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

泰州市惠农app 德州市环境保护协会app 西宁市第一小学app 西宁市审计公开app 呼伦贝尔市审计公开app 阳江市第五小学app 绍兴市消费协会app 邵阳市第二高中app 天水市市场监督app 连云港市重大建设公开app 东莞市太阳能发电信息app 荆门市历史记录app 渭南市劳动局app 淮北市中心校app 武汉市旅游监督app 临沂市水务app 鸡西市第三高中app 洛阳市财政信息app 阜新市粮食管理app 七台河市文旅信息app 营口市公开信息app 焦作市农业补贴app 盘锦市电力app 廊坊市人社管理app 怀化市街道办app 玉溪市重大建设公开app 襄阳市社会求助app 抚顺市环境保护协会app 石嘴山市重大建设公开app 苍南县公共文化服务app 雷山县农业局app 贵德县政府公报app 林甸县第二高中app 凤阳县第三中学app 门源回族自治县文旅信息app 喜德县第三中学app 麻阳苗族自治县通讯协会app 勉县税务局app 霞浦县电力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