MAGI-2-preview

MAGI-2-preview官网

MAGI-2-preview 是 Sand.ai 开源的多模态视频生成模型，也是目前全球第一个开源的千亿参数级 MoE 视频模型。总参数 114B，但每次推理只激活 6B——容量和算力就此解耦，跑起来的成本远低于同等规模的稠密模型。

它延续了 MAGI 系列的单流架构：文本、视频、音频从第一层就进同一个 Transformer 联合建模，不走”多塔拼接再对齐”的老路。这样音画同步的细节是在底层长出来的，而不是后期硬凑。模型目前在 AA 视频生成榜排第六，代码和预训练权重已全部开放。

主要功能

• 多模态视频生成：文生视频、图生视频、视频生视频三种模式都支持，原生带音频理解。
• MoE 稀疏激活：114B 总容量，单次前向只点亮 6B 专家，推理开销压得很低。
• 单流统一架构：跳过 cross-attention 拼接，画面和声音从输入层就在同一注意力空间里交换信息。
• 面向视频的 Scaling 优化：针对超长序列重构了专家并行的 token 路由和跨卡通信策略。
• 训练稳定性机制：动态路由、专家负载均衡、多模态联合训练三重保障，缓解 MoE 常见的训练崩塌。

如何使用MAGI-2-preview

• 拉取代码：克隆 GitHub 仓库 SandAI-org/MAGI-2-preview，按 README 装依赖。
• 下载权重：从 GitHub Releases 或 HuggingFace 获取预训练权重。
• 选择生成模式：改配置文件切换 t2v / i2v / v2v，脚本格式沿用 MAGI-1 的 run.sh。
• 准备硬件：官方尚未给出 preview 版的确切配置，可参考 MAGI-1 的方案——24B 需多卡 H100，4.5B 版单张 24GB 显存可跑。

使用场景

• 长视频广告与短剧：大容量适合建模复杂叙事，能撑起分钟级的连贯剧情。
• 影视预演：原生音频能力让配音、音效跟画面一起生成，省掉后期对轨。
• 学术研究：千亿级视频 MoE 权重开源，给学界提供了一条可复现的 Scaling 基线。
• 企业私有化部署：Apache 2.0 协议对金融、医疗这类数据不能出内网的行业友好。
• 实时流媒体：稀疏激活带来的低推理成本，让低延迟的直播场景生成变得可行。

产品价格与版本

MAGI-2-preview 采用 Apache 2.0 协议开源，权重与推理代码免费且可商用。当前是 preview 预览版，正式版尚未发布。横向比一下阿里通义的 Wan2.7-Video：后者走 3D DiT 加流匹配的扩散路线，总参数 270B、激活 140B，在视频编辑（一句话改视频、风格迁移、局部替换）和运镜控制上更成熟，明确支持 2 到 15 秒、720P/1080P。MAGI-2-preview 走的是自回归加 MoE，强项在推理成本和原生音视频联合建模，编辑能力和时长上限目前还没公布。两者定位不同，不是简单的谁强谁弱。

常见问题解答

114B 的模型，普通团队跑得动吗？

关键看激活参数而非总参数——每次只激活 6B，显存占用和算力需求都比同规模稠密模型低一大截。不过 114B 的权重本身还是要完整加载，存储和多卡配置仍有门槛，preview 版官方配置要求还没定。

它和 MAGI-1 是什么关系？

MAGI-2-preview 延续了 MAGI-1 的单流自回归架构和流式生成能力，主要升级是引入 MoE 把容量拉到千亿级，并把音频纳入原生建模。使用方式上，运行脚本格式也基本沿用 MAGI-1。

可以商用吗？

可以。Apache 2.0 协议允许商用与二次开发，这在千亿级视频模型里比较少见。但它是 preview 版本，上生产前建议先在自己的素材上做充分评测。

官网网址

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

OpenI AI时代点评

视频生成这两年一直被算力卡着脖子——想要质量就得堆参数，堆完了推理又贵到没法商用。MAGI-2-preview 把 MoE 搬进视频领域，用 6B 激活撬动 114B 容量，等于给这个死结提供了一个解法。更重要的是它真的开源了权重，而不是只放个技术报告。

单流架构是另一处值得关注的取舍。音画在底层同一空间里建模，理论上同步性会比后期对齐更自然，代价是序列长度暴涨、通信压力大，所以团队才花大力气重构专家并行的路由策略。至于实际生成质量，preview 版还没有足够的第三方评测，视频时长和分辨率也没公布，观望一段时间更稳妥。想找已经能直接上手的多模态工具，可以对比看看 AstraFlow星图 这类偏应用层的方案。