MAGI-2-preview是什么

MAGI-2-preview 是 Sand.ai 放出的一个重量级开源项目。

它是全球首个千亿参数级别的MoE多模态视频生成模型，参数总量高达114B，但每次推理激活的仅6B参数。

它的核心架构延续了单流设计，把文本、视频、音频全部统一放进同一个Transformer里进行联合建模，实现了真正的原生多模态生成。

在AA视频生成榜单上，它目前排名第六。模型代码和预训练权重都已经开放，给视频生成领域的高效Scaling路径增添了一个很有分量的验证样本。

MAGI-2-preview的主要功能

• 多模态视频生成：支持文本、图像、视频到视频的生成，并且原生融合了音频理解。这意味着输入和输出模态灵活，音频不再是后期合成的附属品。
• MoE 稀疏激活：114B参数总量，激活仅6B，推理成本大幅降低。这是典型的“大容量、低开销”路线。
• 单流统一架构：放弃了传统的cross-attention拼接方式，从第一层开始就对画面和声音共同建模。音画同步的细节捕捉能力理论上更强。
• 高效 Scaling：针对视频生成场景，重构了MoE通信与训练稳定性，解决了超长序列下的跨卡通信瓶颈。这算是从工程层面对Scaling Law的验证。

MAGI-2-preview的技术原理

那么，这么大一个模型是怎么做到高效运行的呢？关键就在于几个核心设计。

核心设计一：MoE 混合专家架构

• MoE 混合专家架构：模型容量达到114B，但每次前向传播只激活6B参数。容量和计算成本实现了解耦，是稀疏激活的典型优势。

核心设计二：单流 Transformer

• 单流 Transformer：文本、视频、音频的token从输入层就进入同一个Transformer，通过自注意力机制直接交换跨模态信息。
• 相比那种多塔拼接的架构，这种方式更能捕捉到音画同步的细节，比如嘴型、动作与声音的配合。

核心设计三：分布式通信优化

• 分布式通信优化：视频生成涉及超长序列，对通信要求极高。MAGI-2-preview重构了专家并行中的token路由与通信策略，有效降低了跨GPU的数据传输开销。

核心设计四：训练稳定性方案

• 训练稳定性方案：动态路由、专家负载均衡与多模态数据联合训练，这三重机制共同保障了训练的稳定性，避免了MoE模型常见的训练崩溃问题。

如何使用MAGI-2-preview

上手这个模型并不复杂，按照下面的步骤即可。

• 环境准备：先克隆GitHub仓库 SandAI-org/MAGI-2-preview，然后按照README文档配置好依赖环境。
• 下载权重：从GitHub Releases页面获取预训练权重文件。
• 运行推理：修改配置文件与脚本参数，支持 t2v / i2v / v2v 三种模式，可以参考MAGI-1的 run.sh 格式来执行。
• 硬件要求：具体配置需等待官方文档更新，但可以参考MAGI-1的经验：24B版本需要多卡H100，4.5B版本单卡24GB VRAM即可运行。

MAGI-2-preview的核心优势

放在当前的开源视频生成模型里，它有几个明显的加分项。

• 开源可商用：模型采用Apache 2.0协议，预训练权重和推理代码完全开放，商业使用不受限制。这对企业用户来说是个好消息。
• 千亿 MoE 首创：全球首个成功开源的千亿级MoE视频生成模型，验证了视频领域Scaling的新路径，为后续研究提供了坚实基线。
• 低成本高容量：6B激活参数就能驱动114B容量的模型，推理成本远低于同等规模的传统稠密模型。这是MoE架构在高容量场景下的核心价值。
• 原生多模态：单流架构让音视频在模型底层就深度融合，避免了后期对齐带来的延迟与质量损失。音画同步的体验会更好。

MAGI-2-preview的项目地址

• 项目官网：https://sand.ai/blog/magi-2-preview
• GitHub仓库：https://github.com/SandAI-org/MAGI-2-preview
• HuggingFace模型库：https://huggingface.co/sand-ai/MAGI-2-preview

MAGI-2-preview的同类竞品对比

放到同类产品里看看，MAGI-2-preview和阿里通义实验室的Wan2.7-Video做个对比，差异一目了然。

MAGI-2-preview的应用场景

这个模型的潜力并不局限于学术研究，实际落地场景也很丰富。

• 长视频广告与短剧：MoE的大容量让复杂叙事成为可能，分钟级连贯剧情视频不再是遥不可及。
• 多模态影视预演：原生音频理解能力让配音、音效与画面的同步生成和编辑变得更自然，预演阶段的效率会大幅提升。
• AI 视频学术研究：开源千亿级视频MoE权重，为学术界提供了一个可复现的Scaling基线，研究门槛大大降低。
• 企业私有化部署：基于Apache 2.0协议，金融、医疗等对数据安全要求高的行业，可以放心构建自己的私有视频生成能力。
• 实时流媒体生成：稀疏激活降低推理成本，为低延迟的实时视频生成和直播场景提供了技术支撑。

《夸克》非常好用的免费AI浏览器

下载APP查看