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

九江市安全宣传app 马鞍山市工程造价app 三门峡市防火app 合肥市公正处app 驻马店市财政信息app 阳江市新闻中心app 三明市第三小学app 双鸭山市事业单位app 南平市服务大厅app 漯河市振兴乡村app 波密县粮食管理app 长顺县审计公开app 泸县电台广播中心app 长海县住房保障app 宁津县养殖补助app 永丰县旅游协会app 江安县防洪信息app 宾县工商信息app 乌什县铁路管理app 定襄县公开信息app 五莲县残联救助app 汉源县学校简介app 昌江黎族自治县专题专栏app 黄陵县应急管理app 旬邑县公共法律服务app 陇县太阳能发电信息app 孟津县教育信息app 合水县中心校app 凤庆县公开信息app 清丰县市场监督app 陵水黎族自治县第一高中app 沁源县长子县非物质文化遗产app 琼结县第一高中app 泗县第五中学app 麻江县防洪信息app 石城县教研app 灌南县电视台广播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