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

惠州市政府信息公开指南app 岳阳市第四高中app 金华市中心校app 锦州市惠农app 渭南市法律服务app 许昌市第六小学app 宣城市第五小学app 梧州市公路管理app 巴彦淖尔市便民app 漳州市司法管理app 安阳市公开信息app 潮州市税务局app 株洲市第三中学app 哈密市风力发电app 昆明市便民app 安康市土地申报app 丽江市劳动局app 泉州市第四小学app 儋州市第四小学app 成都市学校app 衡阳市政务服务app 乌兰察布市铁路管理app 梓潼县未成年保护协会app 景东彝族自治县第一高中app 垣曲县灾害救助app 环江毛南族自治县第五高中app 永顺县残联救助app 冠县审计公开app 镇宁布依族苗族自治县振兴乡村app 陆川县妇联救助app 昔阳县数据管理局app 云林县风力发电app 寻乌县台风信息app 夏津县新闻中心app 崇仁县防洪信息app 屏东县土地局app 涉县第三小学app 五寨县防灾信息app 鄯善县第三高中app 浮梁县太阳能发电信息app 费县建设局信息app 思南县台风信息app 应县教育局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