Alibaba
Wan 2.2 A14Bオープン
Alibaba’s open-weight MoE video-diffusion model — cinematic 1080p text-to-video and image-to-video.
知能指数
87.4 #33
AAQI 87.0
出力速度
15 t/s
ITL 66.7 ms/tok
ブレンド価格 (3:1)
$0.06 /1M
入力 $0.06/M · 出力 $0.06/M
コンテキスト
64K
約 160 枚のA4ページ · 最大出力 2,048
Quality Domain Radar
6-Axis Frontier Evaluation vs Category Average & Flagship
Wan 2.2 A14B
Claude Mythos Preview (#1)
Average (68)
直接のベンチマーク測定がない場合、レーダー軸はカテゴリスコアから近似されます — 評価方法 を参照。
強みとトレードオフ
強み
- 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
注意すべきトレードオフ
- Multi-second clips only — no long-form generation
- Slow sampling — minutes per clip without distillation
- No native audio track
キラーユースケース
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.
開発者向けクイックスタートとAPI
まず
DASHSCOPE_API_KEY を設定 — APIキーを取得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."}]
}'import os
from openai import OpenAI
client = OpenAI(
base_url="https://dashscope-intl.aliyuncs.com/compatible-mode/v1",
api_key=os.environ["DASHSCOPE_API_KEY"],
)
resp = client.chat.completions.create(
model="wan2.2-t2v-a14b",
messages=[{"role": "user", "content": "Refactor this function for O(n) time and explain the change."}],
)
print(resp.choices[0].message.content)const res = await fetch("https://dashscope-intl.aliyuncs.com/compatible-mode/v1/chat/completions", {
method: "POST",
headers: {
Authorization: `Bearer ${process.env.DASHSCOPE_API_KEY}`,
"content-type": "application/json",
},
body: JSON.stringify({
model: "wan2.2-t2v-a14b",
messages: [{ role: "user", content: "Refactor this function for O(n) time and explain the change." }],
}),
});
console.log((await res.json()).choices[0].message.content);公式リソースとリンク
API デプロイ
ホストとレイテンシを比較
Groq、Cerebras、Together、DeepInfra、Fireworks、Bedrock、Azure 全体のスループット、TTFT、キャッシュ料金。
GroqCerebrasTogether AIDeepInfraFireworks AIAWS BedrockAzure AI
ソース別スコア
カテゴリー別スコア
ベンチマーク結果
ライブスペックとアーキテクチャ
内部構造
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
リリース日
2026年9月15日
アーキテクチャ
Wan 2.2 A14B — MoE video diffusion, 14B active
パラメータ数
27B (14B active MoE)
ライセンス
Open Weights
コンテキストウィンドウ
64,000 tokens
最大出力
2,048 tokens
モダリティ
text + video
キャッシュ料金
読み取り $0.01 · 書き込み $0.08 /1M
推論
—
入力価格
$0.06/M
出力価格
$0.06/M
出力速度
15 t/s
最初のトークンまでの時間
—
データ更新日
2026年10月22日
ハードウェアとローカル推論
データ:Convly AI(CC BY 4.0) ↗VRAM(4-bit Q4)
18 GB
最小 GPU
RTX 4090 24GB / RTX 5090 32GB
月額請求の見積もり
月額見積もり
$0.00
GPT-4o との節約額を計算中…
引用と埋め込み
GitHub Markdown バッジ
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}
}スコアバッジを埋め込む
GitHub または Hugging Face の README にライブ Podium スコアバッジを追加 — ライブランキングにリンクします。
プレビュー
Markdown
Loading badge snippet...HTML
Loading badge snippet...Alibaba のその他のモデル
代替モデル
機能、価格、ベンチマークスコアに基づく Wan 2.2 A14B の最適な代替モデル。