阿里万相视频生成大模型重磅开源！消费级显卡也能运行

2月26日消息，25日深夜，阿里云视频生成大模型万相2.1(Wan)重磅开源。

此次开源采用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、魔搭社区下载体验。

据介绍，14B版本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，在权威评测集Vbench中，万相2.1以总分86.22%大幅超越Sora、Luma、Pika等国内外模型，稳居榜首位置。

1.3B版本万相模型不仅超过了更大尺寸的开源模型，甚至还和一些闭源的模型结果接近，同时能在消费级显卡运行，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。

官方表示，从2023年开始，阿里云就坚定大模型开源路线，千问(Qwen)衍生模型数量已超过10万个，是全球最大的AI模型家族。

在视频生成方面，万相2.1通过自研高效VAE和DiT架构增强了时空上下文建模能力，支持无限长1080P视频的高效编解码，首次实现了中文文字视频生成功能。

随着万相的开源，阿里云两大基模全部开源，实现了全模态、全尺寸大模型的开源。

自2025年1月DeepSeek爆火以来，开源已经逐渐成为国内外大模型领域的“标配”。

进入2月，字节豆包、昆仑万维、百度文心、阿里通义千问等纷纷推出自家的开源模型，加入这场开源热潮