北京時間週二深夜，阿里巴巴正式開源旗下視頻生成模型萬相2.1模型。頂級前沿模型的開源浪潮，終於湧向由AI驅動的視頻創作領域。

這也是本週AI產業“諸神混戰”的最新一章。週一美國Anthropic公司意外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週三，將給語音助手Alexa帶來“AI升級”。坊間也有傳言稱，OpenAI可能會在本週推出GPT-4.5。

根據通義介紹，此次開源的是兩個版本的模型：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(注：官方給的例子是英偉達4090)上用單卡8.2G顯存就能生成480P高質量視頻。性能甚至能與某些5B參數量的閉源大模型相媲美。

受此消息影響，阿里巴巴美股盤中異動拉昇，帶動中概股集體走強。

根據視頻生成模型的“大模型排行榜”，萬相2.1在VBench基準測試中位居全球第一，力壓美圖奇想、OpenAI Sora、Adobe/麻省理工的CausVid、蘋果 STIV等一衆國內外競品。

而行業領跑者的主動開源，而且是全部推理代碼和權重全部開源，意味着視頻生成模型賽道將會更加生機勃勃，競爭和迭代也會變得更加激烈——對於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。

作爲全球領先的視頻生成模型，萬相2.1的技術突破主要體現在兩點，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生成的視頻是否具有足夠的真實性。

而且大模型也能駕馭各種風格和題材。

另一個巨大的優勢，是萬相2.1能夠直接通過提示詞，在視頻中生成中文字(英文字也可以)，以及特殊藝術效果。可以想見，隨着這個模型的開源，中文AI應用市場又將迎來一波新玩法的升級。

在AI視頻中準確生成文字，不論是中文還是英文，是絕大多數競品目前未能達到的高度。

隨着萬相2.1完全開源，OpenAI、谷歌等競品也將直面商業化的挑戰：更好的模型已經開源了，AI生成視頻的定價也將面臨挑戰。

拖了一整年後，OpenAI去年底終於發佈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的計劃。谷歌Veo 2模型則在近期披露定價，每生成1秒視頻需要付費0.5美元，相當於生成一個小時的視頻需要花費1800美元。

本文轉載自財聯社，智通財經編輯：陳雯芳。