阿里云近日宣布了一項重大舉措，正式開源其視覺生成基座模型——萬相2.1（Wan）。此次開源行動采用了極為寬松的Apache2.0協議，意味著全球開發(fā)者將能夠無限制地訪問和使用這一前沿技術。

萬相2.1模型包含14B和1.3B兩種參數規(guī)格，阿里云不僅開放了全部推理代碼，還提供了相應的權重文件。這一舉措極大地方便了開發(fā)者進行文生視頻和圖生視頻等任務的探索。開發(fā)者可以在Github、HuggingFace和魔搭社區(qū)等多個平臺上輕松下載并體驗這一模型。

據悉，14B參數的萬相模型在指令遵循、復雜運動生成、物理建模以及文字視頻生成等多個領域均展現出了卓越的性能。在評測集VBench中，萬相2.1以86.22%的總分力壓群雄，包括Sora、Luma、Pika等國內外知名模型，成功登頂。而1.3B版本的測試結果同樣令人矚目，它不僅超越了更大尺寸的開源模型，還逼近了部分閉源模型的表現。尤為該版本能夠在消費級顯卡上流暢運行，僅需8.2GB顯存即可生成480P視頻，這對于二次模型開發(fā)和學術研究來說無疑是一個巨大的福音。

萬相視頻模型采用了先進的DiT架構和線性噪聲軌跡Flow Matching范式，并在此基礎上研發(fā)了高效的因果3D VAE和可擴展的預訓練策略等創(chuàng)新技術。特別是在3D VAE方面，萬相團隊通過實現特征緩存機制，成功支持了任意長度視頻的編碼和解碼，實現了對無限長1080P視頻的高效處理。通過將空間降采樣壓縮提前，萬相模型在不損失性能的前提下，進一步減少了29%的推理時內存占用，從而提升了整體運行效率。

在多個維度的測試中，萬相模型均展現出了業(yè)界領先的表現。特別是在運動質量、視覺質量、風格和多目標等14個主要維度以及26個子維度的測試中，萬相模型斬獲了5項第一，充分證明了其強大的技術實力和廣泛的應用潛力。

對于想要深入了解和使用萬相模型的開發(fā)者來說，以下是一些開源地址的鏈接：

Github：https://github.com/Wan-Video

HuggingFace：https://huggingface.co/Wan-AI

魔搭社區(qū)：https://modelscope.cn/organization/Wan-AI