# Sink-Sparse Hybrid Attention acelera la generación de imágenes y videos

> Un nuevo método de atención que no requiere reentrenamiento reduce hasta 1,57× el tiempo de inferencia en dos transformadores de difusión, sin perder calidad.

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

Un equipo de investigadores liderado por Bingxin Xing presentó Sink-Sparse Hybrid Attention, un método para reemplazar la autoatención densa en transformadores de difusión preentrenados sin volver a entrenarlos. La técnica crea «máscaras sink» estáticas a partir de un pequeño conjunto de calibración y añade una rama ligera de KV agrupada. En el modelo Wan2.1‑T2V‑1.3B acelera la generación de principio a fin en 1,54×, y en Z‑Image‑Turbo, en 1,57×, con una calidad comparable a la de los modelos originales.

## Los hechos

- Artículo enviado el 16 Oct 2026
- Aceleración de 1,54× en Wan2.1‑T2V‑1.3B y de 1,57× en Z‑Image‑Turbo

## Por qué importa

Una inferencia más rápida permite a los desarrolladores generar imágenes o videos a menor costo, lo que puede abaratar las aplicaciones que dependen de la generación de contenido multimedia a partir de texto.

## Fuentes y referencias

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

Última actualización: 2026-10-19