# SANA-WM：一个 26 亿参数的开源世界模型，能根据单张图片和镜头轨迹生成 1 分钟 720p 可控视频

> 原标题：SANA-WM, a 2.6B open-source world model for 1-minute 720p video

- 来源：Hacker News 首页
- 发布时间：2026-05-16T12:06:21.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/21709
- 原文：https://nvlabs.github.io/Sana/WM/

## 摘要

NVIDIA 放出了一个叫 SANA-WM 的开源模型，参数规模 26 亿，主打的是用一张图加一条镜头移动路线，直接生成长达一分钟的 720p 视频。它把长视频生成拆成两步：先用一个混合线性注意力的主干网络跑出长序列粗稿，再用一个 170 亿参数的精修模型去改善纹理、动作和后半段的画质。

## 推荐理由

NVIDIA 开源 26 亿参数的 SANA-WM，用单张图片加镜头轨迹生成一分钟 720p 视频，其两阶段生成流程展示了长视频画质与动作一致性的处理思路。

## 锐评

26 亿参数就敢叫世界模型，NVIDIA 这个尺寸在视频生成里算小的，真能稳定跑一分钟 720p 不崩，推理成本会很有吸引力。可除了标题和摘要，训练数据、许可证、推理成本、对比跑分一个没有，连能不能商用都看不出来。开源是加分，没许可证的开源跟没开源差不多。我的评价是先当 demo 看，谁真跑出 60 秒不糊的视频我再改口。
