在视频生成领域，OpenAI Sora 一直以其高昂的训练成本和卓越的性能被视为行业标杆。然而，潞晨科技近日宣布开源其视频生成模型 Open-Sora2.0，这一消息无疑在业界引起了巨大轰动。Open-Sora2.0 以其极低的训练成本和接近顶级模型的性能，迅速成为视频生成技术的新焦点。
Open-Sora2.0 的训练成本仅为 20 万美元，相当于 224 张 GPU 的投入，却成功训练出了一个拥有 110 亿参数的商业级视频生成大模型。这一成就不仅展示了潞晨科技在技术上的突破，也为视频生成领域带来了新的可能性。
尽管 Open-Sora2.0 的成本远低于 OpenAI Sora，但其性能却毫不逊色。在权威评测 VBench 和用户偏好测试中，Open-Sora2.0 的表现令人瞩目，多项关键指标上甚至能够媲美那些花费数百万美元训练的闭源模型。特别是在 VBench 评测中，Open-Sora2.0 与 OpenAI Sora 之间的性能差距从之前的 4.52% 大幅缩小至仅 0.69%，几乎实现了性能上的全面追平。
更令人振奋的是，Open-Sora2.0 在 VBench 中的得分甚至超过了腾讯的 HunyuanVideo，展现了其在视频生成技术上的强大实力。这一成就不仅证明了 Open-Sora2.0 的技术优势，也为开源视频生成技术树立了新的标杆。
在用户偏好评测中，Open-Sora2.0 在视觉表现、文本一致性和动作表现这三个关键维度上，至少有两个指标都超越了开源 SOTA 模型 HunyuanVideo 以及商业模型 Runway Gen-3Alpha 等。这一成绩进一步巩固了 Open-Sora2.0 在视频生成领域的领先地位。
Open-Sora2.0 之所以能够以如此低的成本实现如此高的性能，背后有着一系列的技术创新和优化策略。首先，Open-Sora2.0 延续了 Open-Sora1.2 的设计思路，采用了 3D 自编码器和 Flow Matching 训练框架，并引入了 3D 全注意力机制，进一步提升了视频生成质量。
为了追求极致的成本优化，Open-Sora2.0 从多个方面入手：严格的数据筛选确保了高质量的训练数据输入，优先进行低分辨率训练以高效学习运动信息，优先训练图生视频任务以加速模型收敛，并采用了高效的并行训练方案，结合 ColossalAI 和系统级优化，大幅提升了计算资源利用率。
据估计，市面上 10B 以上的开源视频模型，单次训练成本动辄上百万美元，而 Open-Sora2.0 将这个成本降低了 5-10 倍。这一突破不仅降低了高质量视频生成的门槛，也让更多开发者有机会参与到视频生成技术的研发中来。
更令人称赞的是，Open-Sora2.0 不仅开源了模型代码和权重，还开源了全流程训练代码，这无疑将极大地促进整个开源生态的发展。Open-Sora2.0 的学术论文引用量在半年内就获得了近百引用，在全球开源影响力排名中稳居首位，成为全球影响力最大的开源视频生成项目之一。
Open-Sora2.0 团队还积极探索高压缩比视频自编码器的应用，以大幅降低推理成本。他们训练了一款高压缩比（4×32×32）的视频自编码器，将单卡生成 768px、5 秒视频的推理时间从近 30 分钟缩短至 3 分钟以内，速度提升了 10 倍。这一创新意味着未来我们能够更快地生成高质量的视频内容。
潞晨科技推出的开源视频生成模型 Open-Sora2.0，以其低成本、高性能、全面开源的特性，无疑给视频生成领域带来了一股强劲的“平价”风。它的出现，不仅缩小了与顶级闭源模型之间的差距，更降低了高质量视频生成的门槛，让更多开发者能够参与其中，共同推动视频生成技术的发展。
GitHub 开源仓库:https://github.com/hpcaitech/Open-Sora
技术报告:https://github.com/hpcaitech/Open-Sora-Demo/blob/main/paper/Open_Sora_2_tech_report.pdf