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

那曲市财政信息app 开封市学校app 三门峡市教研app 资阳市申建app 呼和浩特市政务监督app 渭南市法律服务app 吐鲁番市妇联app 信阳市街道办app 雅安市第三中学app 三门峡市第一小学app 张家口市防洪信息app 克拉玛依市市场监督app 河源市司法管理app 赣州市第五小学app 连云港市安全宣传app 黑河市重大建设公开app 本溪市水利app 深圳市街道办app 普洱市第一高中app 桂林市第六中学app 铜仁市税收公开app 泰州市劳动局app 长春市助农app 营口市通讯协会app 昭通市非物质文化遗产app 泰安市暴雨监控中心app 日喀则市警务app 进贤县政府信息公开指南app 隆安县电力app 射阳县建湖县服务大厅app 江华瑶族自治县公路管理app 建始县通讯协会app 沂源县市场监督app 林甸县旅游监督app 祁东县第四高中app 突泉县第五高中app 涉县最新新闻app 克东县农业局app 绥江县第一高中app 乐安县未成年保护协会app 巩留县防灾信息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