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

玉溪市政务监督app 通化市劳动局app 佳木斯市非物质文化遗产app 巴彦淖尔市第五高中app 贵港市安全宣传app 乌兰察布市公共文化服务app 娄底市第二中学app 三亚市民政管理app 咸宁市人社管理app 吴忠市第四中学app 丽江市电视台广播app 吴忠市台风监控中心app 浪卡子县铁路管理app 永靖县第六小学app 稷山县第五高中app 扎囊县风力发电app 绥滨县卫生协会app 沅陵县最新新闻app 肥西县审计公开app 新疆维吾尔自治区热点专题app 白朗县妇联app 新丰县国土信息app 彰化县风力发电app 澎湖县公共文化服务app 乌兰县出口管理app 孝昌县第二高中app 长白朝鲜族自治县公益app 钟山县国土信息app 成武县劳动局app 平昌县专题专栏app 华容县热点专题app 房县农业局app 察布查尔锡伯自治县申建app 安仁县第一小学app 马边彝族自治县水务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