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

安顺市申建app 苏州市公开信息app 肇庆市第一小学app 漳州市风力发电app 防城港市街道办app 衢州市学校app 绍兴市第二中学app 宁波市税务局app 毕节市司法管理app 镇江市妇联app 揭阳市数据管理局app 伊春市热点专题app 葫芦岛市卫生协会app 玉溪市惠农app 泸州市数据管理局app 长春市城乡建设app 昆明市非物质文化遗产app 广州市专题专栏app 忻州市旅游监督app 许昌市电视台广播app 鄂州市民政管理app 葫芦岛市教研app 常州市非物质文化遗产app 广安市劳动局app 西宁市出口管理app 河源市同城app 金华市防灾信息app 台州市公正处app 张家口市养老服务app 上饶市旅游协会app 昌黎县教育信息app 丁青县政要信息app 宁明县风力发电app 合阳县数据管理局app 岳普湖县农业app 新龙县卫生协会app 永泰县通讯协会app 印江土家族苗族自治县暴雨监控中心app 城步苗族自治县土木工程app 建平县台风信息app 岳池县第一中学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