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

自贡市政府公报app 威海市历史记录app 阳江市土地申报app 贵港市第三中学app 安庆市水务app 怀化市第二高中app 晋中市暴雨监控中心app 海东市土木工程app 无锡市税务局app 广安市公共文化服务app 玉溪市第五中学app 孝感市养殖补助app 吕梁市教育局app 乌海市工商局app 莆田市防洪app 黑河市第三小学app 吉林市通讯协会app 吐鲁番市服务大厅app 中卫市妇联app 吴忠市暴雨监控中心app 隆安县政务服务app 孟津县教育局app 崇信县公共法律服务app 长海县便民app 宁洱哈尼族彝族自治县第六中学app 绛县惠农app 和静县特殊家庭关爱协会app 芦山县未成年保护协会app 浠水县养殖补助app 维西傈僳族自治县第三小学app 临武县同城app 和平县政务监督app 独山县助农app 海原县学校app 合水县第一小学app 花莲县水务app 彰武县第一高中app 涞源县台风信息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