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

内江市司法管理app 肇庆市公开信息app 保山市劳动局app 杭州市台风监控中心app 景德镇市防火app 乐山市第六中学app 武汉市便民app 临汾市政务监督app 巴中市劳动局app 太原市电台广播中心app 绥化市防灾信息app 贺州市学校app 石家庄市政府公报app 潮州市安全宣传app 佳木斯市专题专栏app 咸阳市第四小学app 海口市防火app 晋中市第一高中app 五河县公共文化服务app 宜良县通讯协会app 友谊县同城app 湟源县民政管理app 华宁县公正处app 乐东黎族自治县公开信息app 嘉荫县服务大厅app 大新县消费协会app 兰考县粮食管理app 望都县旅游监督app 鲁山县审计公开app 大新县司法管理app 晴隆县第四小学app 宜良县民政管理app 麻栗坡县建设局信息app 政和县消防宣传app 林甸县重大建设公开app 泽州县中心校app 故城县工商局app 梓潼县粮食管理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