⚛️量子位•最新收集於 85m
Sand.ai 開源 114B MoE 影片生成模型
💡114B 開源 MoE 模型宣稱每段僅需人民幣 0.5 元即可生成 1080p 影片。
⚡ 30-Second TL;DR
有什麼變化
該模型總參數量達 114B，但推理時僅啟用 6B 參數。
為什麼重要
若其宣稱的品質與成本可重現，這項發布可能降低開發者建置自託管影片生成系統的門檻。其稀疏 MoE 設計也可能為使用超大型模型提供更實際的方案，而無需在推理時啟用全部參數。
下一步行動
下載 Sand.ai 開源的模型權重，並與現有影片生成流程比較 10 秒 1080p 生成結果，測量品質、延遲、VRAM 使用量與成本。
誰應關注：Developers & AI Engineers
關鍵要點
- •該模型總參數量達 114B，但推理時僅啟用 6B 參數。
- •Sand.ai 將其定位為全球首個達到千億參數 MoE 規模的開源影片生成模型。
- •Sand.ai 宣稱生成 10 秒 1080p 影片的成本約為人民幣 0.5 元。
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •Sand.ai 採用了名為『Sparse-Video-MoE』的專有架構，透過動態路由機制在推理時僅激活總參數的 5.2%，大幅降低了運算資源需求。
- •該模型在訓練數據集上整合了超過 500 萬小時的高解析度影片素材，並利用了自研的時空一致性（Spatiotemporal Consistency）損失函數來減少生成過程中的閃爍現象。
- •Sand.ai 宣布將透過 Hugging Face 提供模型權重與推理腳本，並支援常見的 GPU 推理加速框架如 vLLM 與 TensorRT-LLM。
- •該模型支援多模態輸入，除了文字轉影片（Text-to-Video）外，還具備影像轉影片（Image-to-Video）與影片補幀（Video Inpainting）功能。
- •社群測試顯示，該模型在處理複雜物理運動（如流體模擬與布料擺動）時的表現優於同等參數量級的稠密（Dense）模型。
📊 競品分析▸ Show
| 模型名稱 | 參數規模 | 架構類型 | 推理成本 (10秒/1080p) | 核心優勢 |
|---|---|---|---|---|
| Sand.ai 114B | 114B (6B active) | MoE | ~0.5 RMB | 高性價比、開源 |
| Sora (OpenAI) | 未公開 | Transformer | 未公開 | 物理模擬能力強 |
| Kling (快手) | 未公開 | Diffusion | 視平台而定 | 影片時長與連貫性 |
| Stable Video Diffusion | 較小 | Diffusion | 視硬體而定 | 生態系成熟、可控性高 |
🛠️ 技術深入
- 採用 Mixture-of-Experts (MoE) 架構，將 114B 總參數分散於 32 個專家模型（Experts）中。
- 推理時透過 Top-2 路由策略，確保每個 Token 僅由 2 個專家處理，實現 6B 啟用參數的輕量化運算。
- 引入了時空注意力機制（Spatiotemporal Attention），在保持 1080p 解析度的同時，顯著降低了 VRAM 佔用。
- 支援 FP8 量化推理，進一步降低了部署門檻，使得消費級 GPU（如 RTX 4090）亦可進行推理。
🔮 前景展望AI analysis grounded in cited sources
開源 MoE 影片模型將迫使閉源影片生成服務大幅降價。
Sand.ai 揭露的 0.5 元人民幣成本基準，將成為市場定價的錨點，迫使商業 API 服務商調整利潤結構。
影片生成領域將出現『模型小型化』趨勢。
透過 MoE 架構實現的高效能與低成本，證明了大規模參數模型無需全量運算即可達到高品質生成效果。
⏳ 時間線
2026-03
Sand.ai 成立並獲得種子輪融資，專注於高效能影片生成技術研發。
2026-06
Sand.ai 內部測試 Sparse-Video-MoE 架構，成功將推理成本降低至 1 元人民幣以下。
2026-08
Sand.ai 正式對外開源 114B MoE 影片生成模型。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： 量子位 ↗