- MAGI-2 Preview 是 Sand.ai 继 Magi-1 之后的视频生成模型,2025年11月团队从 Dense 架构转向 MoE,8 个月后推出预览版。
- 技术核心是统一单流架构:文本、视频、音频进入同一个 Transformer,口型、表情、动作与对白从生成开始就共同建模。
- 在 Artificial Analysis 的 Image to Video 榜单排名全球第六(86.54%),超过 Sora 2(84.37%)与 Kling 2.0(84.20%)。
- 成本优势明显:生成 10 秒 1080p 视频约 0.5 元,约为行业主流模型的十分之一。
- 已开源:Apache 2.0 许可,推理代码在 GitHub SandAI-org/MAGI-2-preview,权重在 Hugging Face sand-ai/MAGI-2-preview。
MAGI-2 Preview 是什么
MAGI-2 Preview 是 Sand.ai 推出的视频生成模型预览版,是 2025年11月发布的 Magi-1 的续作。团队在 Magi-1 之后决定从 Dense 架构转向 MoE(混合专家),经过约 8 个月开发推出 MAGI-2 Preview,目标是解决视频生成在超长序列下的效率与同步问题。
生成采用两阶段:magi2_preview 先做低分辨率去噪(512x896),magi2_refiner 再提升到 1080p。当前版本未做蒸馏,去噪步数较多,后续会推出 distilled 蒸馏版本,速度将进一步改善。
技术亮点:统一单流与细粒度 MoE
MAGI-2 的三个技术亮点对应视频生成的三类痛点。第一,统一单流架构:文本、视频、音频进入同一个 Transformer,在每层 self-attention 中直接交互,口型、表情、动作、对白、环境声从生成一开始就共同建模,避免多流或级联方案的同步问题。
第二,细粒度 MoE:通过 Head Parallel 把跨设备通信前置到路由之前,解决视频超长序列下传统 MoE 通信量剧增的瓶颈。第三,自研基础设施:高性能 MoE kernel 库 MagiMoE 与分布式优化器 MagiMuon,支撑千亿参数稳定训练。
性能与成本
在 Artificial Analysis 的 Image to Video 榜单中,MAGI-2 Preview 综合得分 86.54%,排名全球第六,超过 Sora 2(84.37%)与 Kling 2.0(84.20%)。这意味着开源方案在视频生成质量上已经进入第一梯队。
成本是另一个突出优势:生成 10 秒 1080p 视频约 0.5 元,约为行业主流模型的十分之一。对批量生成与原型验证场景,这个成本水平显著降低了使用门槛。
开源与部署
MAGI-2 Preview 采用 Apache 2.0 许可开源,推理代码在 GitHub(SandAI-org/MAGI-2-preview),权重在 Hugging Face(sand-ai/MAGI-2-preview),可以按官方文档部署。两阶段生成(preview + refiner)需要分别加载对应权重。
部署时注意:当前版本未蒸馏,去噪步数较多,推理时间偏长;想要更快速度可等 distilled 版本发布。对开发者而言,Apache 2.0 许可意味着可以自由集成、商用与二次开发,本地部署或云服务均可。