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

湘潭市电视台广播app 潮州市暴雨监控中心app 保定市申建app 南阳市电力app 哈密市水务app 襄阳市振兴乡村app 江门市旅游协会app 那曲市水利app 西宁市第六中学app 衢州市旅游监督app 宣城市土木工程app 柳州市征地服务app 内江市审计公开app 湖州市特殊家庭关爱协会app 南昌市社会求助app 焦作市第三高中app 三门峡市第六小学app 佳木斯市特殊家庭关爱协会app 佛山市防灾信息app 宁阳县民政管理app 象州县税收公开app 琼结县便民app 黄平县第二高中app 新田县政府公报app 木兰县电力app 宝兴县数据管理局app 宜兰县第二小学app 理县第六小学app 淮滨县税收公开app 铁岭县卫生协会app 丁青县人社管理app 灵川县第三高中app 于都县征地服务app 霞浦县旅游监督app 灵丘县工商信息app 乐亭县桥梁管理app 华安县南靖县街道办app 潢川县通讯协会app 康保县中心校app 会理县第一中学app 宁南县台风信息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