Wan: Open and Advanced Large-Scale Video Generative Models：开源视频生成模型Wan，14B参数超越商业方案
2025年3月，Wan团队发布了开源视频基础模型系列Wan，包含1.3B和14B两个版本。基于扩散Transformer架构，Wan在内部和外部基准测试中持续超越现有开源模型及商业方案。14B模型在多个下游任务（如图像到视频、指令引导视频编辑、个性化视频生成）上表现领先。1.3B模型仅需8.19GB显存，可在消费级GPU上运行。所有代码和模型已开源。
Development
- First ReportWan: Open and Advanced Large-Scale Video Generative Models：开源视频生成模型Wan，14B参数超越商业方案arXiv cs.AI
- Current AssessmentWan的开源策略将显著降低视频生成的门槛，对影视制作、广告、社交媒体内容创作等行业产生冲击。现有商业模型（如Runway、Pika）面临竞争压力。同时，1.3B模型的低资源需求使得小型工作室和个人创作者也能使用高质量视频生成工具。Agent Pulse · analysis
Wan是首个全面开源的大规模视频生成模型系列，其14B版本在性能上超越现有开源和商业模型，1.3B版本则实现了消费级GPU的可用性。该工作通过创新的VAE、可扩展预训练策略和大规模数据整理，推动了视频生成领域的民主化。开源策略有望加速社区创新和应用落地。
Wan基于扩散Transformer（DiT）架构，核心创新包括：1）新型VAE，提升视频压缩和重建质量；2）可扩展的预训练策略，在数十亿图像和视频数据上训练，验证了视频生成的缩放定律；3）大规模数据整理方法，确保数据质量和多样性；4）自动化评估指标。模型支持8种下游任务，包括文本到视频、图像到视频、视频编辑、个性化生成等。14B模型在多个基准（如UCF-101、MSR-VTT）上取得SOTA，但论文未提供详细对比表格。1.3B模型显存需求仅8.19GB，适合RTX 4090等消费级GPU。
Wan的开源策略将显著降低视频生成的门槛，对影视制作、广告、社交媒体内容创作等行业产生冲击。现有商业模型（如Runway、Pika）面临竞争压力。同时，1.3B模型的低资源需求使得小型工作室和个人创作者也能使用高质量视频生成工具。
建议内容创作平台（如抖音、YouTube）评估集成Wan模型以增强用户创作工具。投资可关注基于Wan的垂直应用（如广告视频生成、教育视频制作）。工程上，可部署1.3B模型到边缘设备，实现实时视频生成。
需关注：1）Wan在长视频（>1分钟）生成上的表现；2）模型的可控性和一致性；3）社区基于开源模型的二次开发和优化；4）版权和伦理问题（如深度伪造）；5）与Sora等闭源模型的持续对比。