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

朝阳市不良信息举报app 南昌市助农app 泸州市天气监控中心app 绥化市信息公开app 鹰潭市劳动局app 七台河市妇联app 台州市国土信息app 四平市妇联救助app 乌海市桥梁管理app 邵阳市事业单位app 平顶山市防洪app 常州市工程造价app 锦州市人社管理app 南京市电台广播中心app 绥化市第一高中app 班戈县不良信息举报app 惠来县第四小学app 淮滨县第四中学app 隆子县政务服务app 永福县电力app 花垣县天气监控中心app 鲁山县防灾信息app 乾安县论坛app 金塔县税收公开app 泰来县铁路管理app 藤县政府信息公开指南app 辉南县第一中学app 宁强县防火app 泰来县第三中学app 微山县公正处app 吉水县街道办app 淇县学校简介app 镇雄县消防宣传app 邻水县电台广播中心app 古县专题专栏app 武胜县司法管理app 当雄县防灾信息app 歙县教研app 蓝山县城乡建设app 涡阳县中心校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