Alibaba Wan 2.7: Kuidas Thinking Mode muudab tehisintellekti videogenereerimist

Alibaba Tongyi Lab avaldas Wan 2.7 6. aprillil 2026, tuues kaasa "Thinking Mode" funktsiooni, mis muudab põhjalikult viisi, kuidas AI videomudelid päringuid töötlevad. Selle asemel, et genereerida kaadreid otse tekstist, koostab mudel esmalt stseeni sisemise plaani ja seejärel viib selle ellu. Tulemused räägivad enda eest: vähem artefakte, parem sidusus ja märgatavalt teadlikumad kompositsioonid.

Mis on Thinking Mode?

Enamik videogenereerimise mudeleid töötab ühe läbimisega. Kirjutad päringu, mudel hakkab müra piksliteks muundama ja saad selle, mis välja tuleb. See toimib lihtsate stseenide puhul piisavalt hästi, kuid ebaõnnestub, kui päringud hõlmavad mitut subjekti, konkreetseid ruumilisi suhteid või keerukaid tegevusi.

Wan 2.7 lisab vaheetapi. Enne mis tahes pikslite genereerimist mudel:

Analüüsib päringut semantilisteks komponentideks (subjektid, tegevused, keskkond, valgustus)
Planeerib kompositsiooni määrates kindlaks, kus elemendid peaksid asuma ja kuidas nad peaksid omavahel suhtlema
Genereerib väljundi kasutades seda plaani struktuurse juhisena

💡

Mõtle sellele kui erinevusele maali improviseerimise ja esmalt kompositsiooniuuringu joonistamise vahel. Eskiis ei ilmu lõppteosesse, kuid see kujundab iga pintslitõmmet.

See sarnaneb sellega, kuidas "mõtteahela" (chain-of-thought) lähenemine parandas suuri keelemudeleid. Sundides mudelit enne tegutsemist mõtlema, paraneb väljundi kvaliteet märkimisväärselt, eriti keerukate päringute puhul.

Täielik Wan 2.7 komplekt

Wan 2.7 ei ole ainult üks mudel. See tarnitakse nelja mudeli komplektina, mis katab erinevaid genereerimisvoogusid:

Mudelikomplekt

$0.10/s

API hind

6. apr.

Avaldamiskuupäev

Mudel	Sisend	Väljund	Parim kasutus
Tekstist videoks	Tekstipäring	Videoklipp	Loomine nullist
Pildist videoks	Pilt + päring	Videoklipp	Piltide animeerimine, kontseptkunst
Viidest videoks	Viitevideo + päring	Uus video	Stiiliülekanne, taasloomine
Video redigeerimine	Video + redigeerimishjuhised	Muudetud video	Järeltöötlus, parandused

Tekstist videoks mudel on juba saadaval Together AI platvormil alates 3. aprillist. Ülejäänud kolm mudelit muutuvad kättesaadavaks järgnevate nädalate jooksul.

Kapoti all: arhitektuuri üksikasjad

Kuigi Alibaba ei ole veel täielikku uurimistööd avaldanud, on API dokumentatsioonist ja varastest testidest selgunud mitmeid tehnilisi üksikasju.

Mida teame	Mis seda eristab
Ehitatud Wan (Wanxiang) arhitektuuriliini peale	Esimene tootmismudel selgesõnalise kompositsioonilise planeerimisega
Thinking Mode lisab planeerimisfaasi enne difusiooni	Mitme elemendiga stseenid käsitlevad 5+ subjekti puhtalt
Hüperrealistlik tegelaste järjepidevus kaadrite vahel	Teksti renderdamine genereeritud videos on loetav, mitte moonutatud
Täpne värvikontroll päringu konditsioneerimise kaudu	Värvitäpsus püsib järjekindel valgustusmuutuste korral
Suurepärane pika teksti renderdamine (tekst videotes)	Keerukad kaameraliigutused säilitavad ruumilise sidususe

Pika teksti renderdamise võimekus on eriti tähelepanuväärne. Varasemad mudelid vaevlesid loetava teksti genereerimisega videokaadreis. Wan 2.7 käsitleb silte, märgiseid ja isegi lühikesi lõike üllatava täpsusega. Loojatele, kes vajavad genereeritud materjali sisse põimitud tekstikihte, on see märkimisväärne samm edasi.

Võrdlus konkurentidega

AI videoturg muutus sel nädalal oluliselt: Wan 2.7 saabus just siis, kui OpenAI kinnitas Sora sulgemist ja Google vähendas Veo 3.1 hindu.

Mudel	Hind	Heli	Maks. pikkus	Tegelaste järjepidevus	Mõtlemine/Planeerimine
Wan 2.7	$0.10/s	Ei	~10s	Tugev	Jah
Veo 3.1 Lite	$0.05/s	Jah	~8s	Hea	Ei
Veo 3.1 Fast	$0.12/s	Jah	~8s	Tugev	Ei
Kling 3.0	~$0.08-0.17/s	Jah	~10s	Tugev	Ei
Seedance 2.0	Sisaldub	Jah	15s	Hea	Ei
Runway Gen-4.5	~$0.15/s	Ei	~10s	Tugev	Ei

⚠️

Wan 2.7 ei sisalda natiivset heligenereerimist. Sünkroniseeritud heli nõudvate projektide jaoks vajad eraldi helikonveierit või mudelit nagu Kling 3.0 või Veo 3.1, mis genereerivad heli natiivselt.

Hind $0.10 sekundi kohta asetab Wan 2.7 konkurentsivõimelisse keskkategooriasse. See on kaks korda kallim kui Google'i soodne Lite variant, konkurentsivõimeline Kling 3.0-ga (mille hind varieerub platvormiti) ja oluliselt soodsam kui Runway.

Millal kasutada Wan 2.7-t

Varaste testide ja mudeli tugevuste põhjal on need stsenaariumid, kus Wan 2.7 on kõige mõttekam valik:

🎬

Keerukad mitme subjektiga stseenid

Thinking Mode paistab silma, kui päring hõlmab mitut tegelast või objekti omavahelises suhtluses. Planeerimisfaas hoiab ära ruumilise segaduse, mis vaevab teisi mudeleid.

📝

Tekstimahukas sisu

Kui sinu video vajab loetavat teksti, silte või kasutajaliidese elemente, on Wan 2.7 teksti renderdamine praegu oma klassi parim.

🎨

Täpne värvi- ja stiililine kontroll

Värvikonditsioneerimissüsteem võimaldab täpsete palettide määramist ja nende hoidmist läbi kaadrite. See on kasulik brändiga kooskõlas oleva sisu loomiseks.

🔄

Stiiliülekanne viite kaudu

Viidest videoks mudel (peagi saadaval) võimaldab olemasoleva klipi kasutamist stiilijuhisena, genereerides uut sisu, mis vastab selle visuaalsele keelele.

Lihtsamate ühe subjektiga stseenide jaoks, kus on vaja ka heli, võivad Kling 3.0 või Veo 3.1 endiselt olla paremad valikud. Thinking Mode planeerimise lisakoormus annab lisaväärtust just keerukate päringute puhul.

Mida see tähendab tööstusele

Wan 2.7 Thinking Mode viitab laiemale nihkele generatiivsete mudelite toimimises. Selle asemel, et toore jõuga mürist väljundeid välja suruda, sisaldavad tulevased mudelid tõenäoliselt selgesõnalisi planeerimisfaase genereerimise erinevate aspektide jaoks.

Me näeme seda mustrit juba teistes valdkondades. Koodigenereerimise mudelid planeerivad enne kirjutamist. Pildimudelid kasutavad paigutuse konditsioneerimist. Nüüd õpivad ka videomudelid mõtlema enne loomist.

💡

Mudelite kiire avaldamistempo 2026. aastal muudab ühele tarnijale pühendumise riskantseks. Konveieripõhised lähenemised, mis suudavad genereerimise taustasüsteemi vahetada paremate mudelite ilmumisel, kaitsevad sinu töövooge tarnijalukust.

Konkurentsisurve on reaalne. Sora lahkumise, Google'i hindade alandamise ning Hiina mudelite nagu Wan 2.7 ja Kling 3.0 kvaliteedipiire nihutamisega pole loojatel kunagi olnud nii palju valikuid ega nii palju põhjust jääda paindlikuks.

Üksikasjalikuma ülevaate jaoks mudelite võrdlusest konkreetsetel testidel vaata meie Runway Gen-4.5 jõudluse analüüsi. Ja kui sind huvitab, kuidas Seedance 2.0 käivitamine kujundab CapCut ökosüsteemi ümber, käsitlesime seda teemat üksikasjalikult eelmisel kuul.