41 分钟不是采样慢，采样部分其实已经是「最快档」了；真正吃掉时间的是你打开了「提示词增强 refine_prompt」，它在采样前先让一个 9B 的 PE 模型对超长系统提示 + 参考图做自回归逐字生成——在 8GB 上这一步就是十几到几十分钟的黑洞

关键参数（都合理，不是慢因）

参数 你的值 判断
UNet 模型 qwen_image_2.1_turbo_int8_convrot Turbo 版，正确
steps 步数 8 已经是最快档，不用动
cfg 1 官方推荐值，最优
采样/调度 euler + simple 合理
分辨率 1024×768（custom_size 开） 不算大，可接受
主文本编码器 qwen3vl_8b_int8_convrot 8B，已经是小型号，OK

真正的瓶颈：refine_prompt（提示词增强）是开着的

工作流里 refine_prompt = true，这会触发一整条额外的链路：

  1. 节点 477 加载 第二个文本编码器 qwen3.5_9b_qwen_image_2.1_pe_i2i.int8_convrot（这是个 9B 的 Prompt Enhancer 模型，和你 8B 主编码器是两个模型，8GB 上轮流挤显存）。
  2. 节点 500 TextGenerate 用这个 9B 模型 + 你的参考图 + 一段一万多字符的超长 system prompt，自回归逐 token 生成重写后的提示词。
  3. 节点 484 再把这段重写后的提示词喂给采样。

逐 token 自回归 + 9B + int8 + 超长 prompt + 8GB offload = 这一段就能占掉 41 分钟里的大头。 对比你 H3 生视频只要 10 分钟，就是因为 H3 没有这个「先生成一段文字再生图」的自回归前置环节。

关闭后

  • 需要自己写提示词，不能用增强器，这个问题不大，提示词直接给AI生成。