阿里开源的万相 2.1 图生视频模型Wan2.1-I2V-14B-720P已经在沐曦国产 GPU 上跑通了通过模力方舟 Serverless API 就能直接调。听起来像又一个国产适配的新闻——但这次不一样。Wan2.1-I2V-14B 在官方给出的性能对比中把闭源模型和所有开源模型全压了一头是目前图生视频赛道上最强的开源选手。直接试https://ai.gitee.com/serverless-api?modelWan2.1-I2V-14B-720P一张图进去一段视频出来Wan2.1-I2V-14B 干的事情很简单给它一张图再给一句话描述你想要的画面它就给你吐一段视频。14B 参数支持 480P 和 720P 输出。这其实是模力方舟上线的第二个万相 2.1 模型。之前文生视频的 Wan2.1-T2V1.3B 和 14B已经在跑了这次补上了图生视频。官方的对比数据说明了什么Wan2.1-I2V-14B 在几个关键指标上把对手甩开了运动质量人物动作不会出现关节反向、肢体漂移这类低级错误物理合理性比闭源模型好时序一致性相邻帧之间的内容不会突变不会上一帧还在挥手、下一帧手就消失了文本对齐度Prompt 里写的动作生成出来的视频里真的有不是随便糊弄一段图像保真度输入图片里衣服的褶皱、背景的纹理在输出视频里还能看到没被吃掉手动评测的结果也一致——大部分项目上 Wan2.1-I2V-14B 对现有模型是碾压级的。沐曦 GPU 上实测的两个 case我们拿两个 Prompt 在沐曦 GPU 上直接跑了一遍Prompt一名中年男人在演讲。给了一张演讲台前的照片。生成的视频里这个人真的在讲——嘴巴在动手在比划身体有小幅度的自然晃动。背景没有跟着一起抖脸的轮廓也没变形。最难得的是口型和说话的感觉对得上不是那种嘴唇机械开合的效果。Prompt两只猫在食物前握手。两只猫坐在食物前面前爪慢慢伸向对方最后搭在一起。猫毛一根一根的没糊成一片。两只猫的动作节奏不一样一只先伸、另一只再回应不是那种复制粘贴的生硬同步。两个 case 在沐曦上都是一次过没翻车。想上手的话不需要自己搭 GPU 环境。打开模力方舟 Serverless API选 Wan2.1-I2V-14B-720P传图、写 Prompt发起调用等结果就行。模力方舟的 API 目前接了 11 个大类共 60 款模型——视频生成、文本生成、视觉、语音、OCR、ASR、TTS、特征抽取、代码生成、风控识别都在里面。按量买资源包不用按机器付费。这件事真正值得关注的点万相 2.1 是阿里开源的模型本身不是新闻。真正值得看的是沐曦 GPU 能跑通 14B 参数量、720P 输出的图生视频模型。图生视频的算力开销比文生视频高一个量级。能在国产卡上稳定跑下来而且输出质量跟官方 Demo 没差别说明这条链路不是实验室里调参调出来的是真的能用的。对于有国产化硬指标、需要私有化部署的企业这是一条可以开始评估的路线。