英伟达发布SANA-WM：单卡可运行的高效开源视频生成模型

英伟达NVLabs近日发布了名为SANA-WM的开源世界模型，该模型拥有26亿参数，专注于高效能的视频生成任务。其核心突破在于能够在消费级硬件上生成长达1分钟的720p高清视频，并支持显式的6自由度（6-DoF）相机控制，允许用户精确调整拍摄角度。技术上，SANA-WM采用了混合线性注意力机制和双分支相机控制管线，声称在生成速度上比同类开源模型快36倍。测试显示，在经过NVFP4量化后，该模型在RTX 5090显卡上仅需34秒即可渲染出一分钟的720p视频片段，且全过程仅需单张GPU即可完成，大幅降低了部署门槛。尽管社区反馈认为其视觉精细度目前仅相当于Stable Diffusion 1.5的水平，且在处理复杂交互时可能不及闭源竞品，但其开源特性和极致的能效比仍引起了广泛关注。目前该模型的权重及代码暂未完全开放，预计将在GitHub上正式发布。

事件分析

💡 核心观点：AI视频生成正从“算力堆叠”转向“架构优化”，SANA-WM证明了轻量级模型配合高效算法才是降低应用门槛的关键。