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

乐山市专题专栏app 普洱市土地申报app 南京市文旅信息app 随州市助农app 鸡西市人社管理app 泉州市公开信息app 成都市电视台广播app 开封市公共法律服务app 遵义市防洪app 郴州市法律服务app 双鸭山市卫生协会app 平凉市第二小学app 岳阳市残联救助app 天水市公路管理app 平凉市第五高中app 德江县残联救助app 馆陶县第二中学app 田林县太阳能发电信息app 玉田县第二高中app 永胜县养殖补助app 尼玛县警务app 诏安县风力发电app 茂县森林消防app 博兴县教育局app 平山县电力app 策勒县服务大厅app 景东彝族自治县城乡建设app 陆川县特殊家庭关爱协会app 彝良县第一中学app 岢岚县农业局app 利津县防火app 福海县数据管理局app 施秉县教育局app 临西县第三中学app 花莲县第一小学app 鹤峰县第六中学app 东至县养殖补助app 桐梓县征地服务app 桐梓县第二小学app 景泰县文旅信息app 玛纳斯县公正处app 桂阳县防洪app 沐川县第一小学app 墨玉县论坛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