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

承德市旅游协会app 武威市政务服务app 佛山市公共法律服务app 葫芦岛市公共文化服务app 揭阳市旅游监督app 秦皇岛市防灾信息app 韶关市财政信息app 淄博市第六中学app 运城市农业局app 清远市市场监督app 茂名市公路管理app 承德市第五小学app 林芝市工商信息app 长春市天气监控中心app 昆明市劳动局app 呼伦贝尔市防火app 滨州市暴雨监控中心app 珠海市工商局app 巴中市政府公报app 聊城市政务服务app 朔州市妇联救助app 晋城市街道办app 定西市建设局信息app 皋兰县环境保护协会app 寻甸回族彝族自治县太阳能发电信息app 云霄县工商信息app 岫岩满族自治县第一小学app 大方县残联救助app 茂县土木工程app 静乐县公益app 岳普湖县第二高中app 洛隆县教育局app 米易县第六小学app 兴安县新闻中心app 昌宁县第五小学app 修水县第六中学app 宝应县财政信息app 蓬溪县消防宣传app 环江毛南族自治县警务app 三都水族自治县专题专栏app 若尔盖县司法管理app 庆城县防火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