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

本溪市电台广播中心app 焦作市未成年保护协会app 内江市第三小学app 玉林市司法管理app 呼伦贝尔市招标信息app 中山市粮食管理app 鹤岗市教育局app 克拉玛依市热点专题app 汕尾市法律服务app 遵义市台风信息app 汕尾市不良信息举报app 承德市水务app 珠海市工商局app 怀化市第五小学app 常州市卫生协会app 鄂尔多斯市征地服务app 白山市消防宣传app 沿河土家族自治县征地服务app 揭西县公路管理app 康马县安全生产app 五河县风力发电app 昭平县政府公报app 英吉沙县第一高中app 长兴县太阳能发电信息app 于田县妇联救助app 宁县消防宣传app 沙湾县第三高中app 小金县信息公开app 曲松县住房保障app 虞城县中心校app 柘城县数据管理局app 随县税务局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