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

宿迁市第五高中app 日照市事业单位app 泰安市公共法律服务app 鞍山市农业app 茂名市公益app 秦皇岛市政府公报app 娄底市消防宣传app 湛江市论坛app 孝感市税务局app 中卫市通讯协会app 茂名市旅游监督app 沈阳市政府信息公开指南app 莆田市铁路管理app 宜春市教研app 珠海市政务监督app 漯河市专题专栏app 揭阳市历史记录app 抚州市残联app 白山市妇联app 永州市第一小学app 眉山市安全生产app 晋中市森林消防app 周口市第二高中app 玉溪市第四高中app 阜新市第六小学app 通辽市住房保障app 丽江市人社管理app 吐鲁番市灾害救助app 宿迁市第一中学app 叙永县国土信息app 建始县城乡建设app 昌图县税务局app 麟游县农业补贴app 昔阳县第三高中app 祁东县第六小学app 南丰县第三中学app 云梦县民政管理app 随县农业补贴app 马山县第三中学app 砀山县司法管理app 丹巴县财政信息app 灌南县防火app 康县第四高中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