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

昆明市事业单位app 烟台市政务服务app 柳州市风力发电app 玉溪市电力app 德阳市司法管理app 哈尔滨市公益app 赤峰市灾害救助app 本溪市卫生协会app 黄山市土木工程app 三门峡市政务监督app 大同市第三中学app 钦州市工程造价app 嘉峪关市学校app 乐山市财政信息app 天水市土地局app 中卫市街道办app 松原市卫生协会app 潮州市文旅信息app 山南市养老服务app 荆门市学校简介app 南通市电台广播中心app 天水市太阳能发电信息app 自贡市服务大厅app 南充市农业局app 常德市征地服务app 青岛市第四中学app 兰州市第五中学app 融水苗族自治县学校app 佳县财政信息app 随县便民app 翼城县工程造价app 峡江县农业局app 紫云苗族布依族自治县政要信息app 汝城县民政管理app 陇川县特殊家庭关爱协会app 石渠县中心校app 凤庆县政府公报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