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

抚顺市铁路管理app 漳州市市场监督app 通辽市安全生产app 太原市电力app 朝阳市文旅信息app 安顺市养老服务app 六安市工商信息app 德州市第一中学app 泰州市城乡建设app 茂名市专题专栏app 贵港市第二高中app 福州市税收公开app 达州市中心校app 衡阳市文旅信息app 张掖市暴雨监控中心app 鄂尔多斯市公开信息app 勃利县土木工程app 治多县建设局信息app 灵山县太阳能发电信息app 扎囊县台风信息app 高青县建设局信息app 灵石县榆社县建设局信息app 临西县农业补贴app 定兴县农业app 元阳县铁路管理app 凤阳县电台广播中心app 安福县人社管理app 丹凤县第五中学app 沙洋县第四中学app 石林彝族自治县第一中学app 墨竹工卡县残联救助app 南昌县第四高中app 彰化县第一中学app 景东彝族自治县政务服务app 桦川县市场监督app 虞城县人社管理app 文水县第二高中app 闻喜县消费协会app 建宁县公共法律服务app 浦江县政务服务app 余庆县消防局app 方山县第二高中app 庐江县税务局app 营山县第一高中app 云梦县申建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