阿里万相视频生成大模型宣布开源：8.2GB 显存就能跑，测试超越 Sora

泰安市暴雨监控中心app 克拉玛依市民政管理app 漳州市环境保护协会app 清远市不良信息举报app 开封市惠农app 忻州市电视台广播app 桂林市热点专题app 晋城市防灾信息app 广州市农业补贴app 自贡市防灾信息app 盘锦市农业局app 唐山市防洪信息app 滁州市未成年保护协会app 福州市非物质文化遗产app 黄平县土地申报app 盱眙县政府信息公开指南app 蠡县天气监控中心app 焉耆回族自治县警务app 沁县妇联app 丹棱县公共文化服务app 扎囊县电视台广播app 绥江县通讯协会app 洛隆县桥梁管理app 如东县残联app 桦南县第三中学app 广宗县防洪信息app 清水河县中心校app 文水县警务app 蒙山县服务大厅app 永和县妇联app 涡阳县防洪app 正定县特殊家庭关爱协会app 姚安县防洪信息app 乌鲁木齐县民政管理app 安龙县公开信息app 通山县特殊家庭关爱协会app 进贤县工程造价app

本站 2 月 25 日消息，阿里云今日宣布旗下视觉生成基座模型万相 2.1（Wan）开源。

此次开源采用最宽松的 Apache2.0 协议，14B 和 1.3B 两个参数规格的全部推理代码和权重全部开源，同时支持文生视频和图生视频任务，全球开发者可在 Github、HuggingFace 和魔搭社区下载体验。

据介绍，14B 万相模型在指令遵循、复杂运动生成、物理建模、文字视频生成等方面表现突出，在评测集 VBench 中，万相 2.1 以总分 86.22% 的成绩超越 Sora、Luma、Pika 等国内外模型，位列榜首。1.3B 版本测试结果不仅超过了更大尺寸的开源模型，甚至还接近部分闭源模型，同时能在消费级显卡运行，号称“仅需 8.2GB 显存就可以生成 480P 视频”，适用于二次模型开发和学术研究。

万相视频模型架构图

在算法设计上，万相基于主流 DiT 架构和线性噪声轨迹 Flow Matching 范式，研发了高效的因果 3D VAE、可扩展的预训练策略等。以 3D VAE 为例，为了高效支持任意长度视频的编码和解码，万相在 3D VAE 的因果卷积模块中实现了特征缓存机制，从而代替直接对长视频端到端的编解码过程，实现了无限长 1080P 视频的高效编解码。此外，通过将空间降采样压缩提前，在不损失性能的情况下进一步减少了 29% 的推理时内存占用。

万相团队的实验结果显示，在运动质量、视觉质量、风格和多目标等 14 个主要维度和 26 个子维度测试中，万相均达到了业界领先表现，并且斩获 5 项第一。

本站附开源地址：

Github：https://github.com/Wan-Video

HuggingFace：https://huggingface.co/Wan-AI

魔搭社区：https://modelscope.cn/organization/Wan-AI