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

乌海市第三中学app 抚顺市电视台广播app 苏州市重大建设公开app 云浮市第二小学app 郴州市教育信息app 芜湖市水利app 荆门市第四中学app 百色市太阳能发电信息app 四平市公路管理app 漯河市工程造价app 哈尔滨市服务大厅app 荆州市工程造价app 丹东市土地申报app 咸宁市消费协会app 兰州市第一高中app 昭通市信息公开app 柳州市旅游监督app 揭阳市市场监督app 扬州市水利app 通辽市信息公开app 阜阳市第三小学app 佛冈县森林消防app 武乡县助农app 肃北蒙古族自治县第四中学app 上蔡县信息公开app 红河县政务监督app 泗县第六小学app 焉耆回族自治县卫生协会app 泰宁县热点专题app 肥东县历史记录app 新绛县征地服务app 怀集县电视台广播app 惠水县专题专栏app 镇康县粮食管理app 惠水县灾害救助app 连山壮族瑶族自治县第三高中app 青阳县公益app 延寿县第三高中app 明溪县第四小学app 会泽县第二高中app 延寿县同城app 周至县出口管理app 麻栗坡县重大建设公开app 新蔡县台风信息app 遂昌县防洪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