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

平顶山市养老服务app 双鸭山市第一高中app 新余市安全宣传app 晋城市安全宣传app 南京市服务大厅app 咸阳市安全生产app 湘潭市特殊家庭关爱协会app 陇南市征地服务app 济宁市台风监控中心app 珠海市教研app 十堰市第一小学app 鄂尔多斯市森林消防app 嘉峪关市劳动局app 马鞍山市旅游监督app 通辽市电台广播中心app 贵阳市防洪信息app 威海市出口管理app 陇南市公开信息app 榆林市市场监督app 嘉兴市森林消防app 丹东市第一中学app 临沂市政府公报app 长丰县公正处app 筠连县政务监督app 泗阳县第三高中app 西林县政要信息app 丰林县政务服务app 本溪满族自治县政府公报app 吉安县工商信息app 贵定县司法管理app 平顺县第二高中app 凌云县申建app 新源县公路管理app 昭觉县森林消防app 疏勒县残联app 泽库县特殊家庭关爱协会app 罗平县助农app 富宁县公共文化服务app 黎城县公路管理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