Wan-2.2-Videoserver: 4× NVIDIA RTX PRO 6000 Blackwell Server Edition oder 4× H200 NVL

Zwei Vier-Karten-Server für ein Videomodell

Für Wan 2.2 in 720p rechnet ein Server mit vier NVIDIA RTX PRO 6000 Blackwell Server Edition vier Clips gleichzeitig, einen je Karte. Ein Server mit vier H200 NVL tut dasselbe mit mehr Rechenleistung je Karte oder verbindet alle vier über NVLink, um einen einzelnen Clip schneller fertigzustellen. Nach unserer Schätzung aus NVIDIAs BF16-Spitzenwerten liegt die Obergrenze für Clips pro Stunde je Karte auf der H200 NVL rund 1,7-mal höher.

Wans Repository gibt für den 720p-Befehl von Wan2.2-T2V-A14B auf einer GPU an, er „can run on a GPU with at least 80GB VRAM“, mit eingeschalteten Offloading-Optionen. Beide Karten nehmen also je einen Job auf: die RTX PRO 6000 hat 96 GB, die H200 NVL 141 GB.

Dieser Artikel vergleicht die beiden Vier-Karten-Server für ein Studio, eine Agentur oder ein Schulungsteam, das viele Clips produziert. Die Modellliste, die Lizenzen anderer Videomodelle und eine Konfigurationstabelle von der Evaluierung bis zur zentralen Plattform stehen in unserem Leitfaden zu den GPU-Anforderungen für Videogenerierung; den allgemeinen Vergleich der beiden Karten für LLMs finden Sie unter RTX PRO 6000 vs H200 NVL.

NVIDIA-Produktseiten und Product Briefs, gelesen am 24. Oktober 2026. BF16-Spitzenwerte wie in unserem Vergleich der GPU-TFLOPS: NVIDIAs Whitepaper zu RTX PRO Blackwell nennt 503,8 dichte TFLOPS für die Workstation Edition und keinen dichten Wert für die Server Edition, die dieselbe GPU mit niedrigerer FP32-Angabe hat (120 gegenüber 125 TFLOPS), der Wert der Workstation Edition begrenzt sie also nach oben; für die H200 NVL die 1.671 TFLOPS mit Sparsity, halbiert. FP8-Raten sind MAMF-Messungen von StorageReview (anhaltende dichte Matrixmultiplikation) vom 14. Oktober 2026, der Wert der RTX PRO 6000 an der Workstation Edition gemessen, die laut StorageReview identisch zur Server Edition abschneidet; die H200 NVL lief nur mit 450 W, StorageReview nennt ihren Wert deshalb eine Untergrenze für die 600-W-Karte.

Was ein Wan-2.2-Job braucht

Wan 2.2 erschien am 28. Juli 2025 mit Gewichten und Code. Die A14B-Modelle für Text-zu-Video und Bild-zu-Video sind Mixture-of-Experts-Modelle: „Each expert model has about 14B parameters, resulting in a total of 27B parameters but only 14B active parameters per step“, mit einem High-Noise-Experten für die frühen Schritte und einem Low-Noise-Experten für die späten. Wans Code wechselt an einem festen Punkt des Rauschplans vom einen zum anderen.

Das Repository speichert jeden Experten als sechs Safetensors-Dateien mit zusammen 57,2 GB. Das sind 4 Byte je Parameter bei rund 14B Parametern, die Dateien enthalten also nach unserer Lesart 32-Bit-Gewichte. Die Option --convert_model_dtype „converts model parameter types to config.param_dtype“, und Wans gemeinsame Konfiguration setzt diesen Wert auf BF16. Das ganze Repository belegt 126 GB auf dem Datenträger, einschließlich des 11,4 GB großen UMT5-XXL-Textencoders in BF16 und eines VAE mit 508 MB.

Dateiliste von Wan-AI/Wan2.2-T2V-A14B auf Hugging Face und Wans Konfigurationsdateien auf GitHub, gelesen am 24. Oktober 2026; BF16-Größen nach unserer Rechnung mit 2 Byte je Parameter.

Mit --offload_model True verschiebt Wans Sampling-Schleife den gerade nicht aktiven Experten in den Systemspeicher und den T5-Encoder nach dem Kodieren des Prompts auf den Prozessor; so passt der Job zu Wans Angabe von 80 GB. Ohne Offloading veröffentlicht Wan keinen Wert. Nach unserer Rechnung belegen alle Gewichte in BF16 64,4 GiB. Damit bleiben von den 95,6 GiB, die der Treiber der RTX PRO 6000 meldet, rund 31 GiB übrig, auf der H200 NVL rund 76 GiB. Auf der H200 NVL können beide Experten und der Encoder auf der Karte bleiben; auf der RTX PRO 6000 testen Sie bei Ihrer Auflösung, ob der Job ohne Offloading läuft, bevor Sie damit planen.

Offloading verlagert die Gewichte in den Host. Jeder Job mit Offloading hält nach unserer Rechnung rund 69 GB BF16-Gewichte im Systemspeicher, vier Jobs also rund 276 GB. Das liegt innerhalb der 768 GB, die wir für vier RTX PRO 6000 anbieten, und der 1.152 GB für vier H200 NVL; beide Werte folgen NVIDIAs Leitfaden für zertifizierte Systeme mit mindestens dem Doppelten des GPU-Speichers. Unser Leitfaden Wie viel RAM ein GPU-Server braucht erklärt die Regel. Wir dimensionieren Host-Speicher und NVMe zusammen mit den Karten; nennen Sie uns, wie viele Jobs gleichzeitig laufen sollen, und wir schlagen den Speicher für diese Last vor.

Wie viel Rechenleistung ein Clip kostet

Wans Standardwerte für das A14B-Modell sind 81 Frames bei 16 Bildern pro Sekunde, rund 5 Sekunden, und 40 Sampling-Schritte. Das VAE komprimiert jeden Frame in beide Richtungen um den Faktor 8 und die Zahl der Frames um 4, und der Transformer teilt das Latent in Patches von 2 × 2, wie seine Konfiguration angibt (vae_stride (4, 8, 8), patch_size (1, 2, 2)). Bei 1280 × 720 ergibt das nach unserer Rechnung 21 latente Frames zu 90 × 160, also 3.600 Token je latentem Frame und 75.600 Token je Clip. Jeder Schritt rechnet den Transformer zweimal, einmal mit dem Prompt und einmal mit dem Negativ-Prompt, weil Guidance standardmäßig eingeschaltet ist.

Jedes Video-Token durchläuft rund 12,0B der 14B Gewichte. Wans Modellcode gibt jedem der 40 Blöcke vier Projektionen der Self-Attention, eine Cross-Attention, deren Query- und Ausgabeprojektion auf die Video-Token und deren Key- und Value-Projektion auf die 512 Text-Token wirken, und zwei Feed-Forward-Schichten: 6 × 5.120² + 2 × 5.120 × 13.824 Gewichte je Block auf dem Videopfad. Nach der üblichen Zählung kostet ein Durchlauf damit rund 2 × 12,0B × 75.600 Operationen in den linearen Schichten und 4 × 75.600² × 5.120 × 40 in der Self-Attention, 1,8 × 10^15 plus 4,7 × 10^15; die Attention macht bei 720p also fast drei Viertel der Arbeit aus. Achtzig Durchläufe je Clip ergeben rund 5,2 × 10^17 Operationen. Cross-Attention zum Text, Textencoder und VAE sind nicht mitgezählt, der Wert bleibt also eine Untergrenze. Bei 832 × 480 hat die Sequenz 32.760 Token und der Clip kostet rund 1,3 × 10^17, ein Viertel des 720p-Werts, weil die Attention mit dem Quadrat der Sequenzlänge wächst.

Teilt man durch den Spitzenwert einer Karte, erhält man eine Untergrenze für die Zeit je Clip. Wan rechnet seinen Transformer in BF16, deshalb verwenden wir NVIDIAs dichte BF16-Spitzenwerte der Tensor Cores, 503,8 TFLOPS für die RTX PRO 6000 und 835,5 TFLOPS für die H200 NVL. Reale Kernels bleiben unter dem Spitzenwert: Die von StorageReview gemessene anhaltende FP8-Matrixrate der RTX PRO 6000 liegt bei 774 TFLOPS, 77 Prozent von NVIDIAs dichtem FP8-Wert von 1.007,6, und Softmax, Normalisierung, Textencoder und VAE-Decoder kosten Zeit, die die Zählung nicht erfasst. Die folgenden Werte sind deshalb nach unserer Schätzung eine Obergrenze für Clips pro Stunde: brauchbar, um Konfigurationen zu vergleichen, nicht als zugesagte Leistung.

Unsere Schätzung der Obergrenze in Clips pro Stunde, abgerundet, Vier-Karten-Zeilen mit einem Job je Karte: 5,19 × 10^17 Operationen je 720p-Clip und 1,33 × 10^17 je 480p-Clip aus Wans Standardwerten, Konfigurationsdateien und Modellcode, geteilt durch NVIDIAs dichte BF16-Spitzenwerte der Tensor Cores von 503,8 TFLOPS (RTX PRO 6000) und 835,5 TFLOPS (H200 NVL); gemessene Zeiten fallen länger aus.

Veröffentlichte Minuten je Clip für Wan 2.2 auf einer der beiden Karten haben wir weder bei Wan noch bei NVIDIA oder einem unabhängigen Labor gefunden, und Wans eigene Effizienztabelle liegt nur als Bild mit Ergebnissen auf nicht genannten GPUs vor. MLPerf® Inference v6.1 hat einen Text-zu-Video-Benchmark mit Wan2.2-T2V-A14B aufgenommen, mit 81 Frames bei 720 × 1280 und 20 Schritten, wie unser Videoleitfaden beschreibt. NVIDIAs Seite zur Inferenzleistung (Metadaten vom 19. Oktober 2026) führt Ergebnisse dafür nur für Systeme GB300 NVL72, GB200 NVL72 und DGX B300. The MLPerf name and logo are registered and unregistered trademarks of MLCommons Association in the United States and other countries. All rights reserved. Unauthorized use strictly prohibited. See www.mlcommons.org for more information.

Ein Clip je Karte oder ein Clip auf vier Karten

Für eine Warteschlange im Studio zählen zwei Kennzahlen: Clips pro Stunde und die Wartezeit auf einen Clip. Ein Job je Karte maximiert die erste, weil die Karten keine Daten austauschen und jede ihre eigene Kopie des Modells hält. Vier RTX PRO 6000 arbeiten dann wie vier getrennte Maschinen in einem Gehäuse, und eine ausgefallene Karte kostet ein Viertel der Kapazität.

Sequenzparallelismus teilt einen Clip auf mehrere Karten auf. Wans Repository führt seine Multi-GPU-Beispiele mit „PyTorch FSDP and DeepSpeed Ulysses“, --dit_fsdp --t5_fsdp --ulysses_size 8 auf acht GPUs, und seine Effizienzhinweise testen 4 und 8. Ulysses gibt jeder Karte ein Viertel der 75.600 Token und tauscht in jeder der 40 Attention-Schichten Queries, Keys, Values und Ausgaben zwischen allen Karten aus. Nach unserer Schätzung sendet jede Karte rund 23 GB je Transformer-Durchlauf in BF16, über die 80 Durchläufe eines Clips also rund 1,9 TB.

Unsere Schätzung von Untergrenzen für einen 720p-Clip: Rechenzeit aus der Tabelle oben geteilt durch vier; die Wartezeit addiert beide Untergrenzen und setzt voraus, dass sich Austausch und Rechnung nicht überlappen; Verkehr 4 Austausche × 18.900 Token × 5.120 × 2 Byte × 3/4 je Schicht, 40 Schichten, 80 Durchläufe; PCIe 5.0 mit 64 GB/s und NVLink mit 450 GB/s je Richtung nach NVIDIAs H200-Seite (128 GB/s und 900 GB/s für beide Richtungen zusammen).

--dit_fsdp erzeugt eigenen Verkehr: FSDP hält auf jeder Karte ein Viertel jedes Experten und holt den Rest für jeden Durchlauf zusammen, nach unserer Rechnung rund 21 GB je Karte und Durchlauf. Nach unserer Rechnung passt das ganze BF16-Modell (64,4 GiB) auf beiden Servern auf jede Karte, jede Karte kann also ohne FSDP ihre eigene Kopie halten; testen Sie beide Einstellungen. Über PCIe kreuzen die Austausche außerdem die Verbindung zwischen den beiden Prozessoren, wenn die Karten an verschiedenen Sockeln hängen, und Peer-to-Peer-Transfers hängen von den IOMMU- und ACS-Einstellungen ab, die unser Artikel zu RTX PRO 6000 P2P, IOMMU und ACS behandelt. Wan veröffentlicht keine Skalierungswerte für Karten ohne NVLink; messen Sie die Zeit auf vier Karten also am Server, bevor Sie damit planen.

Die 4-fach-Brücke der H200 NVL verbindet alle vier Karten in einer NVLink-Domäne mit 900 GB/s je GPU. NVIDIAs Product Brief verlangt überbrückte Karten in einer CPU-Domäne, und unser Artikel zur H200-NVL-Brücke, 2-fach oder 4-fach zeigt, wie sich die Slot-Belegung darauf auswirkt. Für ein Team, in dem eine Kreativdirektorin auf jeden Entwurf wartet, ist diese kürzere Wartezeit der Grund für den überbrückten Server. Für eine Pipeline, die über Nacht Hunderte Varianten rendert, liefert ein Job je Karte bei gleicher Leistungsaufnahme mehr Clips, auf beiden Karten.

Welcher Vier-Karten-Server für welches Studio

Unsere Schätzungen aus den Tabellen oben; Kartenfunktionen aus NVIDIAs Produktseiten und unseren Konfigurationsseiten.

Der RTX-PRO-6000-Server ist die vielseitigere Maschine. Jede Karte lässt sich in bis zu vier MIG-Instanzen zu 24 GB für Bildmodelle oder ein kleines LLM aufteilen, und die Server Edition ist die Edition der RTX PRO 6000, die NVIDIA für vGPU unterstützt. Derselbe Server kann also tagsüber Videojobs und nachts andere Arbeit tragen. Seine Blackwell-Kerne rechnen außerdem FP4, das der H200 NVL fehlt; eine FP4- oder FP8-Pipeline für Wan 2.2 von Wan selbst haben wir nicht gefunden, deshalb dimensionieren wir mit BF16. Unsere Seite zum Server mit vier RTX PRO 6000 Server Edition behandelt Gehäuse, MIG und die Leistungsmodi.

Der H200-NVL-Server ist für dieses eine Modell die schnellere Maschine. Seine höhere BF16-Rechenleistung verkürzt jeden Clip, seine 141 GB halten beide Experten und den Encoder auf der Karte, und seine NVLink-Brücke macht Sequenzparallelismus lohnend. Unsere Seite zum Server mit vier H200 NVL behandelt Brücken, Gehäuse und Host-Speicher, und der Vergleich vier RTX PRO 6000 oder vier H200 NVL wägt beide für LLM-Betrieb ab.

Wir bauen beide Server auf Bestellung und dimensionieren sie nach den Clips, die Ihr Team in der Spitzenstunde erzeugt; schicken Sie uns Auflösungen, Clip-Längen und die Zahl der Personen, die Jobs abschicken, und unser Team antwortet mit einer Konfiguration für jede Aufteilung.

Wan2.2-Animate-2 und weitere Wan-Modelle auf demselben Server

Wan2.2-Animate-2-14B animiert eine Figur aus einem Referenzbild und einem Steuervideo. Seine Modellkarte unter Apache 2.0 nennt den 7. August 2026 als Veröffentlichung der Inferenzskripte sowie der Basis- und der destillierten Gewichte und gibt an, die Standardwerte seien „tuned for 8× A800 GPUs“ bei 720p; 480p wurde auch auf zwei A800 getestet. Die destillierte Version rechnet 10 Schritte ohne Guidance, ein Viertel der 40 Schritte des Basismodells und ohne zweiten Durchlauf je Schritt, dieselbe Karte liefert damit nach der Rechnung oben ein Vielfaches an Clips. Die Karte nennt keinen Speicherbedarf; testen Sie das Modell also auf einer Karte, bevor Sie eine Warteschlange planen. Spielestudios, die es für die Previs einsetzen, finden in unserem KI-Server für Spielestudios den Rest der Pipeline.

Wan2.2-TI2V-5B, das kleine Modell, erzeugt 720p mit 24 Bildern pro Sekunde und läuft mit Offloading auf „a GPU with at least 24GB VRAM“; eine RTX PRO 6000 kann also mehrere Kopien oder MIG-Instanzen davon für Vorschauen halten. Wan2.2-S2V-14B, das Sprache-zu-Video-Modell, nennt dieselben 80 GB wie die A14B-Modelle. Die Wan-2.2-Modellkarten, die wir am 24. Oktober 2026 gelesen haben, T2V-A14B und Animate-2-14B, nennen Apache 2.0, und das Repository erklärt: „The models in this repository are licensed under the Apache 2.0 License“. Apache 2.0 erlaubt die kommerzielle Nutzung ohne Gebiets- oder Umsatzbedingung; unser Videoleitfaden vergleicht das mit den Lizenzen anderer offener Videomodelle. Für Marketing- und Agenturteams stellt unser KI-Server für Kreativagenturen Video neben Bildgenerierung und Rendering.

Strom, Kühlung und Anschluss

Unsere Schätzung wie auf unseren Konfigurationsseiten: Karten bei 600 W, zwei AMD-EPYC-Prozessoren (2 × EPYC 9135 bei zwei Karten, 2 × EPYC 9355 bei vier, 2 × EPYC 9555 bei acht) und 15 Prozent für Speicher, Laufwerke, Lüfter und Wandlungsverluste; eine Messung am gelieferten System bestätigt oder ersetzt sie. Für Knoten mit acht Karten nennt Dells Datenblatt rund 8 kW als Richtwert; planen Sie den Anschluss nach dem Wert des Serverherstellers.

Videogenerierung hält die Karten minutenlang je Clip unter Volllast, planen Sie den Anschluss also mit dem vollen Wert. Mit rund 3,4 kW liegt ein Vier-Karten-Server über den 2,94 kW, die wir je 230-V-Anschluss mit 16 A bei 80 Prozent einplanen, und braucht 32 A oder Drehstrom, wie unser Leitfaden zu 16 A, 32 A und Drehstrom erklärt. Die RTX PRO 6000 Server Edition lässt sich auf 450 W begrenzen, was den Server auf rund 2,7 kW senkt und Geschwindigkeit kostet; StorageReview hat bei LLM-Arbeit 2 bis 9 Prozent gemessen, für Videomodelle haben wir keinen Wert gefunden. Die H200 NVL bei 450 W behandelt unser Artikel zum Betrieb der H200 NVL mit 450 W.

Planen Sie auch den Speicherplatz. Allein das A14B-Repository hat 126 GB, und ein Server, der mehrere Wan-Modelle und ihre Diffusers-Fassungen bereithält, belegt nach unserer Schätzung mehrere Hundert GB auf NVMe, dazu kommen die Clips selbst. Speichern Sie Prompt, Seed und Modellrevision mit jedem Clip, damit sich ein Ergebnis reproduzieren lässt.

Was wir liefern

Sie können dieses System bei uns kaufen: Unser Team dimensioniert die Konfiguration nach Ihrer Arbeitslast und Ihrem Budget und antwortet innerhalb eines Werktages. Wir liefern die RTX PRO 6000 Server Edition und die H200 NVL mit ihren NVLink-Brücken und bauen KI-Server auf Bestellung mit zwei, vier oder acht Karten, vor der Lieferung montiert und getestet, mit einem EU-Vertrag und einer Rechnung und mit Herstellergarantie auf jede Komponente. Betriebssystem, Treiber, CUDA und eine Container-Laufzeit installieren wir auf Wunsch; Mengen und Lieferzeit werden mit dem Angebot schriftlich bestätigt.

FAQ