vLLM-Omni称MiniMax H3-Image在英伟达Vera Rubin上实现亚秒级4K生成

开源推理引擎vLLM-Omni团队于2026年11月12日发布技术博客，宣布对AI公司MiniMax新发布的开放权重图像模型H3-Image提供“Day-0”支持，并在英伟达（NVIDIA）下一代Vera Rubin架构GPU上进行了详细基准测试。据该博客自报数据，在四块GB300 GPU组成的系统上，使用短提示词服务基准测试时，原生4096×4096分辨率图像的生成中位延迟达到0.87秒。

除了低延迟，vLLM-Omni还展示了高吞吐量配置：通过四个单GPU副本并行处理，系统每小时可生成6,115张图像。这一性能得益于多项优化技术，包括MXFP8量化以加速DiT线性层、Ulysses序列并行（SP4）以及结合CUDA Graph和流式处理的VAE解码优化。例如，在四块GB300 GPU上，VAE解码时间从2.635秒降至0.213秒，使端到端延迟从约4.0秒降至1.6秒。

基于MiniMax官方标准4K API定价示例（每张图像0.06879美元），vLLM-Omni计算了潜在的经济效益。在全额计费利用率下，峰值吞吐量预计可带来每GPU小时105.16美元的毛收入；若利用率为75%，则约为78.87美元。需要注意的是，这些估算未扣除运营成本，且日产能是基于测量速率的外推值。

该支持不仅限于英伟达数据中心GPU，还扩展至消费级GPU（如RTX 5090/5080，通过CPU分层卸载实现单卡部署）以及其他硬件平台，包括AMD Instinct、Intel Arc Pro、华为昇腾NPU和摩尔线程MTT S5000。然而，所有性能数据均为厂商自测结果，未经独立第三方复现，且经济预测依赖于假设的销售价格和理想化的利用率条件。