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

鹰潭市第五中学app 金华市公路管理app 长沙市新闻中心app 景德镇市消防局app 宜春市惠农app 襄阳市市场监督app 自贡市公共法律服务app 肇庆市农业app 安庆市税收公开app 阜阳市安全生产app 宁德市第五小学app 南充市暴雨监控中心app 潍坊市国土信息app 衡阳市太阳能发电信息app 榆林市事业单位app 娄底市招标信息app 鹤岗市水务app 长沙市土地局app 宿迁市社会求助app 大同市第一中学app 榆林市电台广播中心app 东莞市工程造价app 宁波市非物质文化遗产app 清远市征地服务app 韶关市社会求助app 景泰县第一小学app 礼泉县第四小学app 盘山县申建app 柘城县政务监督app 泰顺县卫生协会app 郧西县电力app 团风县市场监督app 和静县第三中学app 固安县警务app 武陟县第一中学app 平武县司法管理app 习水县电力app 志丹县农业局app 鄄城县第四中学app 岳普湖县灾害救助app 东辽县学校简介app 仁化县农业补贴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