Unexpected acceleration on Wan2.2 I2V 14B FP8 when triggering both –lowvram and –use-sage-attention

快速结论：该问题出现在 ComfyUI 启动参数中同时使用 --lowvram 和 --use-sage-attention 时，Wan2.2 I2V 14B FP8 模型推理速度异常提升（从约 60s/it 降到约 42s/it）。优先排查点：确认是否因 Sage Attention 的近似计算导致预期内的速度差异，同时检查 --lowvram 是否强制将文本编码器卸载到 CPU 从而改变了 VRAM 压力分布。

问题场景

在 ComfyUI v0.27.0 上，运行 Wan2.2 I2V 14B FP8 模型时，用户在启动参数中同时设置了 --lowvram 和 --use-sage-attention。该组合使生成速度从单参数或无参数时的约 60s/it 降至约 42s/it（10+10 步，480x832p 分辨率，RTX 5060 Ti 16GB，Ubuntu 25.04，CUDA 13.0，Python 3.13）。无论是否启用 --disable-dynamic-vram，该加速现象始终存在。

报错原文

No explicit error; performance observation only:
- With both --lowvram and --use-sage-attention: ~42s/it
- With neither or only one: ~60s/it

原因分析

根据 Issue 评论，核心原因有两个方面：

Sage Attention 的近似计算：--use-sage-attention 本身引入了 flash attention 的近似实现，这会降低每步计算量从而带来速度提升。这是一种预期行为，但会导致生成质量出现细微差异（“slightly worse”）。
--lowvram 改变 VRAM 分配策略：该参数强制将文本编码器（text encoder）卸载到 CPU 内存，从而释放 GPU VRAM 用于主模型。释放的 VRAM 可以允许 Sage Attention 使用更大的 tile 尺寸或减少显存交换，间接提升运行速度。

两者结合时，VRAM 压力更小，Sage Attention 的效率更高，因此出现“异常加速”而非 bug。它是正常行为，不是错误。

环境排查

ComfyUI 版本：v0.27.0（其他版本可能行为不同）
显卡及显存：RTX 5060 Ti 16GB 或类似中低显存显卡
启动参数：是否同时包含 --lowvram 和 --use-sage-attention
模型：Wan2.2 I2V 14B FP8（量化精度）
系统环境：Ubuntu 25.04, CUDA 13.0, Python 3.13
浏览器：Chromium 或 FireFox（不影响结果）

解决步骤

确认是否为预期加速：对比单用 --use-sage-attention 与同时启用 --lowvram 后的生成质量。如果质量差异在可接受范围内，且速度提升显著，则该组合可作为优化配置。
验证 Sage Attention 自身的影响：单独使用 --use-sage-attention 而不加 --lowvram，观察速度与质量变化。通常此时已有一定加速（比无参数快），但不如两者结合后明显。
测试 --lowvram 的独立效果：单独使用 --lowvram（不加 --use-sage-attention），观察速度变化。如果速度无显著提升，说明加速主要来自 Sage Attention 的近似计算。
尝试关闭 --disable-dynamic-vram：Issue 指出无论该参数是否启用，加速效果都存在，但可以测试以排除干扰。
可优先尝试：如果希望保留最高质量，建议仅使用 --use-sage-attention；如果更关注速度且能接受轻微质量损失，可同时启用 --lowvram。

验证方法

运行两次相同参数的生成任务，一次同时设置 --lowvram 和 --use-sage-attention，一次只设置 --use-sage-attention。对比每次生成的 per-iteration 时间（s/it）和最终图像视觉质量。如果速度差约为 30% 且质量差异可辨别，即为正常行为。