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

忻州市政府公报app 贺州市桥梁管理app 乌海市公共文化服务app 杭州市建设局信息app 吉安市残联救助app 遵义市市场监督app 本溪市土地申报app 葫芦岛市第一小学app 营口市住房保障app 十堰市住房保障app 兰州市征地服务app 湘潭市妇联app 长治市公路管理app 南昌市土地申报app 临沂市教研app 中卫市土地局app 策勒县公益app 澎湖县第二高中app 屯昌县工商信息app 遂溪县审计公开app 峨山彝族自治县通讯协会app 泗阳县教研app 会理县惠农app 岳西县信息公开app 平江县第五高中app 岳池县第三小学app 武强县振兴乡村app 利津县不良信息举报app 紫金县残联救助app 红安县水务app 嘉黎县水利app 井陉县振兴乡村app 木垒哈萨克自治县防火app 淳化县残联救助app 彝良县台风信息app 双湖县国土信息app 黎城县消费协会app 玉山县妇联救助app 奉新县安全生产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