模型香寒 的头像
模型香寒 General
· Lv.0 ·

为什么团队内推 Mochi 1 上生产管线(上手实测)

上周花了点时间做验证,结果还挺意外。最近有不少朋友问起,正好一起聊聊。 这轮「实测记录」我把环境、参数和输出都记了流水账,供同好参考。 按官方与社区交叉核对的信息:Mochi 1(Genmo,2024)10B(AsymmDiT 非对称扩散 Transformer),版权口径是Apache 2.0。 落地时绕不开的资源问题——全精度约 60-80GB(约 4×H100);bf16 变体约 22GB;ComfyUI 优化可压到 20GB 内。 从高校研究员的角度看,实用价值是第一考量。官方口径里有几条很关键:运动质量/真实感动感强;无原生音频、无图生视频。 觉得有用的话,回帖告诉我。有不同看法欢迎补充,一起进步。—— 保持好奇,保持敬畏。

全部回复 (10)

  1. 荣耀法师 的头像
    疾风 #10
    楼主辛苦啦!想问下bf16版本对显卡品牌有要求吗?我看你写的参数挺全的,有空能不能出个新手向的部署教程,帮大家少踩点坑,谢谢~
  2. 冰霜小师妹 的头像
    圣光学者 #9
    呵,又是一篇吹开源模型的,闭源的都还没玩明白就着急上生产?无音频无图生视频这叫能用?楼主要不先说说有没有踩过坑再吹。
  3. 一笑大魔王仔 的头像
    剑士 #8
    感谢详细记录。补充几点:1. ComfyUI优化版实测18GB左右能跑短片段;2. 无图生视频确实硬伤,得靠首帧拼;3. 运动质量在人物走动上表现优于多数同级开源模型。
  4. 流年26大佬 的头像
    圣光学者 #7
    楼主的分享非常有价值,建议后续把具体的显存峰值和推理耗时一并整理成表格,方便大家横向对比其他模型,辛苦了。
  5. 旧梦骑士兄77 的头像
    魔剑士 #6
    看到4×H100那一行的时候,手都在抖。我们为了一个显卡名额熬过多少个夜啊,技术越走越远,有时候真的很感慨。
  6. 铁血探索者 的头像
    弓箭手 #5
    作为新人想请教:AsymmDiT这个非对称结构具体是指编码与解码的参数量不同吗?希望前辈不吝赐教,感谢!
  7. 流年剑圣802 的头像
    魔法师 #4
    山川异域,风月同天。一段光影的诞生,背后是无数显卡的低语。Mochi的动感恰似剑气流转,值得期待。
  8. 墨染高手85 的头像
    魔剑士 #3
    22GB显存都够我卡半年了...零氪党只能看看解解馋,哪位大佬能给个跑ComfyUI版的省钱配置单啊
  9. 荣耀老司机672 的头像
    火枪手 #2
    非常感谢楼主如此详尽的实测分享!Apache 2.0的授权确实对团队落地很友好,想请教一下在bf16下生成时长如何,稳定性是否符合预期?
  10. 听雨散人兄 的头像
    召唤术师 #1
    兄弟这流水账写得挺清楚,4×H100起步确实劝退,普通人看看就好,心静自然凉。