# MiniMax-H3 VBench base（TP2×4）

默认口径是 768p、5 秒、20 steps、FL2VA 服务上的纯文本 `t2va`，4 个 TP=2
实例分别使用 GPU `0-1/2-3/4-5/6-7` 和端口 `30010/30020/30030/30040`。

默认读取 VBench v1 的完整标准 prompt suite，16 个维度，每个 prompt 生成一个固定
seed。这与 LoSA 论文的“full standard prompt suite + single fixed random seed”接近，适合
后续 dense、SparsePR、LoSA、TeaCache 使用相同 prompt 和 seed 做差分。官方严格的五样本
协议可设置 `SAMPLES_PER_PROMPT=5`，生成成本约为默认的五倍。

`/data/datasets/vbench` 当前是 VBench-2.0 的模型样例视频集，不含 VBench v1 的
`evaluate.py`、`VBench_full_info.json` 和评分依赖。运行前需要准备官方 VBench v1 代码与
独立评测环境，并通过 `VBENCH_REPO`、`VBENCH_PYTHON` 指定。

只做检查，不启动：

```bash
ACTION=preflight \
VBENCH_REPO=/data/wxy/VBench \
VBENCH_PYTHON=/root/.miniconda3/envs/vbench/bin/python \
bash /data/wxy/run_h3_vbench_base_tp2x4.sh
```

完整生成并评分：

```bash
RUN_ID=h3-dense-vbench-base-v1 \
ACTION=all \
bash /data/wxy/run_h3_vbench_base_tp2x4.sh
```

中断后续跑时必须复用同一个 `RUN_ID`。生成日志是 append-only JSONL，已有且有效的
MP4 会跳过。调试用小集合可设置 `MAX_PROMPTS=16 ACTION=generate`；脚本拒绝对小集合
输出“标准 VBench 分数”，避免把不完整结果误当论文可比分数。

主要产物：

- `generation/manifest.jsonl`：prompt、维度、seed、实例和端口的固定映射
- `generation/results.jsonl`：逐请求耗时、服务输出、错误与恢复记录
- `generation/summary.json`：四实例及每维度的负载均衡检查
- `videos/{prompt}-{index}.mp4`：VBench 标准命名视频
- `evaluation/vbench_16_dimensions.json`：16 个原始维度分数
- `evaluation/final_score.txt`：官方 Quality / Semantic / Total Score

`temporal_flickering` 默认先运行官方 `static_filter.py`，然后单独评分并合并回 16 维
结果。只有明确需要诊断非标准口径时才设置 `RUN_STATIC_FILTER=0`。

脚本不会清理或停止未知进程。如果 GPU 显存超过阈值或端口被占用，会直接退出；退出时
只停止本次脚本记录的四个服务进程组。