全球首个自回归视频生成大模型「Magi-1」重磅开源

Magi-1 是首个实现顶级画质输出的自回归视频生成模型，模型权重、代码 100% 开源。其主打能力，一是无限长度扩展，实现跨时间的无缝连贯叙事。二是能将控制精确到每一“秒”，10s 内自定义视频时长。

Magi-1 整体架构基于 Diffusion Transformer，采用 Flow-Matching 作为训练目标。其最大的特点是不把视频当成一个整体去生成，而是通过自回归去噪方式预测固定长度的视频片段（chunk），每个片段固定为24帧。

在注意力机制上，也是提出了多项创新，包括：

• Block-Causal Attention
• Parallel Attention Block
• QK-Norm和GQA
• Flex-Flash-Attention
• 计算负载均衡
• 零冗余通信原语
• 自适应多阶段重叠

推理基础设施方面，主要针对实时流式视频生成和在 RTX 4090 GPU 上的经济高效部署两种场景进行设计，以满足不同应用需求。

目前官网支持免费试玩 Magi-1：https://sand.ai/magi