# Sink-Sparse Hybrid Attention beschleunigt Bild- und Videogenerierung

> Eine neue Attention-Methode verkürzt die Inferenzzeit bei zwei Diffusion-Transformern um bis zu 1,57× – bei gleichbleibender Qualität.

Oossa · 2026-10-19 · https://oossa.com/de/sink-sparse-hybrid-attention-speeds-up-text-to-image-and-video-diffusion-models

Ein Forschungsteam um Bingxin Xing hat Sink-Sparse Hybrid Attention vorgestellt. Die Methode ersetzt die dichte Self-Attention in vortrainierten Diffusion-Transformern, ohne dass diese neu trainiert werden müssen. Dafür erstellt sie anhand einer kleinen Kalibrierungsmenge statische „Sink Masks“ und ergänzt sie um einen schlanken Zweig mit gepoolten Key-Value-Daten. Beim Modell Wan2.1‑T2V‑1.3B beschleunigt sie die Generierung insgesamt um den Faktor 1,54, bei Z‑Image‑Turbo um den Faktor 1,57 – bei einer Qualität, die mit der der Originalmodelle vergleichbar ist.

## Die Fakten

- Paper eingereicht am 16. Okt. 2026
- Beschleunigung um den Faktor 1,54 bei Wan2.1‑T2V‑1.3B und um den Faktor 1,57 bei Z‑Image‑Turbo

## Warum es wichtig ist

Eine schnellere Inferenz ermöglicht es Entwicklern, Bilder und Videos kostengünstiger zu erzeugen. Das kann die Kosten für Anwendungen senken, die auf Text-zu-Medien-Generierung setzen.

## Quellen und Referenzen

1. [Sink-Sparse Hybrid Attention for Efficient Inference in T2I/T2V Diffusion Transformers](https://arxiv.org/abs/2610.22975) – arXiv cs.CV, 2026-10-19

Zuletzt aktualisiert: 2026-10-19