NVIDIA开源2.6B世界模型生成分钟级视频
推荐指数 75.0 NO. 010 · 2026.05.17
发布2026/05/16Score228Comments94
为什么值得看
SANA-WM是NVIDIA推出的26亿参数世界模型，单张GPU即可将单图+相机轨迹生成720p、1分钟的可控视频。对视频生成从业者意味着长时序一致性难题有了开源解法，不再需要堆叠多张A100。
媒体预览
编辑判断
长视频生成的核心瓶颈不是分辨率而是时序一致性和内存爆炸，之前大家要么用CogVideoX分段拼接，要么直接上Sora API烧钱。SANA-WM的Hybrid Linear Diffusion Transformer把线性注意力做进DiT结构，用2.6B参数做到了1分钟720p，这个参数效率很反常——对比CogVideoX-5B只能做6秒，或者Open-Sora的1.1B做16秒就显存吃满。
最值得关注的是它用camera trajectory做条件控制，这意味着游戏引擎、自动驾驶仿真、影视预演这些需要精确相机运动的场景，终于有了一个能本地部署的选项。做3D/4D内容工具的团队应该优先测它的轨迹跟随精度和物理合理性，而不是只看画面美感。
社区反馈
意见分歧 88 条评论
核心争论：开源世界模型能否靠架构创新弥补数据短板，追赶闭源竞品
So, where is the download? I can't find it on Github, and on your web page the download button is disabled. Also, will this run on RTX 4090 with 24GB memory? Thank you!
Scroll down and there are more videos --- seems like models will be there "soon".
There's a 5 second version available: https://huggingface.co/Efficient-Large-Model/SANA-Video_2B_7...