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

岳阳市非物质文化遗产app 遵义市教研app 白城市民政管理app 荆门市重大建设公开app 菏泽市新闻中心app 盐城市消防局app 朝阳市第一高中app 承德市司法管理app 苏州市国土信息app 吉林市第二高中app 怀化市水利app 驻马店市街道办app 通辽市非物质文化遗产app 晋城市桥梁管理app 信阳市司法管理app 尼木县出口管理app 雅江县教育局app 虞城县防灾信息app 定边县土木工程app 新乡县不良信息举报app 全州县公正处app 昭觉县第五高中app 昭平县第三高中app 寻乌县审计公开app 双牌县政要信息app 剑阁县重大建设公开app 商水县台风信息app 茂县第六中学app 丰宁满族自治县消防宣传app 临泽县政府信息公开指南app 青川县残联app 永泰县第一中学app 富川瑶族自治县惠农app 册亨县税收公开app 琼结县司法管理app 八宿县应急管理app 远安县电视台广播app 翁源县第二中学app 田林县消费协会app 桐梓县公共法律服务app 和静县热点专题app 甘德县审计公开app 郏县第六中学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