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

陇南市铁路管理app 廊坊市历史记录app 孝感市消防局app 益阳市税收公开app 来宾市社会求助app 黑河市第三中学app 南昌市电台广播中心app 烟台市招标信息app 开封市司法管理app 酒泉市学校app 铁岭市第二中学app 滁州市农业app 安庆市防火app 绵阳市消费协会app 丽水市政府信息公开指南app 枣庄市工商局app 菏泽市公共文化服务app 广安市第四高中app 吉林市劳动局app 佛山市社会求助app 册亨县警务app 隰县国土信息app 利津县妇联救助app 修武县学校简介app 平乡县第一高中app 和布克赛尔蒙古自治县招标信息app 石门县第五高中app 新干县民政管理app 长兴县第二小学app 夏津县税收公开app 全南县未成年保护协会app 大英县司法管理app 西吉县重大建设公开app 沙洋县水利app 八宿县文旅信息app 呼图壁县第二高中app 进贤县养殖补助app 托克托县专题专栏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