Alibaba Wan 2.7: Kā domāšanas režīms maina MI video ģenerēšanu

Alibaba Tongyi Lab 2026. gada 6. aprīlī izlaida Wan 2.7, ieviešot "domāšanas režīmu", kas būtiski maina veidu, kā MI video modeļi apstrādā norādījumus. Tā vietā, lai tieši ģenerētu kadrus no teksta, modelis vispirms izveido iekšēju ainas plānu un tad to izpilda. Rezultāti runā paši par sevi: mazāk artefaktu, labāka saskaņotība un pamanāmi mērķtiecīgākas kompozīcijas.

Kas ir domāšanas režīms?

Lielākā daļa video ģenerēšanas modeļu darbojas vienā piegājienā. Jūs ievadāt norādījumu, modelis sāk pārvērst troksni pikseļos, un jūs saņemat to, kas sanāk. Tas pietiekami labi darbojas vienkāršām ainām, bet neizdodas, kad norādījumi ietver vairākus subjektus, konkrētas telpiskās attiecības vai sarežģītas darbības.

Wan 2.7 pievieno starpposmu. Pirms jebkādu pikseļu ģenerēšanas modelis:

Parsē norādījumu semantiskajās komponentēs (subjekti, darbības, vide, apgaismojums)
Plāno kompozīciju, nosakot, kur elementiem jāparādās un kā tiem jāsadarbojas
Ģenerē izvadi, izmantojot šo plānu kā strukturālu ceļvedi

💡

Iedomājieties atšķirību starp gleznas improvizēšanu un vispirms kompozīcijas skices zīmēšanu. Skice neparādās gala darbā, bet tā veido katru otas vilcienu.

Tas ir līdzīgi tam, kā "domu ķēdes" spriešana uzlaboja lielos valodas modeļus. Piespiedot modeli domāt pirms rīcības, izvades kvalitāte dramatiski uzlabojas, īpaši sarežģītu norādījumu gadījumā.

Pilna Wan 2.7 komplektācija

Wan 2.7 nav tikai viens modelis. Tas tiek piegādāts kā četru modeļu komplekts, kas aptver dažādas ģenerēšanas darbplūsmas:

Model Suite

$0.10/s

API Pricing

Apr 6

Release Date

Modelis	Ievade	Izvade	Piemērotākais
Teksts-uz-video	Teksta norādījums	Video klips	Veidošana no nulles
Attēls-uz-video	Attēls + norādījums	Video klips	Nekustīgu attēlu animēšana, konceptmāksla
Atsauce-uz-video	Atsauces video + norādījums	Jauns video	Stila pārnese, atkārtota izveide
Video rediģēšana	Video + rediģēšanas norādījumi	Modificēts video	Postprodukcija, korekcijas

Teksts-uz-video modelis jau ir pieejams Together AI platformā kopš 3. aprīļa. Pārējie trīs modeļi tiks izlaisti tuvākajās nedēļās.

Zem pārsega: arhitektūras ieskats

Lai gan Alibaba vēl nav publicējusi pilnu zinātnisko rakstu, vairākas tehniskās detaļas ir atklājušās no API dokumentācijas un agrīnajiem salīdzinājumtestiem.

Ko mēs zinām	Kas to atšķir
Balstīts uz Wan (Wanxiang) arhitektūras līniju	Pirmais produkcijas modelis ar skaidru kompozīcijas plānošanu
Domāšanas režīms pievieno plānošanas posmu pirms difūzijas	Daudzelementu ainas apstrādā 5+ subjektus tīri
Hiperreālistiska rakstzīmju konsekvence starp kadriem	Teksta renderēšana ģenerētajā video ir lasāma, nevis neskaidra
Precīza krāsu kontrole ar norādījumu kondicionēšanu	Krāsu precizitāte saglabājas dažādos apgaismojuma apstākļos
Pārāka gara teksta renderēšana (teksts videoklipos)	Sarežģītas kameras kustības saglabā telpisku saskaņotību

Gara teksta renderēšanas spēja ir īpaši ievērojama. Iepriekšējie modeļi cīnījās ar salasāma teksta ģenerēšanu video kadros. Wan 2.7 tiek galā ar izkārtnēm, etiķetēm un pat īsiem rindkopām ar pārsteidzošu precizitāti. Satura veidotājiem, kuriem nepieciešams teksta pārklājums, kas iebūvēts ģenerētajā materiālā, tas ir nozīmīgs solis uz priekšu.

Salīdzinājums ar tirgu

MI video aina šonedēļ būtiski mainījās. Wan 2.7 parādījās tieši tad, kad OpenAI apstiprināja Sora slēgšanu un Google samazināja Veo 3.1 cenas.

Modelis	Cena	Audio	Maks. garums	Rakstzīmju konsekvence	Domāšana/Plānošana
Wan 2.7	$0.10/s	Nē	~10s	Spēcīga	Jā
Veo 3.1 Lite	$0.05/s	Jā	~8s	Laba	Nē
Veo 3.1 Fast	$0.12/s	Jā	~8s	Spēcīga	Nē
Kling 3.0	~$0.08-0.17/s	Jā	~10s	Spēcīga	Nē
Seedance 2.0	Komplektā	Jā	15s	Laba	Nē
Runway Gen-4.5	~$0.15/s	Nē	~10s	Spēcīga	Nē

⚠️

Wan 2.7 neietver iebūvētu audio ģenerēšanu. Projektiem, kam nepieciešama sinhronizēta skaņa, jums būs vajadzīga atsevišķa audio cauruļvads vai modelis kā Kling 3.0 vai Veo 3.1, kas ģenerē audio dabiski.

Cena $0.10 par sekundi ierindo Wan 2.7 konkurētspējīgajā vidējā segmentā. Tas ir divreiz dārgāks par Google budžeta Lite opciju, konkurētspējīgs ar Kling 3.0 (kas atšķiras atkarībā no platformas) un ievērojami lētāks par Runway.

Kad izmantot Wan 2.7

Balstoties uz agrīnajiem testiem un modeļa stiprajām pusēm, šeit ir scenāriji, kuros Wan 2.7 ir vispiemērotākais:

🎬

Sarežģītas daudzu subjektu ainas

Domāšanas režīms izceļas, kad jūsu norādījums ietver vairākas rakstzīmes vai objektus mijiedarbībā. Plānošanas posms novērš telpisko sajaukumu, kas nomoka citus modeļus.

📝

Teksta bagātīgs saturs

Ja jūsu video nepieciešams lasāms teksts, izkārtnes vai UI elementi, Wan 2.7 teksta renderēšana pašlaik ir labākā savā klasē.

🎨

Precīza krāsu un stila kontrole

Krāsu kondicionēšanas sistēma ļauj norādīt precīzas paletes un saglabāt tās starp kadriem, noderīgi zīmolam atbilstoša satura veidošanai.

🔄

Stila pārnese ar atsauci

Atsauces-uz-video modelis (drīzumā) ļaus jums padot esošu klipu kā stila ceļvedi, ģenerējot jaunu saturu, kas atbilst tā vizuālajai valodai.

Vienkāršākām viena subjekta ainām, kur jums nepieciešams arī audio, modeļi kā Kling 3.0 vai Veo 3.1 joprojām var būt labāka izvēle. Plānošanas izmaksas domāšanas režīmā pievieno vērtību tieši tad, kad norādījumi ir sarežģīti.

Ko tas nozīmē nozarei

Wan 2.7 domāšanas režīms norāda uz plašāku pārmaiņu ģeneratīvo modeļu darbībā. Tā vietā, lai ar rupju spēku iegūtu rezultātus no trokšņa, nākotnes modeļi, visticamāk, iekļaus skaidrus plānošanas posmus dažādiem ģenerēšanas aspektiem.

Mēs jau redzam šo modeli citās jomās. Koda ģenerēšanas modeļi plāno pirms rakstīšanas. Attēlu modeļi izmanto izkārtojuma kondicionēšanu. Tagad video modeļi mācās domāt pirms radīšanas.

💡

Straujais modeļu izlaišanas temps 2026. gadā padara riskanti piesaistīties vienam piegādātājam. Uz cauruļvadiem balstītas pieejas, kas var nomainīt ģenerēšanas aizmugursistēmas, kad parādās labāki modeļi, aizsargā jūsu darbplūsmu no piegādātāja atkarības.

Konkurences spiediens ir reāls. Ar Sora aiziešanu, Google cenu samazināšanu un Ķīnas modeļiem kā Wan 2.7 un Kling 3.0, kas paceļ kvalitātes latiņu, satura veidotājiem nekad nav bijis vairāk iespēju vai vairāk iemeslu saglabāt elastību.

Lai dziļāk apskatītu, kā šie modeļi salīdzinās konkrētos salīdzinājumtestos, apskatiet mūsu Runway Gen-4.5 veiktspējas analīzi. Un ja jūs interesē, kā Seedance 2.0 izlaide pārveido CapCut ekosistēmu, mēs to detalizēti apskatījām pagājušajā mēnesī.