# Sink-Sparse Hybrid Attention加速文生图和视频扩散模型

> 一种无需重新训练的新注意力方法，在两款扩散Transformer上将推理速度最高提升至1.57×，同时保持生成质量。

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

Bingxin Xing领衔的研究团队推出了Sink-Sparse Hybrid Attention，可在不重新训练的情况下，取代预训练扩散Transformer中的稠密自注意力。该方法利用少量校准数据构建静态“sink mask”，并加入轻量级的池化KV分支。在Wan2.1‑T2V‑1.3B模型上，端到端生成速度提升1.54×；在Z‑Image‑Turbo上提升1.57×，生成质量与原模型相当。

## 事实

- 论文于2026年10月16日提交
- Wan2.1‑T2V‑1.3B上的加速比为1.54×，Z‑Image‑Turbo上为1.57×

## 为什么重要

推理速度更快，开发者就能以更低成本生成图像或视频，从而降低依赖文生媒体生成应用的成本。

## 来源与参考

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

最后更新: 2026-10-19