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

钦州市特殊家庭关爱协会app 忻州市教育局app 鄂州市土木工程app 沧州市文旅信息app 聊城市劳动局app 常德市警务app 三亚市政务服务app 株洲市残联app 成都市太阳能发电信息app 晋城市台风监控中心app 十堰市妇联app 黄山市第二小学app 遵义市政务监督app 秦皇岛市工商信息app 德阳市防灾信息app 青岛市第一中学app 南充市工商局app 松原市通讯协会app 砚山县城乡建设app 泸西县法律服务app 麻江县信息公开app 保靖县环境保护协会app 天台县台风信息app 德清县第五高中app 新化县警务app 米脂县森林消防app 乐亭县建设局信息app 景泰县农业app 贵定县政务监督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