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

南昌市妇联app 石嘴山市第五高中app 信阳市重大建设公开app 清远市特殊家庭关爱协会app 漳州市论坛app 开封市最新新闻app 宜宾市公益app 石家庄市公路管理app 唐山市建设局信息app 湛江市妇联救助app 漳州市电台广播中心app 郁南县消费协会app 香河县景县铁路管理app 康保县第六小学app 康平县残联救助app 乳源瑶族自治县不良信息举报app 类乌齐县政务监督app 天柱县税务局app 郁南县民政管理app 莘县论坛app 灌云县第六小学app 陆川县重大建设公开app 宜阳县栾川县申建app 临泉县出口管理app 迁西县第一高中app 蒙城县灾害救助app 南涧彝族自治县公共法律服务app 元阳县公开信息app 吉水县历史记录app 岳池县残联救助app 三门县旅游协会app 苍溪县教育局app 巨野县街道办app 桦川县安全生产app 肇州县教研app 民勤县电力app 资源县审计公开app 临邑县热点专题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