格物致知

SANA-WM 是英伟达发布的 2.6B 参数开源世界模型，能在单张 GPU 上将一张图像和一条相机轨迹转换为 720p、时长一分钟的可控视频。混合线性 Diffusion Transformer（将 Gated DeltaNet 与稀疏 Softmax Attention 交替堆叠，将 961 帧长序列的显存复杂度从OT2O(T^2)OT2降至OD2O(D^2)OD2）、双分支相机控制。