Alibaba

Wan 2.2 A14BAbierto

Alibaba’s open-weight MoE video-diffusion model — cinematic 1080p text-to-video and image-to-video.

#33lanzado 15 sept 2026·Open Weights·27B (14B active MoE)
textvideo64K ctx
Proveedores de APIObtener clave API →Clasificación
Inteligencia
87.4 #33
AAQI 87.0
Velocidad de Salida
15 t/s
ITL 66.7 ms/tok
Precio combinado (3:1)
$0.06 /1M
Entrada $0.06/M · Salida $0.06/M
Contexto
64K
≈ 160 páginas A4 · salida máx. 2,048

Quality Domain Radar

6-Axis Frontier Evaluation vs Category Average & Flagship

Wan 2.2 A14B
Claude Mythos Preview (#1)
Average (68)
Coding (15)Mathematics (15)Hard Science (GPQA) (35)Agentic & Tool Use (20)Knowledge (MMLU) (55)Vision / Multimodal (96)

Los ejes del radar se aproximan a partir de las puntuaciones de categoría cuando faltan mediciones directas — ver Metodología.

Fortalezas y compromisos

Donde gana

  • Best open-weight video model — rivals Kling/Veo tiers
  • Consumer-GPU serving — ~18GB at Q4
  • Strong prompt adherence on complex motion
  • Free to self-host and fine-tune

Puntos a vigilar

  • Multi-second clips only — no long-form generation
  • Slow sampling — minutes per clip without distillation
  • No native audio track

Casos de uso clave

Marketing & product clips
Short cinematic b-roll and product loops from prompts.
Storyboarding pipelines
Rapid previz for film and ad concepts.
Self-hosted video APIs
Own the full generation stack — no per-clip vendor fees.

Inicio rápido para desarrolladores y API

Define primero DASHSCOPE_API_KEY — obtener una clave API
curl https://dashscope-intl.aliyuncs.com/compatible-mode/v1/chat/completions \
  -H "Authorization: Bearer $DASHSCOPE_API_KEY" \
  -H "content-type: application/json" \
  -d '{
    "model": "wan2.2-t2v-a14b",
    "messages": [{"role": "user", "content": "Refactor this function for O(n) time and explain the change."}]
  }'

Recursos y enlaces oficiales

Despliegue de API

Comparar hosts y latencia

Throughput, TTFT y precios de caché en Groq, Cerebras, Together, DeepInfra, Fireworks, Bedrock y Azure.

GroqCerebrasTogether AIDeepInfraFireworks AIAWS BedrockAzure AI
Ver matriz de proveedores →

Puntuaciones por Fuente

Especificaciones en vivo y arquitectura

Bajo el capó
Wan 2.2 A14B — MoE video diffusion, 14B active
  • High/low-noise expert pair — 14B active per denoising step
  • Cinematic training corpus — film-grade lighting and camera control
  • Text-to-video and image-to-video from one checkpoint
  • Runs on a single 24GB consumer GPU at Q4
Fecha de Lanzamiento
15 sept 2026
Arquitectura
Wan 2.2 A14B — MoE video diffusion, 14B active
Parámetros
27B (14B active MoE)
Licencia
Open Weights
Ventana de Contexto
64,000 tokens
Salida máx.
2,048 tokens
Modalidades
text + video
Precios de caché
lectura $0.01 · escritura $0.08 /1M
Razonamiento
—
Precio de Entrada
$0.06/M
Precio de Salida
$0.06/M
Velocidad de Salida
15 t/s
Tiempo al Primer Token
—
Datos actualizados
22 oct 2026
Hardware e inferencia local
Datos: Convly AI (CC BY 4.0) ↗
VRAM (4-bit Q4)
18 GB
GPU mín.
RTX 4090 24GB / RTX 5090 32GB

Factura mensual estimada

Gasto mensual estimado
$0.00
Calculando ahorro vs GPT-4o…

Citar e insertar

Badge de Markdown para GitHub
Loading badge markdown...
BibTeX
@misc{llmpodium2026wan22a14b,
  title = {Benchmark Analysis and Intelligence Evaluation of Wan 2.2 A14B},
  author = {LLMPodium Research},
  year = {2026},
  url = {https://llmpodium.com/models/wan-2-2-a14b}
}

Insertar insignia de puntuación

Añade una insignia de Podium Score en vivo a tu README de GitHub o Hugging Face — enlaza al ranking en vivo.

Vista previa
Wan 2.2 A14B LLMPodium Score
Markdown
Loading badge snippet...
HTML
Loading badge snippet...

Más de Alibaba

Modelos alternativos

Alternativas más cercanas a Wan 2.2 A14B según rendimiento, precio y benchmarks.

0 / 4