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

宿州市建设局信息app 泸州市防灾信息app 南京市防灾信息app 张家界市街道办app 承德市电力app 铜陵市城乡建设app 郑州市税务局app 宁德市第一高中app 本溪市审计公开app 南通市公开信息app 白城市中心校app 承德市第四高中app 铜仁市论坛app 海东市第六中学app 酒泉市台风监控中心app 丹东市教育信息app 黄石市残联app 双鸭山市税收公开app 呼和浩特市申建app 朔州市招标信息app 阳江市最新新闻app 潮州市助农app 蚌埠市第二高中app 贵港市第一中学app 齐齐哈尔市教育局app 贵港市司法管理app 马鞍山市消防局app 轮台县台风监控中心app 佳县市场监督app 会泽县第二高中app 杂多县第四高中app 林周县特殊家庭关爱协会app 梓潼县旅游协会app 玉田县便民app 砀山县专题专栏app 谷城县非物质文化遗产app 子洲县住房保障app 雷山县通讯协会app 潼关县第四中学app 攸县防洪信息app 和静县市场监督app 东丰县警务app 西吉县不良信息举报app 河口瑶族自治县妇联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