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

武威市电视台广播app 镇江市重大建设公开app 常州市数据管理局app 长治市养老服务app 柳州市第五中学app 嘉峪关市消费协会app 保山市新闻中心app 石家庄市土木工程app 茂名市天气监控中心app 邢台市学校简介app 梧州市第一小学app 运城市台风信息app 通辽市政府公报app 许昌市水务app 自贡市人社管理app 鸡西市文旅信息app 铁岭市同城app 白银市警务app 宜春市便民app 宁德市桥梁管理app 定西市土地局app 濮阳市工商局app 西宁市市场监督app 平遥县助农app 南木林县征地服务app 嘉荫县公开信息app 弋阳县市场监督app 米易县税收公开app 化德县商都县文旅信息app 工布江达县税务局app 康保县公益app 左权县振兴乡村app 南昌县残联救助app 容县论坛app 华坪县申建app 芒康县防洪信息app 台江县同城app 富顺县通讯协会app 黎城县第二高中app 称多县第一小学app 正安县新闻中心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