英特爾：為開源多模態視頻模型 MiniMax H3 提供 Day 0 支持，實現基於多卡 GPU 的部署方案
重點摘要
首頁 > 智能時代>人工智能 英特爾：為開源多模態視頻模型 MiniMax H3 提供 Day 0 支持，實現基於多卡 GPU 的部署方案 2026/8/3 15:25:14 來源：IT之家 作者：沁滄（實習） 責編：沁滄 評論： IT之家 8 月 3 日消息，英特爾今日宣佈，為新一代開源多模態視頻模型 MiniMax H3 提供 Day 0 首發支持。
英特爾今日宣布，將為新一代開源多模態視頻模型 MiniMax H3 提供 Day 0 首發支援。這項宣布意味著英特爾的硬體與軟體生態系統，在該模型正式對外發布的第一時間，就已準備好完整的加速與部署方案，讓開發者與企業用戶能夠立即在英特爾平台上運行這款先進的視頻生成模型。 根據英特爾團隊的說法，搭載英特爾銳炫 Pro B70 商用級 GPU 的系統，已經率先完成對 MiniMax H3 模型的完整適配。為了充分發揮多卡 GPU 的協同運算能力，英特爾開發出一套基於多卡架構的部署方案，針對模型不同模組的運算特性，分別設計了對應的加速策略。 在整體架構設計上，這套方案將 MiniMax H3 的運算流程拆解為三大核心模組。首先是 Encoder（編碼器）部分，採用 8 卡張量並行（8TP）技術來完成文本編碼任務，藉由將編碼工作分散到多張 GPU 上，加速文字特徵的提取效率。其次，在運算量最大的 DiT（擴散變換器）模組，英特爾導入 8 卡 USP（Ulysses Sequence Parallel）技術，並結合 Layer-wise Offloading 機制。這種設計不僅突破單一 GPU 的顯存容量限制，還能透過按層動態加載模型參數的方式，大幅降低模型常駐顯存的需求，使得更大規模的 DiT 模型也能順利部署在現有硬體上。最後，VAE（變分自編碼器）環節直接部署於 B70 GPU 上，負責完成最終的視頻解碼，將生成的視頻內容還原為可視結果。 在純 8 卡 USP 方案的基礎上，英特爾團隊進一步開發出 2TP×4USP 的混合並行方案。這項設計將 USP 的並行度從 8 路降低至 4 路，同時引入 2 路張量並行來協同加速計算。透過這樣的調整，不僅保留了模型原本的擴展能力，更能有效減少因 USP 所帶來的通信開銷，在計算負載與資料傳輸之間取得更理想的平衡點，從而提升整體的推理性能。 除了架構層面的創新，英特爾團隊也針對底層運算進行了持續優化。透過結合 llm-scaler-omni 開源項目的 XPU Kernel 最佳化技術，團隊對矩陣乘法、注意力機制等關鍵算子進行了精細調校，進一步提升 GPU 的計算效率。這些優化能夠有效降低端到端的推理延遲，讓模型在生成視頻時的反應速度更快，整體使用體驗也更為流暢。 值得注意的是，MiniMax H3 本身是一款具備高度通用性的開源多模態視頻模型，支援多模態上下文理解，並能生成 2K 解析度的高畫質影片。該模型的開源特性，使得研究人員與開發者能夠自由下載、修改與部署，而英特爾此次提供的 Day 0 支援，則進一步降低了使用者在英特爾硬體平台上運作這款模型的技術門檻。 整體而言，這套基於多卡 GPU 的部署方案，不僅為 MiniMax H3 提供了從編碼、推理到解碼的全流程加速，也為大規模視頻生成模型的落地應用，提供了一條更具擴展性與實用性的技術路徑。隨著開源社群與硬體生態的持續整合，未來類似的高效能部署方案，可望進一步加速生成式 AI 在影音內容創作、虛擬實境與數位媒體等領域的實際應用。
Related
相關文章
近300萬人圍觀卡帕西親測Opus 5：兩小時寫完5500行代碼， 卻連自己寫的遊戲都玩不了
賬號設置我的關注我的收藏申請的項目退出登錄登錄搜索36氪Auto數字時氪未來消費智能湧現未來城市啟動Power on36氪出海36氪研究院潮生TIDE36氪企服點評36氪財經職場bonus36碳後浪研究所暗湧Waves硬氪氪睿研究院媒體品牌企業號企服點評36Kr研究院36Kr創新諮詢企業服務核心服務城市之窗政府服務創投發佈LP源計劃VClubVClub投資機構庫投資機構職位推介投資人認證投資人服務項目推薦36氪Pro創投氪堂企業入駐創業者服務創投平臺AI測評網 首頁快訊資訊推薦財經AI項目推薦安徽最新創投汽車科技專精特新直播視頻專題活動搜索項目推薦我要入駐城市合作近300萬人圍觀卡帕西親測Opus 5：兩小時寫完5500行代碼， 卻連自己寫的遊戲都玩不了AI前線·2026年08月03日 16:40卡帕西戳破了 Opus 5 天花板。 卡帕西暴露 Opus 5 新邊界 過去，人們喜歡用一道頗具喜感的題目測試大模型：“請生成一張鵜鶘騎自行車的可縮放矢量圖。” 下面這張圖是 ChatGPT 為我生成的： 這道題看似簡單，實際上需要模型理解自行車的結構、鵜鶘的身體組成，以及兩者之間的空間關係，再用一系列座標、路徑和圖形元素把它們組合起來。 模型畫出的鵜鶘究竟是坐在車上、懸浮在空中，還是與自行車融成一團，往往能直觀暴露其空間推理能力。 但現在，Andrej Karpathy 認為，評價前沿模型的方式可能需要再次升級。 8 月 2 日，Karpathy 在 X 上公佈了一項實驗。他把《指環王》第一章開頭的一段文字交給 Claude Opus 5，給出 100 萬 Token 的推理預算——按他的估算約為 10 美元——並要求模型用 Three.js 把這段故事渲染成一個三維場景。 這條帖子的瀏覽量已經超過 280 萬。 Opus 5 運行了約兩小時，最終寫出大約 5500 行代碼。 成
上海AI Lab團隊推出MemHarness：讓Agent記憶像人類一樣被重構
賬號設置我的關注我的收藏申請的項目退出登錄登錄搜索36氪Auto數字時氪未來消費智能湧現未來城市啟動Power on36氪出海36氪研究院潮生TIDE36氪企服點評36氪財經職場bonus36碳後浪研究所暗湧Waves硬氪氪睿研究院媒體品牌企業號企服點評36Kr研究院36Kr創新諮詢企業服務核心服務城市之窗政府服務創投發佈LP源計劃VClubVClub投資機構庫投資機構職位推介投資人認證投資人服務項目推薦36氪Pro創投氪堂企業入駐創業者服務創投平臺AI測評網 首頁快訊資訊推薦財經AI項目推薦廣東最新創投汽車科技專精特新直播視頻專題活動搜索項目推薦我要入駐城市合作上海AI Lab團隊推出MemHarness：讓Agent記憶像人類一樣被重構賬號已註銷·2026年08月03日 16:27記憶是重建的，而不是重放的。 檢索過往經驗，已成為增強LLMAgent 決策能力的常見方法。在面對新任務時，Agent 往往會直接調用過去的經驗，藉助記憶輔助判斷。 但問題在於，歷史經驗只有在適配當前上下文時，才具有實用價值。多數現有記憶增強 Agent 會把檢索到的經驗當作靜態記錄，直接注入上下文，很少判斷這些經驗是否適合當前上下文。如果“舊”經驗與當前狀態不匹配，反而可能幹擾決策、導致負面效果（負遷移）。 與人工智能（AI）系統不同，人類調用記憶則更加靈活：通常會結合當前上下文，重新判斷以往經驗該如何使用，從而更好地服務於當前決策。 受到這一啟發，上海 AI Lab 團隊及其合作者提出了“LLM Agent 經驗重構”框架 MemHarness，通過在檢索與動作之間插入顯式的記憶重構環節來主動 harness 檢索到的經驗，並通過 GRPO 端到端地學習這一能力，且無需任何額外的人工標註。 結果顯示，MemHarness 的性能顯著優於純強化學習（RL）和靜態記憶增強基線方法，且在分佈外（
Karpathy實測Opus 5：讀一段《魔戒》，10美元直出中土世界
賬號設置我的關注我的收藏申請的項目退出登錄登錄搜索36氪Auto數字時氪未來消費智能湧現未來城市啟動Power on36氪出海36氪研究院潮生TIDE36氪企服點評36氪財經職場bonus36碳後浪研究所暗湧Waves硬氪氪睿研究院媒體品牌企業號企服點評36Kr研究院36Kr創新諮詢企業服務核心服務城市之窗政府服務創投發佈LP源計劃VClubVClub投資機構庫投資機構職位推介投資人認證投資人服務項目推薦36氪Pro創投氪堂企業入駐創業者服務創投平臺AI測評網 首頁快訊資訊推薦財經AI項目推薦廣東最新創投汽車科技專精特新直播視頻專題活動搜索項目推薦我要入駐城市合作Karpathy實測Opus 5：讀一段《魔戒》，10美元直出中土世界新智元·2026年08月03日 16:26Karpathy用Opus 5生成3D中土遊戲，暴露LLM自我審查短板 昨晚刷到了 Andrej Karpathy 的一條帖子，震驚了幾秒。 他扔給了 Opus 5《指環王》的開篇的第一段，配了大概 10 美元的 Token，要求只有一個： 用Three.js把這段話渲染出來。 然後 Opus 5 就開始跑了。 一口氣幹了兩個小時，吭哧吭哧寫出了 5500 行代碼，硬生生從中土世界的文字裡渲染出一個 3D 遊戲。 注意，這個遊戲全都是代碼寫出來的！ 也就是說，每棵樹長在哪裡、每塊岩石的形狀全都是模型寫代碼畫出來的，再通過代碼讓它們動起來。 你可以用瀏覽器打開這個遊戲，裡面有河流、有夏爾的丘陵、有樹木。雖然看起來不咋地，挺糙（Karpathy 自己用了個詞，janky），但這東西確實是個能跑起來的 3D 世界。 Karpathy還專門為這個遊戲做了個網站。可以進去體驗一下。 地址：https://karpathy.ai/lotr-movie/ 以前要做這麼個東西，你得有團隊、預算，而且要幹上幾個月。現在，1
DevOps之父：發幾個Claude Code賬號就叫AI轉型？Agent用不好是公司的鍋
賬號設置我的關注我的收藏申請的項目退出登錄登錄搜索36氪Auto數字時氪未來消費智能湧現未來城市啟動Power on36氪出海36氪研究院潮生TIDE36氪企服點評36氪財經職場bonus36碳後浪研究所暗湧Waves硬氪氪睿研究院媒體品牌企業號企服點評36Kr研究院36Kr創新諮詢企業服務核心服務城市之窗政府服務創投發佈LP源計劃VClubVClub投資機構庫投資機構職位推介投資人認證投資人服務項目推薦36氪Pro創投氪堂企業入駐創業者服務創投平臺AI測評網 首頁快訊資訊推薦財經AI項目推薦安徽最新創投汽車科技專精特新直播視頻專題活動搜索項目推薦我要入駐城市合作DevOps之父：發幾個Claude Code賬號就叫AI轉型？Agent用不好是公司的鍋極客邦科技InfoQ·2026年08月03日 16:24不要再修 Agent 產出的代碼了，去修那個產出代碼的系統。 如果一名開發者怎麼都用不好 Agent，問題可能並不在開發者，而在公司根本沒有為 Agent 準備好一套能工作的系統。 很多企業所謂的 AI 轉型，仍然停留在給開發者購買 Cursor、Claude Code 等工具，辦幾場培訓，再讓大家自行摸索。如果最後 Agent 效果不好，責任又落回到使用者身上。 但 DevOps 一詞的提出者 Patrick Debois 認為：“開發者需要完成一個重要的思維轉變：當 Agent 沒有按你的預期完成任務時，不要再去修改它生成的代碼，而要去改進整個系統，而不是隻改 Prompt。” 在 Debois 看來，這是軟件工程從確定性系統轉向非確定性、概率性系統和工作流時必須經歷的變化。它不僅涉及技術，也會重塑開發者、團隊和整個組織的工作方式。但這種變化不可能只靠某一個工程師，也無法僅停留在單個團隊層面。它和 DevOps 一樣，只有在規模化落地後，才能真正實現。 問題的核心不只
