SpecAR：通过分布式目标块加速自回归视频生成

2.81× Krea · B200 加速放置目标块应该放在哪里？5 个块 k = 7 时最长的连续草稿段测量速度与质量如何取舍？10.54× Helios，k = 2 时加速

如果不再逐块判断，会怎样？

一段视频可能逐渐出错，即使其中没有哪一个块看起来明显有问题。

这是自回归视频生成面临的一个特殊挑战。每个新块都建立在之前的内容之上，因此外观或运动中的微小误差会随时间累积。较小的模型能快速生成这些块，但独自运行得越久，视频就越可能偏离原来的轨迹。定期让较大的模型介入会有所帮助，难点在于决定何时介入。

直观的办法是检查每个草稿块，并在感知分数低于阈值时调用较大的模型。这就是在线路由的思路：只在需要时使用昂贵的计算资源。

但我们的实验发现了意料之外的结果。在 Krea Realtime 的一项实测配置中，在线路由占据了总生成时间的 37%。然而，在匹配的接受率下，它做出的决定相比随机接受，并未带来统计显著的质量提升。更糟的是，路由器有时会让草稿模型连续生成二十多个块，而目标模型始终没有介入，微小误差因而在视频中不断累积。

这提示我们换一种方式看待问题。关键或许不是哪些单独的块需要大模型，而是小模型最多可以连续运行多久。

这正是 SpecAR 的核心：把目标模型的调用位置视为调度问题，而不是一连串运行时决策。

01 / 观看

看看 SpecAR 如何先完成

两段视频使用同一提示词和起始帧。竞速按各方法测得的平均生成时间播放：SpecAR 完成时，目标模型仍在生成。选择其他场景即可自动播放；切换到“同一帧”可按相同视频时间比较两种输出。

同一提示词 · 不同生成进度36 个块 · 按测得的平均生成时间播放

⇆

SpecAR 0 / 36

仅目标模型 0 / 36

SpecAR0 / 36 个块

仅目标模型0 / 36 个块

生成时钟 0.0 / 51.8 s分割 50%

B200 平均生成时间：SpecAR 18.5 秒；仅目标模型 51.8 秒。以 1× 真实时间演示。

滚动到这里时，竞速会自动开始。

两段视频使用相同的提示词和起始帧，但分别由不同方法生成（Krea Realtime 14B、Self-Forcing 1.3B 草稿模型，832 × 480，36 个块）。竞速按测得的平均生成时间均匀分配每段视频；我们没有记录单个块的耗时。B200 数据为四个提示词的平均值，H100 数据来自论文。k = 2 视频仅对应霓虹城市场景。

02 / 方法

目标块应该放在哪里？

假设要生成一段由 36 个块组成的视频，但预算只允许调用大模型七次。这七次调用应该放在哪里？

可以把它们集中在开头、随机分散，或者借助感知路由器边生成边决定。但这些做法可能留下很长的区间，让小模型一直独自生成。由于每个块都会成为下一个块的上下文，这段区间早期产生的误差可能传播到后续所有内容。

SpecAR 采用另一种方法：尽可能均匀地分布目标块。

对于 36 个块和七次目标模型调用，这保证草稿模型最多只能独自连续生成五个块。在相同预算下，任何其他放置方式都无法保证更短的最长连续草稿段。调度在生成前就已确定，不需要训练，也不增加逐块打分开销。

这一保证针对的是目标模型的介入频率，并不直接保证视频质量。如此简单的调度能否真正超越自适应路由器，仍须由实验回答。

试着移动下方的目标块。将它们集中或分散，看看最长的连续草稿段如何变化。

你的放置选择一个蓝色块来移动

SpecAR 的放置均匀分布

你的最长草稿段5 个块

理论最小值5 个块

你达到了理论最小值。

第 0 块始终由目标模型生成。试着集中放置其余目标块，看看连续草稿段会变得多长。此图采用 H = 36；公开实现使用同一放置公式。

对于一个共有 H 个块、目标块预算为 k的生成过程，SpecAR 将目标块（含第 0 块）近似等间隔放置。每个块只由一个模型生成，并写入之后所有块共享的上下文。最长连续草稿段至多为 ⌈H/k⌉ − 1 个块，即理论最小值。

查看论文中的解码示意图

SpecAR 解码流程：目标模型或草稿模型按固定调度生成每个块，并将输出加入共享上下文。 — 每个预定块由一个模型生成，并加入共享上下文。

03 / 结果

固定调度能超越自适应路由器吗？

均匀分布提供了一项有用的保证：草稿模型不会在目标模型介入前连续运行太久。但缩短最长草稿段，不一定就能生成更好的视频。自适应路由器能利用固定调度忽略的信息；原则上，这应该是它的优势。

因此，我们将 SpecAR 与 SDVG 进行了比较。SDVG 使用感知分数来决定何时调用目标模型。

结果出人意料。在全部三个测试的目标块预算下，SpecAR 的速度和实测质量指标都更好。在单张 H100 上，它在 Krea Realtime 14B 上比 SDVG 快 1.63–1.73 倍，在 Helios 14B 上快 1.10–1.84 倍；各测试运行点的 VisionReward 和 VBench Quality-6 分数也都更高。

例如，在 Krea Realtime 上使用七个目标块时，SpecAR 在 42.9 秒内完成，而 SDVG 需要 70.3 秒。它的 VisionReward 分数也更高：0.0972 对 0.0886。

路由器掌握更多信息，也做出更多决策。但在这些实验中，两者都没有转化为优势。

仅目标模型SDVGSpecAR点击数据点或选择上方的 k

Krea，k = 2：SpecAR 比仅目标模型快 2.67 倍

耗时 32.8 秒；仅目标模型为 87.6 秒，SDVG 为 56.8 秒。Quality-6：SpecAR 77.25、SDVG 76.95、仅目标模型 78.06。

每组模型使用一张 H100；H = 36。SDVG 阈值在留出提示词上选定，以接近相同的草稿比例。完整 VisionReward 数据和系统细节见论文。

从 Hopper 到 Blackwell

有用的加速效果应该能够跨越单一硬件配置。因此，我们使用 Krea Realtime 14B，在两代 NVIDIA GPU 上评估了 SpecAR：Hopper（H100）和 Blackwell（B200）。

在单张 H100 上，SpecAR 将生成时间从 87.6 秒缩短至 32.8 秒，相比仅运行目标模型快 2.67 倍。在单张 B200 上，生成时间从 51.8 秒降至 18.5 秒，实现 2.81 倍加速。在全部三个测试的目标块预算下，两种 GPU 的加速比都超过 2 倍。

Blackwell 的结果还跨过了一个重要门槛。SpecAR 达到 23.1 FPS 的生成速度，超过视频的 16 FPS 播放帧率。即使把更多块分配给目标模型，吞吐量仍保持在 18.0 到 19.7 FPS。在这三种配置中，模型生成帧的速度都快于播放速度。

16 FPS 播放速度 · B200，四个提示词的平均值

查看 H100 与 B200 的耗时、FPS 和加速比

Krea Realtime 14B · 单张 H100 · 论文数据
方法	耗时	FPS	加速比
仅目标模型	87.6 s	4.9	1.00×
SpecAR, k = 2	32.8 s	13.0	2.67×
SpecAR, k = 5	39.0 s	10.9	2.25×
SpecAR, k = 7	42.9 s	9.9	2.04×

Krea Realtime 14B · 单张 B200 · FlashAttention 4
方法	耗时	FPS	加速比
仅目标模型	51.8 s	8.2	1.00×
SpecAR, k = 2	18.5 s	23.1	2.81×
SpecAR, k = 5	21.6 s	19.7	2.40×
SpecAR, k = 7	23.7 s	18.0	2.19×

FPS 按 426 帧计算。耗时、FPS 和加速比分别四舍五入，因此用显示值重新计算的比值可能略有差异。H100 数据来自论文；B200 数据为四个提示词的平均值，未收录于论文。B200 上的 SDVG 运行未满足相同的目标块预算，因此未列出。

查看完整基准测试表

Krea Realtime 14B · Self-Forcing 1.3B 草稿模型 · 832×480，36 个块
	耗时	加速比	VisionReward	Quality-6
仅目标模型	87.6 s	1.00×	0.0914	78.06
k = 2
SDVG	56.8 s	1.54×	0.0855	76.95
SpecAR	32.8 s	2.67×	0.0876	77.25
k = 5
SDVG	63.5 s	1.38×	0.0872	77.01
SpecAR	39.0 s	2.25×	0.0943	77.32
k = 7
SDVG	70.3 s	1.25×	0.0886	76.91
SpecAR	42.9 s	2.04×	0.0972	77.85

Helios 14B · Helios-Distilled 14B 草稿模型 · 640×384，36 个块
	耗时	加速比	VisionReward	Quality-6
仅目标模型	2911.5 s	1.00×	0.1487	78.98
k = 2
SDVG	507.3 s	5.74×	0.1112	75.89
SpecAR	276.2 s	10.54×	0.1223	77.05
k = 5
SDVG	665.4 s	4.38×	0.1156	75.88
SpecAR	509.6 s	5.71×	0.1270	77.17
k = 7
SDVG	735.8 s	3.96×	0.1199	75.69
SpecAR	666.5 s	4.37×	0.1375	77.73

Quality-6 是仅包含六个维度的 VBench 质量分数。平均耗时和 VisionReward 来自论文。

04 / 快速开始

亲自运行 SpecAR

这些结果背后的代码已公开。我们发布的 SpecAR 支持 Krea Realtime 14B 和 Helios 14B。你可以在单张受支持的 GPU 上生成视频、调整目标块预算，并探索速度与质量之间的权衡。

你可以从命令行直接运行 SpecAR，也可以通过 ComfyUI 集成使用可视化工作流。两种方式都体现了同一个核心想法：控制目标模型运行的频率，而无需依赖在线路由器。

公开代码和权重可在单张 NVIDIA Hopper GPU（H100 80GB 或 H200 141GB）上运行，使用 Python 3.11。请在下方选择运行方式。首次使用时会获取预编译的 FlashAttention 3。

安装

git clone https://github.com/statite-ai/SpecAR && cd SpecAR
python3.11 -m venv .venv-krea && source .venv-krea/bin/activate
pip install ".[krea]"
specar download --backbone krea

生成

specar generate --backbone krea \
    --prompt "A papercraft coral reef full of colorful fish" \
    --k 2 --out reef.mp4

需下载约 50 GB。模型加载约 3 分钟后，在 H100 上生成 26.6 秒（426 帧）的视频不到 1 分钟。

--k 表示目标块数量：2 是论文中最快的设置，7 是默认值。可用 --seconds 设置时长，或用 --example cat体验精选提示词；所有选项见 README.

参考文献

Hassan, H. (2026). SpecAR：通过分布式目标块加速自回归视频生成. Preprint. H100 benchmarks and routing ablations.
Hu, Y., & Zhang, J. (2026). Speculative Decoding for Autoregressive Video Generation. arXiv:2604.17397. SDVG baseline.
Millon, E., & Krea AI. (2025). Krea Realtime 14B: Real-Time, Long-Form AI Video Generation. Model description.
Yuan, S., et al. (2026). Helios: Real Real-Time Long Video Generation Model. arXiv:2603.04379.
Huang, X., et al. (2025). Self Forcing: Bridging the Train-Test Gap in Autoregressive Video Diffusion. arXiv:2506.08009. Krea drafter.
Huang, Z., et al. (2024). VBench: Comprehensive Benchmark Suite for Video Generative Models. CVPR 2024.
Xu, J., et al. (2026). VisionReward: Fine-Grained Multi-Dimensional Human Preference Learning for Image and Video Generation. AAAI 2026.

本页 B200 数据为四个 Krea 提示词的平均值，与预印本中的数据分别测量。

引用本文

@misc{hassan2026specar,
  title  = {SpecAR: Distributed Target Blocks for Fast Autoregressive Video Generation},
  author = {Hassan, Hudeifa},
  year   = {2026},
  note   = {Preprint},
  url    = {https://statite.ai/specar}
}