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

本溪市环境保护协会app 巴中市人社管理app 银川市政务服务app 蚌埠市未成年保护协会app 抚顺市通讯协会app 玉林市街道办app 葫芦岛市养殖补助app 牡丹江市残联救助app 荆州市防灾信息app 西安市第三小学app 滨州市政务服务app 文安县防灾信息app 望江县第四小学app 凤庆县安全宣传app 雄县防灾信息app 理塘县民政管理app 武强县电视台广播app 唐河县税收公开app 大通回族土族自治县文旅信息app 武定县招标信息app 秦安县法律服务app 壤塘县征地服务app 汤原县同城app 清水河县申建app 上思县安全宣传app 怀来县事业单位app 天全县铁路管理app 宜君县消防局app 五河县新闻中心app 思南县社会求助app 茶陵县土木工程app 闽清县第五高中app 石屏县农业补贴app 湘潭县文旅信息app 蕉岭县税收公开app 威远县应急管理app 上蔡县第五中学app 勉县第四小学app 临泽县水利app 贡嘎县第三小学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