Alibaba
Wan 2.2 A14BAberto
Alibaba’s open-weight MoE video-diffusion model — cinematic 1080p text-to-video and image-to-video.
Inteligência
87.4 #33
AAQI 87.0
Velocidade de saída
15 t/s
ITL 66.7 ms/tok
Preço combinado (3:1)
$0.06 /1M
Entrada $0.06/M · Saída $0.06/M
Contexto
64K
≈ 160 páginas A4 · saída máx. 2,048
Quality Domain Radar
6-Axis Frontier Evaluation vs Category Average & Flagship
Wan 2.2 A14B
Claude Mythos Preview (#1)
Average (68)
Os eixos do radar são aproximados a partir dos scores de categoria quando faltam medições diretas — veja Metodologia.
Pontos fortes e trade-offs
Onde vence
- 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
Pontos de atenção
- Multi-second clips only — no long-form generation
- Slow sampling — minutes per clip without distillation
- No native audio track
Casos de uso matadores
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.
Quickstart do desenvolvedor e API
Defina primeiro
DASHSCOPE_API_KEY — obter uma chave de APIcurl 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);Recursos e links oficiais
Implantação de API
Comparar hosts e latência
Throughput, TTFT e preços de cache na Groq, Cerebras, Together, DeepInfra, Fireworks, Bedrock e Azure.
GroqCerebrasTogether AIDeepInfraFireworks AIAWS BedrockAzure AI
Pontuações por fonte
Pontuações por categoria
Resultados de benchmarks
Especificações ao vivo e arquitetura
Por baixo do capô
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
Data de lançamento
15 de set. de 2026
Arquitetura
Wan 2.2 A14B — MoE video diffusion, 14B active
Parâmetros
27B (14B active MoE)
Licença
Open Weights
Janela de contexto
64,000 tokens
Saída máx.
2,048 tokens
Modalidades
text + video
Preços de cache
leitura $0.01 · escrita $0.08 /1M
Raciocínio
—
Preço de entrada
$0.06/M
Preço de saída
$0.06/M
Velocidade de saída
15 t/s
Tempo até o primeiro token
—
Dados atualizados
22 de out. de 2026
Hardware e inferência local
Dados: Convly AI (CC BY 4.0) ↗VRAM (4-bit Q4)
18 GB
GPU mín.
RTX 4090 24GB / RTX 5090 32GB
Fatura mensal estimada
Gasto mensal estimado
$0.00
Calculando economia vs GPT-4o…
Citar e incorporar
Badge de Markdown do 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}
}Incorporar selo de pontuação
Adicione um selo de Podium Score ao seu README no GitHub ou Hugging Face — ele aponta para o ranking ao vivo.
Pré-visualização
Markdown
Loading badge snippet...HTML
Loading badge snippet...Mais de Alibaba
Modelos alternativos
Principais alternativas para Wan 2.2 A14B com base em recursos, preço e benchmarks.