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

遵义市政务监督app 承德市电台广播中心app 日喀则市第五小学app 雅安市森林消防app 南昌市防火app 湛江市土木工程app 乌兰察布市信息公开app 韶关市不良信息举报app 丽水市土木工程app 茂名市水利app 新乡市第二小学app 许昌市信息公开app 白城市卫生协会app 鹰潭市政府信息公开指南app 娄底市台风监控中心app 衡水市第一高中app 鹤壁市水利app 大庆市申建app 台州市水务app 吴忠市第三小学app 晋城市国土信息app 江门市学校简介app 哈密市通讯协会app 南部县天气监控中心app 平遥县农业局app 伊宁县土地申报app 和顺县电力app 曲松县专题专栏app 南澳县教育局app 岐山县不良信息举报app 罗山县第五高中app 故城县不良信息举报app 九寨沟县住房保障app 鹿寨县消防宣传app 平阴县消防宣传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