視頻生成擴散模型越做越大：2B、5B、14B…… 效果提升很快，但訓練與推理的成本也隨之飆升。社區一直希望用量化把模型 “壓小”，把顯存和算力成本打下來，真正落到更多卡、更便宜的機器、更多真實應用中。可現實很殘酷：一到 3/4 bit，視頻生成的量化感知訓練（QAT）往往比圖像更難訓、更不穩定，質量掉得更狠 —— 不是 “略降一點”，而是直接不可用。

圖表 1 在 CogVideoX-2B 模型上 4-bit 逐通道權重量化與逐 token 激活量化的效果對比。（a）原始模型；（b）該論文所提出方案；（c-e）已有的量化感知訓練方案；（f）已有的后訓練量化方案。

香港科技大學 & 北航 & 商湯等提出了一個專門面向視頻生成擴散模型的 QAT 范式 ——QVGen，在 3-bit / 4-bit 都能把質量拉回來，并且讓 4-bit 首次接近全精度表現成為現實。該論文現已被 ICLR 高分接收：rebuttal 前 88666（top 1.4%），rebuttal 后 88886 （top 0.5%）。

• 論文地址：https://arxiv.org/pdf/2505.11497
• 代碼地址：https://github.com/ModelTC/QVGen
• 模型地址：https://huggingface.co/collections/Harahan/qvgen

圖表 2 QVGen 論文框架圖。

為什么視頻擴散模型一量化就容易 “崩”？

QVGen 的切入點很直接：視頻生成的 QAT 并不是把圖像擴散的配方照搬過來就行。作者在論文里給了一個關鍵觀察（見圖表 3）：在相近規模、相似訓練設置下，視頻擴散模型的梯度范數明顯更大，這會讓優化過程更不穩定，最終導致低比特訓練難以收斂、生成質量難以維持。

換句話說，如果不先解決 “訓練不穩” 這個根因，只靠常見量化技巧做修補，視頻生成很難真正落地。

圖表 3 第一行為已有方案（藍色）與論文方案（黃色）在量化感知訓練中的梯度范數比較；第二行為損失比較。左右分別為 CogVideoX-2B 和 Wan 1.3B 模型上的可視化。

QVGen 做對了什么：先把訓練救穩，再把推理成本 “還回去”

QVGen 的核心思路是 “訓練期做增強、推理期不背包袱”，它把一個看似矛盾的目標拆成了兩步來解決 （見圖表 2）。

第一步，訓練階段引入一個輔助模塊 Φ。這個模塊不是為了讓推理更重，而是為了在低比特條件下降低梯度范數、提升訓練穩定性，讓 3/4-bit 的 QAT 先 “訓得動、訓得好”。此外，除了圖表 3 中的實驗論證，在論文中還提供了詳細的理論證明。

第二步，訓練過程中逐步移除 Φ，讓最終推理階段不再依賴這個模塊。作者的觀察是：隨著訓練推進，Φ 的參數里會逐漸出現越來越多 “貢獻很小” 的成分。于是論文設計了 rank-decay：反復做分解，識別低影響的分量，并用基于秩的正則把這些分量逐步衰減到 0，直到 Φ 被完全消掉。最終效果是：推理階段幾乎不增加額外開銷，但訓練階段又能獲得穩定性紅利。

結果有多硬：4-bit 接近全精度，3-bit 也把指標拉回 “可用區間”

在主實驗中，QVGen 在 W4A4/W3A3 的設置下對比了多類量化方法。論文給出的結論很清晰：很多方法在 4-bit 下仍有明顯退化，到了 3-bit 更加明顯；QVGen 在 3-bit 能大幅恢復質量，在 4-bit 則可以做到接近全精度（見圖表 4）。

更關鍵的是，它不只在小模型上有效。論文還展示了在更大的視頻生成模型上（例如 5B、14B 級別，以及更高分辨率設置），4-bit 仍能保持接近全精度的總體水平（見圖表 5-6）。

該論文同時給出了大量定性樣例證明 “不是只在指標上好看” （見圖表 7-8）。

圖表 4 對于 Wan 1.3B 和 CogVideoX-2B 模型，QVGen 與已有方案在 VBench 上的性能比較。

圖表 5 QVGen 在 Wan 14B 和 CogVideoX-5B 模型上的 VBench 結果。

圖表 6 QVGen 在 Wan 14B 和 CogVideoX-5B 模型上的 VBench-2.0 結果。

圖表 7 QVGen 與已有方案在 Wan 1.3B 上的可視化結果對比。

圖表 8 QVGen 在 Wan 14B 上的可視化結果。

不只是省顯存：它能帶來真實加速，還能和其他加速方法疊加

對部署來說，低比特的直接好處是顯存下降。論文報告量化后能夠帶來大幅的內存節省（例如 4× 級別的壓縮量級），從而讓同樣的模型更容易跑在更小的卡上，或者把 batch、分辨率等配置拉高。

更實際的一點是：QVGen 使用標準的均勻量化思路，意味著它可以更容易對接現有的 W4A4 推理內核。論文也強調它和其他視頻生成加速方向是正交的：例如與某些 3D attention 加速方案疊加后，推理速度還能進一步提升（見圖表 9）。

圖表 9 （左）模型大小對比； （中）模型加速對比；（右）與 attention 加速方案結合后加速對比。其中藍色代表 Wan 1.3B 模型，黃色代表 Wan 14B 模型。

訓練成本會不會更高？論文給出的答案是 “幾乎不多花”

很多讀者會擔心：訓練期加了 Φ、還要做 rank-decay，會不會導致訓練成本暴漲？論文做了訓練效率分析，結論是：相對一些蒸餾式 QAT 基線，QVGen 的額外訓練開銷很小（例如 GPU-days、峰值顯存幾乎不變的量級），但在最終生成質量上仍能拉開明顯差距（見圖表 10）。

圖表 10 QVGen 與已有方法的訓練時間和訓練顯存開銷對比。

總結：視頻擴散也能 4bit 接近滿血，先穩訓練再輕推理！

當下視頻生成擴散模型越來越大，但 3/4-bit 量化一落到視頻上，常見問題是：QAT 訓練不穩定、收斂困難、畫質明顯下滑。QVGen 的核心判斷很直接：視頻低比特量化的關鍵不只是 “怎么量化”，而是先把訓練穩定性問題解決，否則再好的量化細節也很難落地。

在這一點上，QVGen 給出了一套完整范式，主要包括：

• 訓練期引入輔助模塊 Φ：用于降低梯度范數、提升低比特 QAT 的穩定性，讓 3/4-bit 訓練 “跑得起來、訓得下去”；
• rank-decay 逐步移除 Φ：訓練過程中識別并衰減低貢獻成分，最終把 Φ 完全去掉，使推理階段幾乎不背額外負擔；
• 面向部署的低比特設置：支持 W4A4/W3A3，并強調可對接現有推理實現；在顯存上帶來明顯下降，同時還能與其他推理加速方法疊加。
• 
  

總體來看，QVGen 在 CogVideoX、Wan 等視頻擴散模型上實現了 4-bit 接近全精度、3-bit 也能把質量拉回可用區間的結果，并且訓練額外開銷很小。對希望把視頻生成模型從 “貴且難跑” 推進到 “更省、更快、更好用” 的場景，這是一條很實用的路線。