阿里开源的视频生成模型Wan 2.1上线即表现亮眼，参数量为14B，直接在VBench上超越了Sora和Gen-3。模型能精准捕捉复杂运动细节，如5人同步跳hip-hop，还能在视频中生成自然的文字。

Wan 2.1有14B和1.3B两个版本，分别支持720P和480P分辨率。14B版本在4090显卡上占用8GB显存，耗时4分21秒。而1.3B版本在4070显卡上也可运行，适合个人创作者。

该模型免费商用，且支持通过多种平台访问，包括通义万相平台、HuggingFace和魔搭社区。Wan 2.1还支持图像生成视频功能，可生成日漫风格动画。其核心技术包括3D变分自动编码器和DiT架构，提升了视频生成速度和质量。