SANA-Video 2.0 是一个混合视频扩散 Transformer，提供 5B 和 14B 两种规模，可在单 GPU 上生成最高 720p 视频。
其 Hybrid Linear-Softmax Attention 以 3：1 比例混合线性与 softmax 注意力，配合 Block Attention Residuals 将深层有效秩提升约 12%。
Berita AI / 模型更新
Back to AI news
SANA-Video 2.0: Menggabungkan Perhatian Linear dan Sisa Perhatian untuk Meningkatkan Efisiensi Generasi Video
SANA-Video 2.0 adalah sebuah Transformer difusi video hybrid, tersedia dalam dua skala yaitu 5B dan 14B, dapat menghasilkan video hingga 720p pada satu GPU...
Ringkasan intelijen AI hari ini
SANA-Video 2.0 adalah sebuah Transformer difusi video hybrid, tersedia dalam dua skala yaitu 5B dan
14B, dapat menghasilkan video hingga 720p pada satu GPU. Hybrid Linear-Softmax Attention-nya mencampur perhatian linier dan softmax dalam rasio 3:1, dan dengan Block Attention Residuals meningkatkan peringkat efektif lapisan dalam sekitar 12%.
资讯正文 · AI 整理
情报判断
Aioga 编辑摘要
SANA-Video 2.0 是混合视频扩散 Transformer，包含 5B 与 14B 两种规模，公开材料称其可在单 GPU 上生成最高 720p 视频。
背景分析
该模型采用 Hybrid Linear-Softmax Attention，按 3：1 比例混合线性与 softmax 注意力，并引入 Block Attention Residuals。
Aioga 观点
Aioga 判断，方案重点是在视频生成中组合不同注意力机制，并通过残差设计改善深层表示；其实际效率与生成质量仍需更多公开结果支撑。
影响与后续
材料称 Block Attention Residuals 可将深层有效秩提升约 12%。这可能为控制视频扩散 Transformer 的计算负担与深层表示能力提供研究参考。 值得关注后续是否披露 5B 与 14B 模型的生成速度、显存占用、质量评测和测试条件，以验证单 GPU 生成最高 720p 视频的适用范围。
Source and Copyright
当前抓取源提供的是标题、摘要、来源和原文入口，不直接搬运完整原文。完整报道请通过下方原文链接前往来源站点查看。
抓取通道: 摘要聚合 · 原始域名: arxiv.org
Sumber: HuggingFace Daily Papers（社区热门论文）
原文链接: Buka sumber asli
Aioga 归档: 查看情报页
Content record: summary-fallback · Updated: 2026-07-23T00:00:00.000Z
API RELAY · DEVELOPER INFRASTRUCTURE
API 中转站
统一接入主流 AI 模型 API，为开发、测试与生产环境提供稳定调用入口。
立即访问 api.w173.com
Scan to open this article