余地——在快动作的提示词上（武术、拳击、扣篮），8 步和 12 步渲染出的动作比 4 步更干净，因为采样时间随评估次数线性增长，步数是可以自由换的。这句话其实说明了这次开源的性质：它是一套蒸馏方法的示范，不是一款调好的成品。
对做素材的人，值得算一笔账
如果你手上有一张 8GB 的 NVIDIA 显卡、170 GB 空闲磁盘、再加 36 GB 以上的内存或一块够快的 NVMe，那么现在可以自己做 5 秒带立体声的首屏视频了。对下载站、模板站的演示短片，或者产品页上的动效素材，这确实把外包成本砍掉了一截。
但算账的时候要把时间也算进去：一条 5 秒素材 4 到 8 分钟，批量做二十条就是两小时起步。而且要出稳定的成品，提示词迭代的轮次往往比生成本身更耗时间。
更现实的用法可能不是替代素材库，而是补缺口——素材库里找不到合适角度的那几个镜头，自己生成一下。批量、可控、稳定输出这三点，目前的开源方案还没到能放心交给它的程度。
最后提醒一句：以上成绩全部是论文和作者自报数字，未经第三方复现，本机的显存与耗时数据也全部来自官方 README。真要投入生产，先自己跑一遍再说。
