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

泰州市台风监控中心app 漳州市招标信息app 潍坊市政府公报app 泉州市学校简介app 佳木斯市助农app 固原市电台广播中心app 包头市第三高中app 咸宁市振兴乡村app 鹤壁市通讯协会app 包头市电台广播中心app 定西市法律服务app 温州市学校app 伊春市信息公开app 昌都市公正处app 佳县太阳能发电信息app 炉霍县公益app 会宁县防洪app 勃利县第一中学app 乌什县公路管理app 屯昌县中心校app 河口瑶族自治县服务大厅app 古蔺县第六中学app 柞水县养老服务app 齐河县残联救助app 神池县民政管理app 繁峙县招标信息app 襄汾县第六小学app 漾濞彝族自治县中心校app 永嘉县通讯协会app 新龙县安全宣传app 竹山县市场监督app 泽州县第四小学app 新绛县惠农app 佛坪县民政管理app 绥棱县工商局app 遂平县天气监控中心app 费县第一高中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