解析估算，非实测 benchmark。用于比较计算量与并行趋势；默认参数未经硬件校准，未检查峰值显存或生成质量。

当前配置的估算时间分解

只改 GPU 数：扩展曲线

每一行是同一配置在不同 GPU 数下的端到端时间（同一刻度），右侧是总时间和扩展效率（1 卡时间 ÷ (G × G 卡时间)）。虚线以下的配置，sequence parallel 组跨出了一台 8 卡机器。

只改步数：各部分的占比怎么变

每一行是同一配置在不同步数下的估算时间占比（100% 堆叠），右侧是总时间。仅改变调用次数，不表示这些设置有相同画质，也不等同于少步蒸馏。

数据表

模型假设

• token 数 = 潜空间帧数 × (H / s / 2) × (W / s / 2)，帧数 = 时长 × 所选 fps + 1，潜空间帧数 = 1 + (帧数 − 1) / 4。时长按首尾帧时间间隔估算；s 为 VAE 空间压缩倍数（Wan2.1 为 8，Wan2.2 5B 为 16），patch 为 1×2×2。
• 每次前向 FLOPs ≈ 2·L·n·(4d² + 2d·d_ff)（self-attention 投影与 FFN）+ 4·L·n²·d·k（self-attention，k 为保留比例），与正文公式一致。忽略 cross-attention、modulation、norm 等部分；不是完整模型 FLOPs。
• DiT 计算时间 = FLOPs / (SP 并行度 × 峰值 × MFU)。各类计算共用固定 MFU，没有建模小块效率下降或各 kernel 的吞吐差异；这是简化趋势模型，不能保证预测误差的方向。
• 稀疏计算按保留比例理想缩放，不计模式选择、索引与不规则访存；通信仍传完整 K/V。没有计算画质或训练成本。
• CFG parallel：开 CFG 且 GPU 数 ≥ 2 时，两次前向分给两组卡，每组的 SP 并行度为 G / 2，合并结果的通信忽略不计。
• 每台机器 8 张卡。SP 组不超过 8 张卡时走机内带宽，否则受跨机带宽限制。
• Ulysses：每层按 Q、K、V、O 四份张量统计，每卡发送 8·(n/G)·d·(u−1)/u 字节，不与计算重叠；QKV 可融合通信，并行度 u 必须整除 head 数。带宽使用与发送量对应的有效口径。
• Ring：每层 R−1 步，每步传 4·(n/G)·d 字节的 K/V，与本步的块 attention 重叠，只计算超出计算时间的部分。
• USP：Ulysses 并行度取不超过 8、且同时整除 head 数和 SP 并行度的最大值，其余用 Ring。
• VAE 时间按像素数线性缩放；默认不随 GPU 数并行。打开 VAE 并行时按理想线性加速估算。text encoder 为固定值。
• 忽略 collective 启动、序列 padding、权重加载、输出搬运和视频编码。Ulysses 的可行性提示只检查 head 整除，不检查显存、模型支持的生成配置或 kernel 限制。
• 预设的层数、隐藏维度、head 数来自公开配置，默认的 MFU、带宽、VAE 数值是占位，未经实测校准。