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

常德市安全宣传app 淮北市申建app 开封市桥梁管理app 海东市文旅信息app 汕头市招标信息app 洛阳市安全宣传app 渭南市农业app 鸡西市政务监督app 乌海市卫生协会app 赣州市历史记录app 烟台市台风监控中心app 吐鲁番市第一中学app 安康市桥梁管理app 桐梓县第五小学app 澧县消防局app 前郭尔罗斯蒙古族自治县公益app 永和县消防宣传app 武义县第一中学app 天镇县第三中学app 分宜县不良信息举报app 中牟县助农app 凤山县养殖补助app 东至县公路管理app 阿合奇县工商信息app 南木林县国土信息app 松潘县出口管理app 哈巴河县非物质文化遗产app 宜黄县政要信息app 隆德县防灾信息app 融水苗族自治县防洪app 岫岩满族自治县粮食管理app 临西县公共法律服务app 将乐县灾害救助app 怀宁县第六小学app 定远县教育局app 丘北县养殖补助app 阿瓦提县公正处app 临洮县通讯协会app 怀来县政要信息app 滦南县防洪app 昂仁县文旅信息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