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

西安市非物质文化遗产app 绵阳市旅游协会app 本溪市教研app 德阳市非物质文化遗产app 枣庄市申建app 德州市劳动局app 陇南市第三高中app 南充市教育信息app 鸡西市消防宣传app 常州市申建app 长春市财政信息app 安康市通讯协会app 韶关市非物质文化遗产app 朔州市电视台广播app 天水市灾害救助app 昭通市风力发电app 宝鸡市电视台广播app 天水市学校简介app 赤峰市教育信息app 乐山市教研app 克山县中心校app 行唐县卫生协会app 鹿寨县通讯协会app 布拖县电力app 鄯善县妇联app 隰县第六小学app 浚县税收公开app 辰溪县电视台广播app 宜章县第二中学app 石渠县残联app 饶平县劳动局app 金堂县司法管理app 社旗县桥梁管理app 洋县旅游协会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