一張 4090 塞下「兩個 14B」？Wan 2.2 的參數寫法有點不老實 先說清一件事：14B 是兩位專家輪班 Wan 2.2 的 A14B 型號用的是混… · @swordBluesy · TwKit

@swordBluesy

一張 4090 塞下「兩個 14B」？Wan 2.2 的參數寫法有點不老實 先說清一件事：14B 是兩位專家輪班 Wan 2.2 的 A14B 型號用的是混合專家架構：兩個約 14B 的專家、總參數 27B，但每一步只激活一個。高噪聲專家管前半程，決定構圖和運動；低噪聲專家接手後半程，修紋理和細節。所以你下載的是兩個擴散模型文件，工作流裡要放兩個加載器、兩個 KSampler (Advanced) 節點。ComfyUI 模板默認在步數中點換班，阿里官方腳本的換班點是信噪比邊界（文生視頻 0.875、圖生視頻 0.900）。實用技巧：片子運動對但細節發軟，就把換班點提前一兩步，給低噪聲專家多留步數。好處是閒置的那位專家可以放系統記憶體裡，一張能裝下一位專家的卡就能跑這一對。 另一個要闢的謠：Wan 2.5、2.6、2.7 都是只有 API、沒有開源權重的，Wan 2.2 至今仍是能在自己顯卡上跑的最新一代 Wan，許可證 Apache 2.0。家族成員：T2V-A14B、I2V-A14B（480p/720p，16 fps），TI2V-5B（文/圖生視頻合一，1280x704，24 fps），S2V-14B（語音生視頻），Animate-14B 和 Animate-2-14B（角色動畫）。 顯存賬：先算再租卡 一位 14B 專家的文件大小：fp8 是 14.3 GB，fp16 是 28.6 GB，GGUF Q4_K_M 是 9.7 GB；文字編碼器 umT5-XXL fp8 再占 6.7 GB。結論： 24 GB 卡（RTX 4090）：fp8 專家＋640x640 激活值剛好，模板實測顯存占用 83%–89%；TI2V-5B 用卸載功能 8 GB 都能跑。 32 GB（RTX 5090）：14B fp8 留出更長片段和 LoRA 的餘量；Animate 的實際起步線。 48 GB（L40S）：14B fp8 上 720p，或者 fp16 在 640x640。 80 GB（H100）：720p 不卸載硬跑——阿里腳本實測 720p 峰值 59.8 GB（480p 是 41.3 GB）。 全套文件約 80.5 GB 在磁碟上，配一塊 100 GB 網絡卷（標準檔約每月 7 美元）剛好。按秒計費的邏輯下，更快的卡每條片子可能更便宜——比的是每條成品的成本，不是每小時單價。 六步上架（Runpod 實操） 註冊充值。 開 pod 至少要備夠一小時的額度，之後按秒扣費。 先建網絡卷。 必須在建 pod 時掛上，事後補不了；只能擴容不能縮；卷和 GPU 必須同數據中心。 部署官方 ComfyUI 模板。 帶 CUDA 12.8、ComfyUI-Manager、KJNodes、Civicomfy，裝到 /workspace/runpod-slim/ComfyUI。想讓模型自動下載的可用 HearmemanAI 的一鍵模板，部署前把 download_wan22 設為 true（要 Animate 再加 download_wan_animate）；注意它自 10 月 19 日起面向 CUDA 13.0 以上主機，且默認 300 GB 卷＋300 GB 容器盤約每月 60 美元，用不著那麼多就調小。日誌出現 [ComfyUI-Manager] All startup tasks have been completed. 才算就緒，首次啟動 5 到 30 分鐘不等。 在 pod 上下模型。 用 JupyterLab（8888 端口）或網頁終端，在 pod 內下比從本機傳快得多。文字編碼器和 Wan 2.1 的 VAE 是所有 14B 工作流共用的，再按 high/low 兩位專家分別下 T2V 和 I2V 的 fp8 模型與各自的 Lightning LoRA，全部放進 models 對應子目錄（文件名以官方模板畫布上的備註為準核對）。TI2V-5B 另下 wan2.2_ti2v_5B_fp16.safetensors 和它自己的 VAE。 開 ComfyUI 載模板。 從 Connect 面板開 8188 端口的服務（Bad Gateway 就是還在啟動，等兩三分鐘刷新）。左側 Templates 搜 Wan 2.2，選 14B 文生視頻或圖生視頻模板。模板把整個管線封成一個節點，提示詞、寬高、時長、四個模型/LoRA 選擇器都在面上，還有一個 enable_turbo_mode 開關，在 20 步常規路徑和 4 步 Lightning 路徑之間切換。 第一次先 640x640、5 秒跑通。 成片 MP4 落在 /workspace/runpod-slim/ComfyUI/output/video，用 FileBrowser（8080）或 JupyterLab 下載。安全動作別省：部署前先設 FILEBROWSER_PASSWORD——默認帳密是公開的，代理網址誰拿到誰能進。用完停 pod 就停 GPU 計費，卷裡的東西都還在。 步數與速度：Lightning 的正確用法 模板作者在 24 GB 4090D、640x640 上實測：20 步一條 5 秒片約 536 秒（第二次 513 秒）；開 4 步 Lightning LoRA 後約 108 秒（第二次 71 秒）。相當於每 GPU 小時約 50 條草稿對 7 條正片。代價是 CFG 被釘在 1、負向提示詞失效、對提示細節的控制變弱。作者的用法很明確：Lightning 用來探提示詞、種子和構圖，選中的再回 20 步路徑重渲定稿。 兩個禁忌：TI2V-5B 沒有 4 步 LoRA；S2V 不要用它，運動和質量會明顯掉。 畫幅和幀數的規矩：寬高必須是 16 的倍數；幀數按 4n+1，模板按「時長×幀率＋1」自動算（5 秒 16 fps 就是 81 幀）；14B 守 16 fps、5B 守 24 fps，那是它們訓練時的幀率。提示詞按「主體＋場景＋運動」寫，圖生視頻時圖已定主體和場景，提示詞只管運動和鏡頭；rim light、golden hour、low angle、close-up、push in、orbit、tilt up 這些鏡頭標籤詞它認得準，環繞角度建議別超過約 45 度。 Animate：讓照片裡的人按你的視頻跳舞 Animate-14B 是單個網絡（fp8 文件 18.4 GB），兩種模式：Move 把驅動視頻裡表演者的身體動作和表情搬到你的角色圖上；Mix 把視頻裡的表演者換成你的角色、保留原背景，並有補光 LoRA 對齊光線色調。要先裝兩個自定義節點包：comfyui_controlnet_aux（提供 DWPose Estimator）和 ComfyUI-segment-anything-2。 生成流程五步：載入 Animate 模板，換上自己的參考圖和驅動視頻；先按默認跑一遍，DWPose 會把驅動視頻轉成姿態和面部控制視頻，首幀同時進點位編輯器；Mix 模式下在點位編輯器 Shift＋左鍵打綠點標記要檢測的人、Shift＋右鍵打紅點排除，SAM2 生成角色遮罩；Move 模式要把 background_video 和 character_mask 兩個輸入從 WanAnimateToVideo 節點上斷開——只禁用節點沒用，被禁用的節點照樣透傳驅動視頻；生成，模板按 640x640、16 fps、6 步、CFG 1 渲染，每段 77 幀約 4.8 秒，每複製一組 Video Extend 再加 77 幀。驅動視頻要短、要先縮小，預處理在大視頻上很耗時。 新出的 Animate-2-14B（2026 年 8 月 7 日）改成端到端動畫，還加了文字驅動的視角控制，Distilled 版 10 步不用 CFG；但截至 10 月 19 日官方模板載的仍是 Animate-14B，換之前先看它的模型卡工作流。 零安裝的退路 只想出片、不想養工作流的：Runpod 有公共端點，一條 curl 就能調 I2V 720p（傳 prompt、起始圖網址、尺寸、時長、種子），每秒 0.06 美元、失敗不收費，但返回的視頻地址 7 天過期，記得及時取回。 S1哥觀點 這篇最打臉的是「27B 總參數、14B 激活」這種寫法——參數表上寫 14B，磁碟裡躺的是兩個專家，文件、加載器、LoRA 全要成對買單。各家都在玩這種「宣傳口徑」：激活參數算算力、總參數算門面。我倒覺得 MoE 輪班本身是聰明設計，一張 4090 能跑就是證明；不老實的是只報一半的賬。 另一個值得抄的作業是「草稿 4 步、定稿 20 步」的兩段式：七倍的速度差不用來交成品，用來把提示詞試錯的成本打下來，這才是會過日子的人用 AI 視頻的姿勢。你買卡還是租卡？我算過：一個月出不了幾十條的，租 pod 按秒付費幾乎必贏。評論區報一下你的出片量。 原文連結：https://www.runpod.io/articles/guides/comfyui-wan-2-2 原文：@Runpod（由 S1哥 編譯）

曝光 264 · 评论 0 · 点赞 1 · 书签 0