Alibaba Wan 2.7: як Thinking Mode змінює генерацію відео за допомогою ШІ

Лабораторія Tongyi від Alibaba випустила Wan 2.7 6 квітня 2026 року, представивши режим Thinking Mode, який принципово змінює підхід ШІ-моделей до обробки промптів. Замість генерації кадрів безпосередньо з тексту модель спочатку будує внутрішній план сцени, а потім виконує його. Результати говорять самі за себе: менше артефактів, краща зв'язність і помітно більш осмислені композиції.

Що таке Thinking Mode?

Більшість моделей генерації відео працюють в один прохід. Ви вводите промпт, модель починає перетворювати шум на пікселі, і ви отримуєте те, що вийшло. Для простих сцен це працює непогано, але розсипається, коли промпти включають кілька об'єктів, конкретні просторові відношення або складні дії.

Wan 2.7 додає проміжний етап. Перш ніж генерується хоча б один піксель, модель:

Розбирає промпт на семантичні компоненти (суб'єкти, дії, середовище, освітлення)
Планує композицію, визначаючи, де мають розташовуватися елементи і як вони повинні взаємодіяти
Генерує результат, використовуючи цей план як структурний орієнтир

💡

Уявіть різницю між імпровізацією картини і попереднім ескізом композиції. Ескіз не з'являється у фінальній роботі, але визначає кожен мазок пензля.

Це схоже на те, як ланцюжкове мислення (chain-of-thought) покращило великі мовні моделі. Змушуючи модель думати перед дією, якість результату різко зростає, особливо при роботі зі складними промптами.

Повний набір Wan 2.7

Wan 2.7 це не одна модель. Це набір з чотирьох моделей, що охоплюють різні робочі процеси генерації:

Набір моделей

$0.10/с

Ціна API

6 квіт

Дата випуску

Модель	Вхід	Вихід	Найкраще для
Текст-у-відео	Текстовий промпт	Відеокліп	Створення з нуля
Зображення-у-відео	Зображення + промпт	Відеокліп	Анімація стоп-кадрів, концепт-арт
Референс-у-відео	Референсне відео + промпт	Нове відео	Перенесення стилю, відтворення
Редагування відео	Відео + інструкції правок	Змінене відео	Постпродакшн, корекції

Модель текст-у-відео вже доступна на Together AI з 3 квітня. Решта трьох моделей з'являться протягом найближчих тижнів.

Під капотом: архітектурні деталі

Хоча Alibaba ще не опублікувала повну статтю, низка технічних подробиць вже відома з документації API та перших бенчмарків.

Що відомо	Чим вирізняється
Побудована на архітектурі Wan (Wanxiang)	Перша продакшн-модель з явним плануванням композиції
Thinking Mode додає етап планування перед дифузією	Сцени з багатьма елементами обробляють 5+ суб'єктів коректно
Гіперреалістична консистентність персонажів між кадрами	Текст у згенерованому відео читабельний, а не перетворений на безлад
Точне управління кольором через кондиціонування промпта	Точність кольорів зберігається при зміні освітлення
Покращений рендеринг довгого тексту (текст у відео)	Складні рухи камери зберігають просторову зв'язність

Можливість рендерингу довгого тексту особливо примітна. Попередні моделі з трудом генерували розбірливий текст всередині відеокадрів. Wan 2.7 справляється з вивісками, підписами і навіть короткими абзацами з вражаючою точністю. Для творців, яким потрібен текст, вбудований у згенероване відео, це серйозний крок уперед.

Порівняння з конкурентами

Ринок ШІ-відео помітно зрушив цього тижня. Wan 2.7 з'явився одночасно з підтвердженням закриття Sora від OpenAI та зниженням цін на Veo 3.1 від Google.

Модель	Ціна	Аудіо	Макс. тривалість	Консистентність персонажів	Thinking/Планування
Wan 2.7	$0.10/с	Ні	~10с	Висока	Так
Veo 3.1 Lite	$0.05/с	Так	~8с	Добра	Ні
Veo 3.1 Fast	$0.12/с	Так	~8с	Висока	Ні
Kling 3.0	~$0.08-0.17/с	Так	~10с	Висока	Ні
Seedance 2.0	У пакеті	Так	15с	Добра	Ні
Runway Gen-4.5	~$0.15/с	Ні	~10с	Висока	Ні

⚠️

Wan 2.7 не включає вбудовану генерацію аудіо. Для проєктів, що потребують синхронізованого звуку, знадобиться окремий аудіо-пайплайн або модель на кшталт Kling 3.0 чи Veo 3.1, яка генерує аудіо нативно.

Ціна $0.10 за секунду ставить Wan 2.7 у конкурентний середній сегмент. Це вдвічі дорожче за бюджетний варіант Lite від Google, порівнянно з Kling 3.0 (ціна якого варіюється залежно від платформи) і значно дешевше за Runway.

Коли використовувати Wan 2.7

Виходячи з перших тестів та сильних сторін моделі, ось сценарії, де Wan 2.7 має найбільший сенс:

🎬

Складні сцени з кількома об'єктами

Thinking Mode особливо добре працює, коли в промпті задіяно кілька персонажів або об'єктів, що взаємодіють. Етап планування запобігає просторовій плутанині, властивій іншим моделям.

📝

Контент з великою кількістю тексту

Якщо у відео потрібен читабельний текст, вивіски або елементи інтерфейсу, рендеринг тексту у Wan 2.7 наразі найкращий у своєму класі.

🎨

Точне управління кольором і стилем

Система колірного кондиціонування дозволяє задавати точні палітри та зберігати їх між кадрами. Корисно для контенту з фірмовим стилем.

🔄

Перенесення стилю через референс

Модель референс-у-відео (незабаром) дозволить подати наявний кліп як стильовий орієнтир, генеруючи новий контент, що відповідає його візуальній мові.

Для простіших сцен з одним об'єктом, де також потрібен звук, моделі на кшталт Kling 3.0 або Veo 3.1 можуть виявитися кращим вибором. Додаткове навантаження планування у Thinking Mode дає цінність саме тоді, коли промпти складні.

Що це означає для індустрії

Thinking Mode у Wan 2.7 вказує на ширший зсув у роботі генеративних моделей. Замість грубого перебору вихідних даних з шуму, майбутні моделі, найімовірніше, включатимуть явні етапи планування для різних аспектів генерації.

Ми вже спостерігаємо цей патерн в інших сферах. Моделі генерації коду планують перед написанням. Моделі зображень використовують кондиціонування за макетом. Тепер моделі відео вчаться думати, перш ніж створювати.

💡

Швидкий темп випуску нових моделей у 2026 році робить ризикованою прив'язку до одного постачальника. Пайплайн-підхід, що дозволяє підміняти бекенди генерації у міру появи кращих моделей, захищає ваш робочий процес від vendor lock-in.

Конкурентний тиск реальний. На тлі відходу Sora, зниження цін Google та просування якості китайськими моделями на кшталт Wan 2.7 і Kling 3.0, у творців контенту ніколи не було стільки варіантів і стільки причин залишатися гнучкими.

Для детальнішого порівняння моделей на конкретних бенчмарках ознайомтеся з нашим аналізом продуктивності Runway Gen-4.5. А якщо вас цікавить, як запуск Seedance 2.0 змінює екосистему CapCut, ми детально розглянули це минулого місяця.