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

秦皇岛市电视台广播app 晋城市农业补贴app 珠海市公益app 盘锦市法律服务app 定西市第二高中app 包头市土地局app 盘锦市同城app 通辽市司法管理app 湘潭市电台广播中心app 黄石市文旅信息app 雅安市卫生协会app 四平市水务app 菏泽市暴雨监控中心app 广州市公共法律服务app 武汉市政务监督app 临汾市政府信息公开指南app 枣庄市数据管理局app 邢台市第六小学app 保定市太阳能发电信息app 儋州市街道办app 平凉市防洪app 蚌埠市卫生协会app 进贤县第三中学app 西充县旅游监督app 固安县台风信息app 静宁县重大建设公开app 沂南县消防局app 灵丘县水务app 威远县国土信息app 关岭布依族苗族自治县信息公开app 民权县土地局app 渭源县台风监控中心app 石阡县养老服务app 肃宁县政务服务app 柞水县工程造价app 治多县专题专栏app 察雅县税收公开app 宁南县水务app 吉安县第二高中app 大悟县新闻中心app 商水县公益app 中阳县学校简介app 盐源县灾害救助app 单县公正处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