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

新余市第五小学app 烟台市财政信息app 阜新市粮食管理app 长春市土地申报app 三门峡市申建app 济南市公共法律服务app 六安市政府信息公开指南app 张家界市劳动局app 云浮市同城app 萍乡市城乡建设app 娄底市学校app 亳州市公路管理app 定西市重大建设公开app 哈密市第五小学app 乌海市旅游协会app 遵义市第二高中app 阳江市公益app 黄山市台风监控中心app 永善县公路管理app 嘉黎县农业局app 沙湾县公正处app 兰坪白族普米族自治县第三高中app 和平县养老服务app 沈丘县劳动局app 丰林县防灾信息app 武强县电视台广播app 岫岩满族自治县第五中学app 宜良县铁路管理app 永春县政要信息app 睢县法律服务app 忻城县惠农app 汉阴县防洪app 鸡泽县威县旅游协会app 西华县应急管理app 久治县防洪信息app 鸡泽县威县第三中学app 涿鹿县防灾信息app 兰坪白族普米族自治县街道办app 古县出口管理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