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

双鸭山市专题专栏app 安庆市桥梁管理app 三门峡市风力发电app 商丘市工程造价app 营口市公路管理app 洛阳市电视台广播app 宜昌市第五中学app 通辽市司法管理app 南平市水务app 珠海市警务app 曲靖市通讯协会app 铜川市旅游监督app 邯郸市铁路管理app 永州市城乡建设app 黑河市招标信息app 吐鲁番市旅游监督app 闽清县旅游协会app 涉县第二中学app 城口县森林消防app 太康县土木工程app 资中县安全宣传app 贡嘎县残联app 安平县热点专题app 汝城县学校app 延寿县粮食管理app 蔚县市场监督app 宁都县历史记录app 庆元县土木工程app 府谷县政府公报app 忻城县司法管理app 平顺县学校app 永春县审计公开app 阿坝县审计公开app 荥经县暴雨监控中心app 伊宁县台风信息app 陆良县土地申报app 门源回族自治县工商局app 肥东县社会求助app 阜南县不良信息举报app 黟县安全生产app 汶川县农业局app 镇宁布依族苗族自治县水利app 新源县电力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