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

临汾市事业单位app 宿迁市街道办app 鹤岗市防火app 昌都市水务app 张家口市不良信息举报app 湛江市铁路管理app 佳木斯市残联救助app 吐鲁番市政务监督app 随州市税务局app 攀枝花市便民app 肇庆市公正处app 韶关市人社管理app 沈阳市政府信息公开指南app 临汾市助农app 儋州市税收公开app 保山市司法管理app 十堰市第三中学app 马鞍山市公路管理app 西宁市风力发电app 呼和浩特市第二中学app 巍山彝族回族自治县公开信息app 淮滨县第五中学app 三穗县审计公开app 平遥县司法管理app 沐川县法律服务app 湖口县学校app 洛川县灾害救助app 缙云县森林消防app 泗洪县养老服务app 多伦县旅游监督app 霍邱县安全生产app 朝阳县第二高中app 东乡族自治县文旅信息app 九龙县第二小学app 武胜县建设局信息app 汝阳县第六小学app 凤阳县第五高中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