模型支持列表

下表列出了 LiteBoost 当前支持的模型及其特性支持情况。

模型	硬件	并行	Attention	量化	融合算子	备注
Wan2.1-T2V-1.3B	Atlas 300I Duo 推理卡 Atlas 800I A2 推理服务器	USP (CP)	NPU Flash Attention (Flash Attention 3→2→npu_prompt_flash_attention)	不支持	不支持	RoPE改写（float32实数运算+缓存） 支持VACE变体
Wan2.2-TI2V-5B	Atlas 300I Duo 推理卡 Atlas 800I A2 推理服务器	USP (CP) + DP（时间切片）	NPU Flash Attention (Flash Attention 3→2→npu_prompt_flash_attention)	不支持	不支持	RoPE改写（float32实数运算+缓存） VAE DP时间切片用于encode/decode

列说明：

• 模型：模型名称，超链接到 LiteBoost 源码中对应的 README。

• 硬件：支持的昇腾硬件平台。

• 并行：ParallelManager 应用的并行策略。USP (CP) = Ulysses序列并行（上下文并行）用于DiT；DP = 数据并行时间切片用于VAE。

• Attention：Attention 实现替换，自动回退链为 Flash Attention 3 → Flash Attention 2 → npu_prompt_flash_attention。

• 量化：是否支持量化。

• 融合算子：是否使用 C++ 融合算子（通过 TORCH_LIBRARY 注册并调用 CANN aclnn 接口）。RoPE改写属于 Python 层优化，不属于融合算子范畴。

• 备注：其他优化细节。