Alibaba Wan 2.7: kako Thinking Mode menja generisanje videa pomoću veštačke inteligencije

Laboratorija Tongyi kompanije Alibaba objavila je Wan 2.7 6. aprila 2026. godine, predstavivši režim Thinking Mode koji iz korena menja način na koji VI modeli obrađuju promptove. Umesto generisanja kadrova direktno iz teksta, model prvo izgrađuje unutrašnji plan scene, a zatim ga izvršava. Rezultati govore sami za sebe: manje artefakata, bolja povezanost i primetno promišljenije kompozicije.

Šta je Thinking Mode?

Većina modela za generisanje videa radi u jednom prolazu. Unesete prompt, model počne da pretvara šum u piksele i dobijete ono što se dobilo. Za proste scene ovo radi solidno, ali se raspada kada promptovi uključuju više subjekata, konkretne prostorne odnose ili složene radnje.

Wan 2.7 dodaje međukorak. Pre nego što se generiše ijedan piksel, model:

Raščlanjuje prompt na semantičke komponente (subjekti, radnje, okruženje, osvetljenje)
Planira kompoziciju određujući gde treba da se nalaze elementi i kako treba da interaguju
Generiše rezultat koristeći ovaj plan kao strukturni vodič

💡

Zamislite razliku između improvizovanja slike i prethodne skice kompozicije. Skica se ne pojavljuje u završnom delu, ali određuje svaki potez četkice.

Ovo je slično načinu na koji je lančano razmišljanje (chain-of-thought) poboljšalo velike jezičke modele. Primoravajući model da razmisli pre nego što deluje, kvalitet izlaza drastično raste, naročito pri radu sa složenim promptovima.

Kompletan paket Wan 2.7

Wan 2.7 nije samo jedan model. To je paket od četiri modela koji pokrivaju različite radne tokove generisanja:

Paket modela

$0.10/s

Cena API

6. apr

Datum objave

Model	Ulaz	Izlaz	Najbolje za
Tekst-u-video	Tekstualni prompt	Video klip	Kreiranje od nule
Slika-u-video	Slika + prompt	Video klip	Animiranje stop-kadrova, koncept art
Referens-u-video	Referentni video + prompt	Novi video	Prenos stila, rekreacija
Uređivanje videa	Video + uputstva za izmene	Modifikovan video	Postprodukcija, korekcije

Model tekst-u-video je već dostupan na Together AI od 3. aprila. Preostala tri modela biće dostupna u narednim nedeljama.

Ispod haube: arhitekturni detalji

Iako Alibaba još uvek nije objavila kompletan rad, niz tehničkih detalja već je poznat iz API dokumentacije i prvih benčmarkova.

Šta znamo	Po čemu se izdvaja
Izgrađen na arhitekturi Wan (Wanxiang)	Prvi produkcijski model sa eksplicitnim planiranjem kompozicije
Thinking Mode dodaje korak planiranja pre difuzije	Scene sa više elemenata obrađuju 5+ subjekata korektno
Hiperrealistična konzistentnost likova između kadrova	Tekst u generisanom videu je čitljiv, ne iskvaren
Precizna kontrola boja kroz kondicioniranje prompta	Tačnost boja se održava pri promeni osvetljenja
Poboljšano renderovanje dugačkog teksta (tekst u videu)	Složeni pokreti kamere održavaju prostornu povezanost

Sposobnost renderovanja dugačkog teksta je posebno značajna. Prethodni modeli su se mučili da generišu čitljiv tekst unutar video kadrova. Wan 2.7 se nosi sa tablama, natpisima, pa čak i kratkim pasusima sa impresivnom tačnošću. Za kreatore kojima je potreban tekst ugrađen u generisani video, ovo je ozbiljan korak napred.

Poređenje sa konkurencijom

Tržište VI videa značajno se pomerilo ove nedelje. Wan 2.7 je stigao istovremeno sa potvrdom gašenja Sora od strane OpenAI i sniženjem cena Veo 3.1 od strane Google-a.

Model	Cena	Audio	Maks. dužina	Konzistentnost likova	Thinking/Planiranje
Wan 2.7	$0.10/s	Ne	~10s	Visoka	Da
Veo 3.1 Lite	$0.05/s	Da	~8s	Dobra	Ne
Veo 3.1 Fast	$0.12/s	Da	~8s	Visoka	Ne
Kling 3.0	~$0.08-0.17/s	Da	~10s	Visoka	Ne
Seedance 2.0	U paketu	Da	15s	Dobra	Ne
Runway Gen-4.5	~$0.15/s	Ne	~10s	Visoka	Ne

⚠️

Wan 2.7 ne uključuje ugrađeno generisanje audia. Za projekte koji zahtevaju sinhronizovani zvuk, biće vam potreban odvojeni audio pajplajn ili model poput Kling 3.0 ili Veo 3.1 koji generiše audio nativno.

Cena od $0.10 po sekundi stavlja Wan 2.7 u konkurentni srednji segment. Dvostruko je skuplji od budžetske opcije Lite od Google-a, uporediv sa Kling 3.0 (čija cena varira u zavisnosti od platforme) i značajno jeftiniji od Runway-a.

Kada koristiti Wan 2.7

Na osnovu prvih testova i jakih strana modela, evo scenarija u kojima Wan 2.7 ima najviše smisla:

🎬

Složene scene sa više objekata

Thinking Mode posebno dobro funkcioniše kada prompt uključuje nekoliko likova ili objekata u interakciji. Korak planiranja sprečava prostornu konfuziju koja muči druge modele.

📝

Sadržaj sa puno teksta

Ako vam video treba čitljiv tekst, table ili elemente interfejsa, renderovanje teksta u Wan 2.7 trenutno je najbolje u klasi.

🎨

Precizna kontrola boje i stila

Sistem za kondicioniranje boja omogućava zadavanje tačnih paleta i održavanje istih između kadrova. Korisno za sadržaj koji zahteva konzistentan brend.

🔄

Prenos stila preko referense

Model referens-u-video (uskoro) će vam omogućiti da unesete postojeći klip kao stilski vodič, generišući novi sadržaj koji odgovara njegovom vizuelnom jeziku.

Za jednostavnije scene sa jednim objektom, gde vam takođe treba zvuk, modeli poput Kling 3.0 ili Veo 3.1 mogu biti bolji izbor. Dodatno opterećenje planiranjem u Thinking Mode donosi vrednost tačno onda kada su promptovi složeni.

Šta ovo znači za industriju

Thinking Mode u Wan 2.7 ukazuje na širi pomak u načinu rada generativnih modela. Umesto grubog generisanja izlaza iz šuma, budući modeli će verovatno uključivati eksplicitne korake planiranja za različite aspekte generisanja.

Ovaj obrazac već vidimo u drugim oblastima. Modeli za generisanje koda planiraju pre pisanja. Modeli za slike koriste kondicioniranje po rasporedu. Sada modeli za video uče da razmišljaju pre nego što kreiraju.

💡

Brzi tempo objavljivanja novih modela u 2026. godini čini rizičnim vezivanje za jednog dobavljača. Pristup zasnovan na pajplajnu, koji omogućava zamenu bekenda za generisanje kako se pojavljuju bolji modeli, štiti vaš radni proces od vendor lock-in.

Konkurentski pritisak je realan. Sa povlačenjem Sora, snižavanjem cena od strane Google-a i unapređivanjem kvaliteta kineskih modela poput Wan 2.7 i Kling 3.0, kreatori sadržaja nikada nisu imali više opcija i više razloga da ostanu fleksibilni.

Za detaljnije poređenje modela na konkretnim benčmarkovima, pogledajte našu analizu performansi Runway Gen-4.5. A ako vas zanima kako lansiranje Seedance 2.0 menja ekosistem CapCut-a, detaljno smo to obradili prošlog meseca.