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

遵义市旅游协会app 咸宁市征地服务app 泉州市惠农app 株洲市第五高中app 九江市第四中学app 德阳市住房保障app 金华市太阳能发电信息app 宜昌市城乡建设app 长春市教育信息app 娄底市出口管理app 大庆市惠农app 石家庄市农业局app 长治市环境保护协会app 清远市防火app 鄂州市铁路管理app 渭南市政要信息app 西宁市防洪信息app 无锡市同城app 河池市审计公开app 湖州市第二高中app 湖州市消防局app 南阳市社会求助app 汕尾市振兴乡村app 周口市消防宣传app 吴忠市最新新闻app 岱山县第五中学app 曲麻莱县社会求助app 德化县土地申报app 安岳县特殊家庭关爱协会app 澎湖县公共文化服务app 大荔县国土信息app 大荔县电视台广播app 新龙县社会求助app 亚东县城乡建设app 江达县第四中学app 天祝藏族自治县司法管理app 沂水县旅游协会app 巍山彝族回族自治县太阳能发电信息app 桐梓县便民app 阿克陶县出口管理app 花垣县社会求助app 静宁县政要信息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