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

三门峡市申建app 肇庆市桥梁管理app 岳阳市土地局app 中卫市第五高中app 南平市市场监督app 宜昌市第二中学app 达州市最新新闻app 武汉市街道办app 毕节市水务app 佳木斯市第二高中app 沈阳市教育信息app 石家庄市建设局信息app 上饶市助农app 宝鸡市最新新闻app 青岛市招标信息app 白银市未成年保护协会app 秦皇岛市人社管理app 拉萨市国土信息app 江门市铁路管理app 嘉峪关市妇联app 济南市信息公开app 遵义市政府公报app 菏泽市劳动局app 营口市振兴乡村app 宜昌市警务app 德州市申建app 唐山市第三小学app 铜仁市住房保障app 延安市防洪app 那曲市第五高中app 松阳县第六小学app 濉溪县枞阳县第三高中app 无极县论坛app 通榆县论坛app 夏县重大建设公开app 永丰县第三中学app 湟源县土地局app 通海县征地服务app 新兴县劳动局app 大厂回族自治县台风监控中心app 赤城县服务大厅app 横县防火app 崇阳县司法管理app 张北县国土信息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