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

黄冈市安全宣传app 三门峡市公路管理app 乌鲁木齐市通讯协会app 巴中市申建app 合肥市水务app 三亚市人社管理app 河池市不良信息举报app 百色市民政管理app 汕头市防灾信息app 南通市消费协会app 佛山市公正处app 鄂州市社会求助app 儋州市信息公开app 鞍山市安全宣传app 广州市住房保障app 贵阳市城乡建设app 固原市土地申报app 广元市振兴乡村app 资阳市环境保护协会app 汉中市第六中学app 通辽市第六小学app 三沙市妇联救助app 九江市教研app 邵阳市环境保护协会app 江门市公共文化服务app 宿迁市森林消防app 池州市安全生产app 淄博市教研app 宕昌县招标信息app 江口县水务app 花莲县司法管理app 浮山县不良信息举报app 武山县第二高中app 理塘县卫生协会app 连南瑶族自治县振兴乡村app 海丰县论坛app 汤旺县土地申报app 炉霍县建设局信息app 汝南县残联救助app 沙县学校app 甘谷县第三中学app 会宁县税务局app 轮台县不良信息举报app 江陵县风力发电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