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

宁波市未成年保护协会app 泰安市台风监控中心app 三明市特殊家庭关爱协会app 通辽市便民app 雅安市政务监督app 上饶市公益app 无锡市出口管理app 九江市第二高中app 濮阳市新闻中心app 巴中市事业单位app 凤县城乡建设app 黎川县残联app 柘荣县论坛app 会宁县特殊家庭关爱协会app 林口县建设局信息app 托克逊县热点专题app 台前县公益app 台东县第四高中app 乐亭县新闻中心app 措美县水务app 渭源县第二小学app 宁晋县第五中学app 类乌齐县学校简介app 光山县风力发电app 石楼县政要信息app 衡阳县特殊家庭关爱协会app 嘉荫县同城app 塔河县第三高中app 乳源瑶族自治县第一高中app 礼泉县人社管理app 缙云县消防宣传app 阳新县工商局app 乐安县出口管理app 昭平县公开信息app 莘县数据管理局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