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

攀枝花市土地申报app 潮州市安全宣传app 固原市政府公报app 宿迁市事业单位app 珠海市农业局app 三亚市安全生产app 宜昌市审计公开app 孝感市税务局app 运城市第五高中app 贺州市论坛app 南充市第一小学app 丹东市安全宣传app 丽江市工程造价app 舟山市新闻中心app 石城县旅游监督app 瓜州县新闻中心app 吴起县政府信息公开指南app 南皮县旅游协会app 富宁县政要信息app 黄陵县重大建设公开app 会昌县防洪app 巴东县旅游监督app 将乐县服务大厅app 通道侗族自治县天气监控中心app 南城县妇联救助app 赫章县第五高中app 卓尼县新闻中心app 崇阳县台风监控中心app 突泉县环境保护协会app 和政县公正处app 灵川县旅游监督app 那坡县服务大厅app 尉犁县妇联救助app 姚安县防洪app 芦山县防灾信息app 屏南县第二高中app 城步苗族自治县劳动局app 枣强县数据管理局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