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

揭阳市教研app 松原市太阳能发电信息app 毕节市工商信息app 潮州市第一小学app 铁岭市数据管理局app 商丘市工商局app 眉山市第四高中app 遵义市台风监控中心app 定西市铁路管理app 濮阳市助农app 玉溪市建设局信息app 铁岭市热点专题app 吴忠市重大建设公开app 泰安市通讯协会app 蚌埠市热点专题app 达州市养殖补助app 玉林市灾害救助app 灌阳县便民app 延川县残联救助app 西吉县第三高中app 双牌县第一中学app 兴县振兴乡村app 宁蒗彝族自治县第六小学app 隆尧县土地申报app 道孚县第五小学app 正定县防洪信息app 勐海县防灾信息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