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

吕梁市防洪信息app 铜陵市第一小学app 大同市征地服务app 茂名市特殊家庭关爱协会app 承德市公共法律服务app 山南市风力发电app 扬州市电台广播中心app 那曲市助农app 嘉兴市财政信息app 哈密市教育信息app 巴彦淖尔市第五中学app 绥化市政府公报app 巴彦淖尔市公益app 乐山市税务局app 莆田市非物质文化遗产app 抚州市警务app 黄冈市旅游监督app 吉林市审计公开app 安康市电力app 霍城县旅游监督app 饶平县劳动局app 鸡东县法律服务app 屏南县出口管理app 徐闻县警务app 长岭县防灾信息app 孙吴县公路管理app 淇县社会求助app 永寿县教研app 新和县应急管理app 砚山县农业app 竹山县出口管理app 广灵县第二小学app 兰西县教育局app 周宁县第一小学app 滑县人社管理app 普兰县水利app 延津县消防局app 河曲县安全宣传app 高青县残联app 永修县文旅信息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