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

鹤岗市防火app 锦州市暴雨监控中心app 宝鸡市卫生协会app 莆田市政务服务app 菏泽市民政管理app 葫芦岛市第四小学app 六安市防洪app 长治市妇联app 龙岩市教研app 东莞市公共法律服务app 贵港市农业app 七台河市最新新闻app 桂林市第五中学app 大庆市未成年保护协会app 舟山市社会求助app 雅安市粮食管理app 通化市粮食管理app 大厂回族自治县消防宣传app 长汀县卫生协会app 榆中县劳动局app 夹江县第二中学app 双柏县城乡建设app 杞县水利app 阿克陶县第五中学app 费县铁路管理app 靖州苗族侗族自治县森林消防app 长白朝鲜族自治县旅游监督app 墨江哈尼族自治县第六小学app 绥棱县电台广播中心app 松潘县消费协会app 罗山县应急管理app 天峨县不良信息举报app 隆安县第一高中app 射阳县建湖县防洪app 美姑县学校app 德昌县第四小学app 博罗县劳动局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