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

内江市第三小学app 西安市特殊家庭关爱协会app 钦州市妇联app 兰州市消防局app 新余市非物质文化遗产app 阜新市便民app 揭阳市妇联app 吐鲁番市教育局app 莆田市征地服务app 七台河市事业单位app 邯郸市防洪app 宿州市防灾信息app 大同市第五中学app 内江市第一小学app 拉萨市新闻中心app 酒泉市第六小学app 梧州市第二高中app 运城市灾害救助app 清远市桥梁管理app 泰安市残联救助app 辽阳市台风监控中心app 白山市通讯协会app 民乐县教育信息app 沐川县学校简介app 宁蒗彝族自治县惠农app 耿马傣族佤族自治县政府公报app 凤阳县农业补贴app 静乐县太阳能发电信息app 错那县政要信息app 贵南县民政管理app 安图县非物质文化遗产app 无棣县未成年保护协会app 会同县防洪app 怀集县暴雨监控中心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