把一個影片生成模型調到「甜點設定」不能靠感覺——這是我對 MiniMax H3(在本機 Metal 引擎上直讀權重)做的系統性品質基準:Phase A/B 的品質階梯,加上 Phase C 七個實驗(對白、步數、靜音、seed 變異、多參考圖、互動佇列、FastH3 方向)的完整判決。以下是原文工作紀錄:
所有運行:t2av_minimax_h3_base20/turbo 圖,608×352,56 影格(24 fps),海浪提示詞,
引擎 ComfyUI v0.35.1 / --bf16-unet / torch 2.11.0 / MPS。銳利度 = 影格 n=0/28/55 的
平均 Laplacian 變異數(盲測指標——只在同種子同場景內可比較)。音訊 = 生成 WAV 的
max_volume。
結果(除註明外皆 seed 42)
| 運行 | 設定 | 耗時(s) | 銳利度 | 音訊 max dB | 結論 |
|---|---|---|---|---|---|
| b1_pruned_20 | pruned bf16(40 GB),20 步 | 257 | 626.3 | −26.4 | 基準點——步數/時間最佳 |
| b2_pruned_30 | pruned,30 步 | 367 | 481.2 | −25.5 | ✗ 過頭:更糊而且更慢 |
| b3_shift12 | pruned,20 步 + SigmaShift(12/3) | 159* | 626.3 | −26.4 | = 模型預設;無增益(*僅因節點快取而快) |
| b5_turbo_8 | turbo LoRA,8 步 | 128 | 687.7† | −24.0† | 最快;† 顆粒感灌水了盲測銳利度——肉眼較軟 |
| b6_pruned_20_seed777 | pruned,20 步,seed 777 | 191 | 274.9 | −22.0 | 種子變異巨大 → 需逐種子 QC |
| b4_full_20 | 完整 bf16(66 GB),20 步 | 226 | 0.0(全黑) | −91(靜音) | ✗ MPS 封鎖——靜默 NaN 骨牌,無 OOM。檔案已於 2026-09-16 刪除(釋放 62 GB;重建腳本不會再下載) |
發現
- 20 步是 base 模型的甜點(608×352)——30 步多花 43% 時間還掉銳利度 (626→481)。sigma 排程過衝是劣化,不是精修。
- SigmaShift(12/3) 等於內建預設——同種子輸出位元組一致。除非調運動,否則沒理由開。
- turbo LoRA 只是草稿旋鈕:最快(2 分鐘),但顆粒感重(灌水盲測銳利度),且短 片長下音訊靜音。確認僅草稿用。
- 種子變異支配盲測指標(626 vs 275):同提示詞同設定,細節差很多。正式流程應 生成 2 個種子挑一個。
- Laplacian 變異數只是同種子比較器——禁止跨種子或跨去噪步數比較(顆粒≠細節)。
產線結論(原生品質)
- 出貨設定:pruned bf16 transformer + base 模型(無 LoRA)、20 步、 LENGTH ≥ 124(H3 訓練範圍 124–362 影格)、24 fps。
- 放大:SeedVR2 逐幀 → 1944×1080 屬「權宜等級」(使用者評語)——記憶體允許時
優先原生解析度。(⚠️ 2026-09-25 回填:SeedVR2 已翻案升格——E-F1 三臂盲測採用為定稿輪畫質
路徑(
upscale --shot);本條「權宜等級」為 09-18 當時口徑。) - b4(完整 66 GB transformer)已定案:MPS 封鎖,檔案已刪;未來 torch/ComfyUI 更新後可重新下載再試。
原始數據
docs/bench/20260915-h3-quality-ladder/data/results.jsonl(已轉錄至本檔;影格在 docs/bench/20260915-h3-quality-ladder/data/<name>/;2026-09-18 自 /tmp 搶救)。
Phase B — 原生品質階梯(2026-09-15)
| 測試 | 設定 | 耗時 | 結果 |
|---|---|---|---|
| 原生 720p | pruned bf16,1280×720×124f,base-20,seed 42 | 約 100 分鐘 | ✅ 影片極佳(124 影格驗證,記憶體餘 50%)· ❌ 720p 音訊靜音/過短(2.3 秒,−91 dB——MPS 音訊流故障與解析度相關;864×480×124 與 608×352×56 都正常) |
| 完整 66 GB transformer | 見 b4 | — | ❌ MPS 封鎖(NaN);檔案已刪除 |
品質階梯結論(使用者裁定:SeedVR2 放大 = 權宜等級):
- 864×480 原生 + base-20——可靠的「影音俱全」檔位(影片+響亮立體聲),約 25 分鐘。
- 1280×720 原生 + base-20——影片明顯更好,約 100 分鐘,但此解析度音訊不可靠 (靜音、無錯誤拋出)。出純影片,或搭一段 864×480 的音訊。
- 完整 66 GB transformer——MPS 封鎖(NaN);已刪除,待未來更新再試。
- SeedVR2 1080p 後處理鏈(約 45 分鐘)——權宜性銳化;不列入「品質」路徑。(⚠️ 2026-09-25
回填:E-F1 三臂盲測後 SeedVR2 已採用為定稿輪畫質路徑(
upscale --shot,runbook §7)——本條狀態過時。)
本輪開發並交付:i2v_minimax_h3_base20.json(klein 圖 → 有聲動畫,已驗證)、
run_workflow 的 length/image 參數、scripts/h3c_benchmark_a.py(可續跑基準)、
scripts/h3_post_1080p.sh(權宜後處理)、fp8 tripwire 的 int8_convrot 政策。
2026-09-16 補充:h3c 原生引擎(
engine/h3c)提供同一模型的第三條路——C11+Metal 直讀權重,免 Python;靜態影像模式已驗證(最小 22 影格,scripts/h3c_still.sh)。 相關筆記:../engine/h3c.README.md。
Phase C(2026-09-17 規劃,子代理產出):h3c 使用完全掌握計畫
前提:引擎已本機驗證(base20/turbo5/base12;fasth3-8 當時在列,2026-09-18 晚已退場——
人工盲測畫面不合格+速度輸 turbo5,見 FASTH3-CUSTOM-MODELS.md 與 MODELS-LEDGER §1);
h3video.ts 的 video.preset 現為 base20/base12/turbo5 三檔(turbo5 強制 exact)。
| # | 問題 | 設計 | GPU 成本 | 判決 |
|---|---|---|---|---|
| E1 | turbo 可否承接全部對白(含 Ref2VA 摺疊) | taxi 10 對白 prompt × turbo5 全帶夜景 ref;fasth3 抽 2 鏡對照;whisper+抽幀 | ~45 分 | ≥9/10 → 生產對白改 turbo5;6-8 → 僅氣氛;≤5 → 維持 base |
| E2 | turbo 步數邊界 | 4/5/6 步 × t5+t6,seed 42 | ~15 分 | 4 步劣化確認;6 步更穩 → steps=6 |
| E3 | seed 變異係數 | 3 seeds × {對白 56f、氣氛 124f} × turbo;whisper/音訊 CV | ~20 分 | CV>15% → 2-seed 挑優入流程 |
| E4 | base steps↔音訊曲線 | 12/16/20 步 × 124f exact;HF 底噪 | ~36 分 | 12 步 HF≈20 步 → 新增 base 12 步氣氛檔 |
| E5 | 氣氛鏡靜音配方 | 禁人聲令 vs Rule53 四點靜音 vs 無人物構圖 × s01b+s02b | ~25 分 | 消失率最高者入 story 預設(首抽已失敗:禁人聲令不夠) |
E5【已執行 2026-09-18】靜音配方矩陣:全面失敗 → 喃喃是模型級行為
bench=stories/taxi-e5(slug 隔離);全帶夜景 ref、seed 42、配置同失敗基準(s01b exact/s02b balanced)。 判定=whisper 是否仍轉出語句。
| 配方 | s01b | s02b | 判定 |
|---|---|---|---|
| A 禁人聲令(正向指令;基準已 3/3 失敗) | 整句中文亂語(+turbo5 補測:中英混雜) | — | ✗ |
| B Rule53 四點靜音令(閉嘴/唇不動/下顎不動/不出聲) | 整句亂語 | 中英混合亂語 | ✗ |
| C 無人物構圖(仍帶夜景 ref) | 大聲床+喃喃(max -0.1dB) | 同 | ✗ |
| D 無人物構圖+去 ref(另一 session 裴充) | — | — | ✓ -42 dB 真安靜 |
| 後製 afftdn / 帶通濾波 | whisper 仍轉出語句(喃喃在語音頻帶=「訊號」) | — | ✗ |
判決(合併兩輪數據):喃喃源頭=畫面裡的人——含被 Ref2VA 支配效應「染回」的參考圖人物。 配方 D(去人物+連 ref 一起去)是唯一有效解(-42 dB 真安靜);帶 ref 的任何配方都會把 參考圖的人畫回來繼續喃喃。判定要用 volumedetect 音量,別只看 whisper(whisper 對近靜音 也會幻聽「字幕/訂閱」)。代價與含義:①氣氛鏡頭放棄 —ref-image(身份由對白鏡頭錨定, 氣氛鏡頭多為遠景/剪影可接受)②sound 欄=後製環境音的規格書(必要時音訊替換)③turbo5 同樣喃喃。 | E6 | 暖快取消固定開銷 | h3_cli.c 有 Interactive Mode(REPL、權重常駐、!again)——測 stdin 非 TTY 餵 prompt | ~10 分 | 省 ≥15s/鏡 → gen 改互動佇列 | | E7 | 多參考圖身分一致性 | 1 ref vs 2-3 refs × t6 × turbo | ~10 分 | 提升則拍攝規範加「臉+場景雙 ref」 |
協議:標準測資 t5/t6;指標=whisper 相似度/volumedetect/HF 底噪/秒數/抽幀;寫入 runs.jsonl (已含 preset 欄位)。批次:①E1→E2→E6(~70 分,判決 turbo 量產)②E5(~25 分)③E3→E4(~1h)④E7(~10 分)。 凍結項:ref-voice 確認實驗仍等 sd.cpp 比較(§10.7)——歷史:已於 09-18 解凍並判決(STORY-PIPELINE-PLAN §10.7)。
E1【已執行 2026-09-18】taxi 10 對白鏡全矩陣:9/10 → 生產對白改 turbo5
bench=stories/taxi-e1(taxi v10 快照,slug 隔離不踩正式 take);全帶夜景 ref;seed 42 起; QC=whisper 相似度 ≥0.7(管線內建,含隔離與重抽)。
| 鏡 | 幀 | preset | 抽數 | whisper(節錄) | sim | 結果 |
|---|---|---|---|---|---|---|
| s01a | 56f | fasth3-8 | 1 | 深夜11點城市睡了一半 | 0.82 | ✓ |
| s02a | 124f | turbo5 | 1 | 師傅 南京動路三段 好 坐穩 | 0.77 | ✓(東→動一字) |
| s03a | 124f | turbo5 | 1 | 老闆只會叫我們加班錢有數 身體要顧啊 | 0.89 | ✓ |
| s04a | 124f | turbo5 | 2 | 师傅,可以开慢一点吗?… | 0.68→0.74 | ✓ |
| s05a | 124f | turbo5 | 3 | 叉叉 没事的谢谢师傅 | 0.44 | ✗→QC bug 錯殺,見下 |
| s06a | 73f | turbo5 | 1 | 麻烦去台大医院 | 0.86 | ✓ |
| s07a | 124f | turbo5 | 1 | 老伴在裡面…最後一次化療… | 0.90 | ✓ |
| s08a | 73f | fasth3-8 | 1 | 第一,又是新的一天 | 0.75 | ✓ |
| s09a | 124f | turbo5 | 1 | 叔叔 我媽媽還沒來接我… | 0.89 | ✓ |
| s10a | 73f | turbo5 | 1 | 上车吧 这趟不收钱 | 1.00 | ✓ |
判決:9/10 過門檻 → 生產對白改 turbo5(fasth3-8 對照 2/2 亦可,但 §6.6 已定 turbo 為主)。
- s05a「失敗」實為 QC bug:normalizeZh 繁簡折疊表缺「謝/師/嗎」,真實相似度 0.78(僅擦→叉 whisper 誤聽 2 字)被壓成 0.44 錯殺——已補表+回歸測試;三個隔離 take 內容皆正確,耳聽挑選即可復活。 折扣此 bug,內容層面 10/10。
- 多句鏡頭 whisper 漏句會壓分(1−缺句長/全長),s04a 首抽 0.68 屬此類;近門檻先人工複聽再判死。
- 14 次渲染 ~41 分(含 3 次重抽與每次模型載入):124f turbo ≈ 4-5 分/顆、56-73f ≈ 2-3 分/顆。
- 附帶抓到並修復:Bun 1.4.2
Bun.write(…,{append:true})實測截斷重寫(三次 append 只剩末行), runs.jsonl 生產歷史曾因此整批消失(taxi report 同此因)——改 node:fsappendFileSync+ 回歸測試。
E2【已執行 2026-09-18】turbo 步數邊界:4 步已逐字正確,生產維持 5 步
t5(56f 單句)/t6(124f 兩句) × steps {4,6},turbo 權重+夜景 ref,seed 42(/tmp/taxi-e1/e2; 5 步基準=E1 take 不重跑)。prompt 取自 bench story 的 dry-run 實測文本(scripts/e2_steps_boundary.sh)。
| 測資 | steps | whisper | mean_volume |
|---|---|---|---|
| t5 | 4 | 深夜十一点城市睡了一半(逐字) | -14.3 dB |
| t5 | 6 | 同上(逐字) | -13.3 dB |
| t6 | 4 | 兩句逐字 | -21.4 dB |
| t6 | 6 | 兩句逐字 | -19.4 dB |
判決:whisper/音訊層面 4 步已達標(原預期「4 步劣化」未發生);抽幀目視 4 步背景細節略糊, 且該樣本燒錄字幕出錯字、6 步樣本正確(燒錄字幕本為機率行為,單樣本不歸因於步數)。 生產維持 steps=5(E1 已證);4 步可作 draft 檔;不升 6(對白已逐字,省 20% 時間無必要)。
E6【已執行 2026-09-18】Interactive Mode 權重常駐:第二顆起省 ~40-70s/鏡 → GO
stdin 非 TTY 管餵驗證可行(linenoise NoTTY fallback,engine/h3c/linenoise.c:1319):
單一 session 兩顆 t5(56f turbo5),牆鐘 136s,純生成 72.5+62.5=135s →
模型載入只付一次,第二顆起載入成本 ≈0(對照:分開呼叫每顆付 40-70s 載入)。
!seed/!frames/!output/!quit 皆可用;輸出 video-%04u.mp4 + Done -> … [%.2fs] 可解析。
判決:遠超「省 ≥15s/鏡」門檻 → h3video gen 批次改互動佇列。
整合待辦(下一輪):①多行 prompt 無法直接管餵(REPL 逐行讀;official 六區塊需換行策略:
摺疊單行測品質,或給 h3_cli.c 加 !prompt 多行命令=需存 patch);②seed/frames 逐鏈切換
已可用 !seed/!frames;③session 內無法逐鏈 QC → 全渲染後統一 QC,失敗鏈單獨重抽。
(scripts/e6_interactive_queue.sh)
E6b+E6 整合【已執行 2026-09-18】換行摺疊品質無損;--queue 佇列模式已入管線
- E6b:t6 official 多行摺疊單行 → whisper「那老闆只會教我們加班錢有數 身體要顧啊」sim 0.889 (多行基線 0.89)——換行摺疊品質無損,互動佇列可摺疊餵 official prompt,免 C patch。
- 整合落地(
pipeline/h3video.ts):gen --queue旗標——多鏈同 preset 分組、每 session 一載入; 佇列腳本!refs clear+!ref-image+!seed+!frames+摺疊 prompt;檔序映射video-%04u(h3 進入 generate 即佔號,缺檔=失敗鏈);QC 共用qcShot();失敗鏈從 seed+1 退逐鏈重抽; 帶速度旗標或 dialogue 錨定的鏈頭自動排除出佇列。測試 30/30。 - 實戰驗證=批次 B 的 E3(taxi-e3 六鏈兩 session 一次跑完)。
E5【已執行 2026-09-18】氣氛鏡靜音配方:無人物構圖是唯一真正安靜的配方
3 配方 × s01b/s02b,124f turbo5 steps5 seed42(/tmp/taxi-e1/batchA):
| 配方 | s01b mean | s01b whisper | s02b mean | s02b whisper |
|---|---|---|---|---|
| V0 現行:正向禁人聲令+夜景 ref | -14.8 dB | 大段中文亂語 | -18.8 dB | 亂語(混俄文) |
| V1 無人物構圖(去人物+去 ref) | -42.4 dB | 字幕類幻聽* | -42.1 dB | 字幕類幻聽* |
| V2 在場人物四點靜音令+ref | -16.3 dB | 大段亂語 | -17.2 dB | 混合亂語 |
*V1 的 whisper 非空是假陽性:音量 -42 dB 下 whisper 對近靜音幻聽「字幕/訂閱/频道」類短語 (whisper 已知行為);抽幀目視確認畫面乾淨、無人物、無燒錄字幕條。murmur 判定要用 volumedetect,不能只看 whisper 有無字。
判決:構圖避開人物 = 音訊層面真正安靜(−27 dB),靜音令與禁人聲令在 legacy 格式皆無效 (production-findings §1 排序①獲實證;②靜音令單獨無用;③接受喃喃不再需要)。 規劃端鐵律更新:氣氛鏡 beats 不寫人物、ref 不帶人(場景 ref 另做);代價是偶發燒錄字卡, 由既有三層防禦(禁字令/seed 挑選/delogo)承擔。注意 Ref2VA 支配:去人物必須連 ref 一起去。
E3【已執行 2026-09-18】seed 變異:對白 seed-穩定;氣氛床音量 CV≈29%,由逐鏈整平兜底
taxi-e3 六鏈,經 --queue 互動佇列實戰驗證(兩 session:fasth3-8 ×3 + turbo5 ×3,
一次載入各跑三鏈;t5 對白 56f / b0 氣氛 124f × seeds 42/43/44):
| 測資 | seed | whisper | mean_volume |
|---|---|---|---|
| t5 對白 | 42 | 深夜11點城市睡了一半(0.82) | -13.1 dB |
| t5 對白 | 43 | 深夜十一点城市睡了一半(1.00) | -13.3 dB |
| t5 對白 | 44 | 同上(1.00) | -11.6 dB |
| b0 氣氛 | 42 | — | -21.0 dB |
| b0 氣氛 | 43 | — | -9.9 dB |
| b0 氣氛 | 44 | — | -16.1 dB |
判決:對白內容與音量 seed-穩定 → 1 seed 即可;氣氛床音量跨 seed 11 dB(CV≈29%>15%), 但 h3video edit 逐鏈整平已把此變異常態化兜底 → 不需 2-seed 挑優(內容失敗時才加抽)。 附帶實證:氣氛鏈 beats 寫「無人」但 video 層司機 ref 把人染回畫面(E5 教訓的操作面佐證) ——人物 ref 應掛在對白鏈頭層(video.ref_images 全局繼承會讓 b 鏈注定帶人+喃喃)。
E7【已執行 2026-09-18】多參考圖:無害且有小賺頭 → 拍攝規範加「臉+場景雙 ref」
t6(124f 對白)× {1 ref(司機夜景)/2 ref(+空車街景 s01b)/3 ref(+s03b)},turbo5 seed 42:
| ref | whisper | 備註 |
|---|---|---|
| 1(基線=E1 s02a) | 「師傅 南京動路三段」(0.77) | 抽幀見燒錄字幕條 |
| 2 | 「師傅 南京東路三段 好 坐穩」(轉寫轉正) | 此幀無字幕 |
| 3 | 「师傅 南京东路三段 好 坐稳」 | 同上 |
判決:多 ref 不劣化、身分/場景跨 ref 維持、對白轉寫略優(東路轉正)、樣本內燒錄字幕反而少 (機率行為,不歸因)。採納:對白鏈「臉+場景雙 ref」入拍攝規範;大樣本身分量化留待日後。
E4【已執行 2026-09-18】base 步數↔音訊:12 步 ≈ 20 步 → 新增 base12 氣氛/draft 檔
base 引擎 124f exact,氣氛 prompt+夜景 ref,seed 42:
| steps | secs | mean | max | HF(>8kHz) mean |
|---|---|---|---|---|
| 12 | 442s(1.9×) | -14.7 dB | -0.3 dB | -34.4 dB |
| 16 | 632s | -13.3 dB | -0.0 dB | -32.3 dB |
| 20 | 836s | -12.7 dB | -0.0 dB | -31.7 dB |
判決:12 步 mean/max 與 20 步同級(差 <2 dB),HF 底噪反而略低——音訊品質不是 12 步的犧牲品。
採納:base12 preset 已入管線(base 引擎、steps 12;base 系 preset 的 steps 為預設值,
story.video.steps 仍可覆寫)。氣氛/draft 優先用 base12,對白維持 turbo5(E1)。
Phase C 戰果總結(2026-09-18)
批次①(E1/E2/E6)+②(E5)+③(E3/E4)④(E7)全部執行完畢,七個判決全部回流:
對白=turbo5(E1)/步數=5 生產、4 draft(E2)/互動佇列=gen --queue 已落地(E6+E6b)/
靜音=無人物構圖且 ref 不帶人(E5)/seed=單抽+整平兜底(E3)/多 ref=臉+場景雙 ref(E7)/
base12 氣氛檔入管線(E4)。凍結項(歷史):ref-voice 實驗——已於 2026-09-18 解凍並判決
(STORY-PIPELINE-PLAN §10.7:續押 h3.c;E9 ref-audio 已測、9/19 量產退回,見 §4.1)。
E8【規劃 2026-09-18】FastH3 方向判定:優缺點實測(回應「FastH3 是不是做的方向」)
已知:對白逐字 ✓(124f)、2× 於 base、turbo5 更快(246 vs 332s)、VSA-dense 失配是結構風險、 bilibili 情報(shift=10、8→12 步運動更多、快速動作削弱、音頻相對好、3D 場景稍好)。 未測=本實驗:①音訊品質矩陣(社群說 FastH3 音頻相對好 vs h3.c#6 少步音訊誤差——矛盾待判) ②8 vs 12 步(運動/細節/音訊)③無人氛圍鏡品質 ④喃喃行為。
設計(同一無人氛圍 prompt=laundromat s01a official;同一對白 prompt=t5 56f):
| 臂 | 配置 | 量測 |
|---|---|---|
| 1 | fasth3-8 × 氛圍 124f | wall/mean/max/HF/volumedetect 喃喃/抽幀 |
| 2 | fasth3-12(shift 10+steps 12)× 同上 | 同 |
| 3 | fasth3-8 × 對白 56f | whisper 相似度/音調(HF+mean)/wall |
| 4 | fasth3-12 × 對白 56f | 同 |
| 對照組:base20/turbo5 既有 take(E5/E1 數據)。 |
判決規則:音訊 HF/mean 不劣於 base20 且對白逐字 → FastH3 升格「氛圍/draft 預設」 (preset 表加 fasth3-12);音訊劣化或對白 <9/10 → 維持備援,等 dense 蒸餾版/VSA 引擎支援。 成本 ~25 分 GPU;腳本 docs/bench/replay/fasth3_bench.sh(排隊 .gpu.lock)。
E8【已執行 2026-09-18】結果與方向判決
| 臂 | secs | mean | HF | whisper |
|---|---|---|---|---|
| atm_f8(無人氛圍 124f) | 258 | -0.2 | -58.7 | 幻聽訂閱句(低頻床,非語音頻帶) |
| atm_f12 | 408 | -0.2 | -58.7 | 同 |
| dlg_f8(對白 56f) | 147 | -15.8 | -32.4 | 逐字 ✓ |
| dlg_f12 | 212 | -16.1 | -32.8 | 逐字 ✓ |
對照:對白 turbo5 142s/HF -37.3;base20 氣氛床 HF -26~-31。 判決:①對白=fasth3-8 與 turbo5 平手(147 vs 142s、逐字、HF 近同)——turbo5 續任 (E1 已 GO,無切換誘因)。②氛圍=fasth3 的 HF 底噪 -58.7 是全引擎最乾淨(base -26~-31、 turbo -37),但低頻床極熱(mean -0.2,需音量整平壓制)且 whisper 仍幻聽(低頻床被誤聽, 語音頻帶無喃喃=HF 數據支持)。③12 步無音訊收益(HF 全同),僅運動量可能不同(目視題)。 方向定案:FastH3 維持「氛圍乾淨 HF 備援 preset」(fasth3-8;12 步不採),耳朵 A/B laundromat base20 氣氛床 vs 本表 fasth3 床後,可考慮氣氛鏡改掛 fasth3-8。
⚠️ 上段方向已被同日(09-18)晚間人工盲測推翻:fasth3-8 退場(畫面不合格+速度輸 turbo5+ 一組災難輸出);氛圍床現行=base12(E4)。詳 FASTH3-CUSTOM-MODELS.md 與 MODELS-LEDGER §1。 執行:docs/bench/replay/fasth3_bench.sh(可重跑);產出 docs/bench/20260918-fasth3-direction/。
本篇整理自 next-gen-video-creation 專案的
docs/H3-BENCHMARK.md，由匯入腳本自動轉換。
看影片
這套基準背後的品質紀律,有一集教學片講它的落地形狀:EP10〈品質門禁設計學〉(B站 BV1ugak6EEzo・YouTube)。全系列見頻道總覽。