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

阳江市第二高中app 呼和浩特市公路管理app 德阳市第六小学app 鞍山市台风监控中心app 武威市桥梁管理app 梅州市第二中学app 池州市市场监督app 鹤岗市电力app 上饶市财政信息app 自贡市热点专题app 绵阳市第三中学app 连云港市文旅信息app 攀枝花市教育信息app 山南市第二高中app 舟山市森林消防app 石嘴山市第三中学app 宜春市防灾信息app 曲靖市税收公开app 柳城县不良信息举报app 岢岚县司法管理app 永靖县土地申报app 上高县司法管理app 永春县第二小学app 云阳县水务app 渑池县第三中学app 贞丰县住房保障app 陇西县工商信息app 师宗县农业局app 会昌县招标信息app 安乡县惠农app 交城县消防局app 滑县出口管理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