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

海口市专题专栏app 临沧市招标信息app 朔州市财政信息app 西安市政务监督app 宜昌市电台广播中心app 达州市出口管理app 淮北市第二高中app 芜湖市妇联救助app 三门峡市妇联app 绍兴市土地局app 抚州市税务局app 辽源市公共文化服务app 汕头市台风监控中心app 晋中市旅游监督app 武威市灾害救助app 济南市住房保障app 鸡西市社会求助app 营口市城乡建设app 盐城市电视台广播app 郴州市惠农app 汕头市警务app 黑水县同城app 邵阳县中心校app 石楼县消防宣传app 庆城县第一中学app 安乡县灾害救助app 屏东县通讯协会app 明水县庆安县政府公报app 大名县卫生协会app 围场满族蒙古族自治县不良信息举报app 尼玛县第六小学app 普格县防灾信息app 黄龙县消防局app 瓮安县公共法律服务app 远安县台风信息app 英吉沙县工商信息app 乾安县第四中学app 偏关县公共法律服务app 师宗县旅游协会app 靖州苗族侗族自治县第三中学app 五寨县第二高中app 枣强县防火app 阳信县教育局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