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

襄阳市暴雨监控中心app 攀枝花市第四小学app 丹东市旅游协会app 吐鲁番市第一中学app 大庆市第三中学app 辽源市工商信息app 酒泉市第五高中app 张家界市信息公开app 巴彦淖尔市民政管理app 镇江市第四高中app 苏州市防灾信息app 泰州市惠农app 吴忠市出口管理app 九江市公正处app 南充市安全生产app 铁岭市电台广播中心app 青岛市公开信息app 佛山市土木工程app 铁岭市太阳能发电信息app 武汉市惠农app 佛山市工程造价app 毕节市环境保护协会app 泰安市便民app 哈密市第一高中app 旌德县税收公开app 索县安全生产app 汤原县教研app 东源县养老服务app 漳浦县市场监督app 宁陕县城乡建设app 金溪县政要信息app 高邑县第五高中app 索县水利app 炉霍县农业局app 崇仁县第三小学app 循化撒拉族自治县农业app 静乐县税务局app 筠连县最新新闻app 仲巴县暴雨监控中心app 唐河县财政信息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