腾讯混元开源视频生成加速方案，11. 8 倍提速，被CVPR2026 收录

视频生成加速的新解法：腾讯混元开源DisCa方案

视频生成速度慢、成本高，这事儿在AIGC圈里算是老生常谈了。不过，最近腾讯混元团队倒是抛出了一个挺有意思的新思路。

他们正式开源了一套全新的视频生成加速方案，名叫DisCa。代码和模型权重都已经公开，可以直接用。这项工作的分量不轻，已经被计算机视觉顶会CVPR 2026收录。更重要的是，它算是在学术界和工业界，第一次尝试在“蒸馏后”的少步模型上，去探索可学习的特征缓存加速技术。简单说，就是给模型“瘦身”和“提速”找了个新法子。

除了DisCa本身，另一个值得细看的方向是R-MeanFlow。MIT何恺明团队之前提出的MeanFlow方案，在图像生成上表现相当抢眼。但腾讯混元的工程师们发现，直接把那套“一步生成”的激进目标，搬到更复杂的视频生成任务里，效果反而会打折扣，甚至干扰模型训练。他们的改进策略很直接：既然现阶段一步到位有点困难，那就把训练过程中那些过于激进的场景“修剪”掉，把步长的活动范围约束在一个更合理的区间内。这个发现挺有意思，因为它和MIT、谷歌团队同期进行的研究结论不谋而合。目前，这个优化思路已经被用在了当前表现最好的开源视频生成模型——HunyuanVideo-1.5的实际训练中。

把这两个方向结合起来看，DisCa的意义就不仅仅是一篇学术论文了。它在工程落地层面，实实在在地指出了一条可以复现的路径。对于那些正在考虑或者已经在大规模部署视频生成能力的团队来说，这份开源方案里的门道，确实值得花时间琢磨琢磨。