號稱「家用顯卡都能跑AI」超越Sora的阿里萬相大模型開源

阿里雲旗下影片和圖像生成模型「通義萬相2.1」（Wan）開源，號稱「家用顯卡都能跑AI」，代表頂級前沿模型的開源浪潮，湧向由AI驅動的影片創作領域，也代表本周全球AI大混戰升溫。

權威評測榜單VBench顯示，萬相2.1以總分86.22%的成績大幅超越Sora、Luma、Pika等國內外模型，穩居榜首位置。

財聯社報導，美國Anthropic公司24日發布首個混合推理模型Claude 3.7 Sonnet。與此同時，DeepSeek也在持續開源5個代碼庫，趕忙上架「最強大模型」的xAI，將推出一系列應用層面的優化；美國科技巨頭亞馬遜也已經定檔26日，將給語音助手Alexa帶來「AI升級」。坊間也有傳言稱，OpenAI可能會在本周推出GPT-4.5。

根據通義介紹，此次開源的是2個版本的模型：14B版本適用於專業創作者迅速上手部署，而1.3B參數量的版本在家用顯卡，例如輝達4090上用單卡8.2G顯存，就能生成480P高品質影片。性能甚至能與某些5B參數量的閉源大模型相媲美。

受消息影響，阿里巴巴美股盤中異動拉升，帶動中概股集體走強。

分析認為，萬相2.1主動開源，而且是全部推理代碼和權重全部開源，代表影片生成模型賽道將更加活躍，競爭和反覆運算也會變得更加激烈；對消費者以及內容產業的從業者而言，生產力躍升的速度也會變得更快、成本和使用門檻將快速降低。

例如，OpenAI終於在去年底發布Sora產品，面向每月繳納20／200美元的訂閱用戶。同時由於算力不足，暫時沒有推出API（應用程式開發介面）的計畫；谷歌Veo 2模型則在近期披露定價，每生成1秒影片需要付費0.5美元，相當於生成1個小時的影片，需要花費1800美元。

萬相2.1的技術突破主要體現在2點，首先是能夠展現複雜穩定的人物肢體動作，以及精準還原碰撞、反彈等複雜物理場景。這決定了AI生成的影片是否有足夠真實性。

另一個巨大的優勢，是萬相2.1能夠直接透過提示，可以在影片中生成中英文字及特殊藝術效果。隨著這個模型的開源，中文AI應用市場又將迎來一波新玩法的升級。

通義萬相於2023年7月7日上線，去年9月19日的阿里雲棲大會上，發布通義萬相影片生成大模型。