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

铜仁市第三小学app 达州市政务监督app 廊坊市通讯协会app 常德市最新新闻app 宿州市政务监督app 海口市电视台广播app 齐齐哈尔市政务服务app 淮北市第一中学app 许昌市农业补贴app 中山市历史记录app 石家庄市税务局app 乌兰察布市灾害救助app 三明市数据管理局app 盐城市文旅信息app 牡丹江市第二高中app 九江市政府信息公开指南app 淮北市热点专题app 梧州市教研app 日照市妇联app 百色市公益app 潮州市第六小学app 宝鸡市建设局信息app 永州市第二高中app 尉氏县暴雨监控中心app 龙江县卫生协会app 永昌县电视台广播app 汉阴县森林消防app 古田县民政管理app 大通回族土族自治县风力发电app 宁明县工商局app 册亨县新闻中心app 龙山县风力发电app 全州县特殊家庭关爱协会app 定兴县农业补贴app 永吉县第一小学app 砚山县第二高中app 双柏县第六中学app 永仁县最新新闻app 怀来县第四高中app 泽普县征地服务app 盐山县风力发电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