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

克拉玛依市旅游监督app 日喀则市学校简介app 临沂市助农app 亳州市税收公开app 葫芦岛市第二高中app 珠海市街道办app 克拉玛依市文旅信息app 邢台市第三小学app 咸宁市森林消防app 许昌市残联app 怀化市公正处app 邯郸市事业单位app 南昌市公益app 蚌埠市工商信息app 镇江市卫生协会app 乐山市安全宣传app 资阳市暴雨监控中心app 白银市电视台广播app 毕节市第二小学app 平山县台风监控中心app 修武县土木工程app 顺平县公开信息app 新丰县税收公开app 绥德县第一中学app 宁城县铁路管理app 岚县公路管理app 大化瑶族自治县同城app 集贤县农业局app 阳山县文旅信息app 平罗县安全宣传app 建始县工商信息app 普定县防火app 普格县数据管理局app 蓝山县农业app 永平县防灾信息app 尉犁县公共文化服务app 黔西县消防宣传app 湖口县街道办app 会宁县第二高中app 上思县第四小学app 临漳县防洪app 高唐县残联救助app 祁县第五高中app 松阳县电视台广播app 临颍县第三中学app 永新县第六中学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