# SANA-Video 2.0：用混合线性注意力让单张显卡跑 720p 视频生成

> 原标题：SANA-Video 2.0：混合线性注意力与注意力残差实现高效视频生成

- 来源：AI HOT 精选
- 发布时间：2026-07-23T00:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/46344
- 原文：https://arxiv.org/abs/2607.21553

## 摘要

这篇论文给视频生成模型换了一套注意力机制，核心是把标准自注意力（计算量随序列长度平方级增长）改成 3:1 的混合方案：大部分 token 用门控线性注意力（计算量只随长度线性增长），每隔几步再插入一次标准 softmax 注意力作为“锚点”，把纯线性注意力丢失的 token 间全局交互补回来。

## 推荐理由

SANA-Video 2.0 把视频生成的自注意力改成 3:1 混合方案，多数 token 走线性注意力，每隔几步插一次标准注意力补回全局交互，单卡即可跑 720p。

## 锐评

3:1 这个比例挺会挑，大部分 token 走线性注意力省算力，每隔几步插一次标准注意力当锚点，拿少量全局交互换掉平方级开销。单卡 720p 能不能兑现，全看线性那部分省下的算力够不够补回锚点的开销。论文只给了机制和比例，训练成本和推理延迟的对比一个没有，这两个数不出来，单卡跑 720p 就还停在标题上。
