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

潍坊市未成年保护协会app 黄山市建设局信息app 宁德市消费协会app 铁岭市旅游协会app 潍坊市第三中学app 上饶市第五中学app 三门峡市政务监督app 石嘴山市太阳能发电信息app 中山市妇联app 泰州市应急管理app 舟山市第二小学app 保定市服务大厅app 巴彦淖尔市申建app 十堰市电力app 杭州市天气监控中心app 常州市公益app 潍坊市审计公开app 信阳市住房保障app 杭州市政府公报app 淮安市工商信息app 孙吴县政府公报app 贵南县数据管理局app 通渭县灾害救助app 清丰县残联app 冠县审计公开app 宁陵县论坛app 临高县养老服务app 凌云县防灾信息app 武定县警务app 策勒县第五高中app 贡山独龙族怒族自治县第四小学app 大新县建设局信息app 合江县农业补贴app 修武县防洪app 留坝县第二高中app 广饶县电视台广播app 平罗县台风信息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