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

葫芦岛市教育信息app 阳泉市第六中学app 安阳市电视台广播app 兰州市建设局信息app 平顶山市城乡建设app 晋中市电力app 无锡市新闻中心app 汕头市台风监控中心app 百色市教研app 东莞市第五中学app 连云港市振兴乡村app 贵港市论坛app 德阳市惠农app 长春市森林消防app 呼伦贝尔市应急管理app 渭南市环境保护协会app 娄底市公共文化服务app 江门市服务大厅app 济宁市社会求助app 广安市旅游协会app 莆田市出口管理app 保定市建设局信息app 六安市市场监督app 酒泉市防火app 惠州市第一小学app 赣州市农业app 来宾市水利app 白山市第三小学app 铜陵市中心校app 于田县税收公开app 景东彝族自治县土木工程app 青冈县服务大厅app 黄梅县住房保障app 景泰县学校app 献县市场监督app 红原县应急管理app 永胜县第二高中app 突泉县残联救助app 黄龙县学校简介app 沙雅县人社管理app 通江县环境保护协会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