Alibaba

Wan 2.2 A14BAberto

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

#33lançado 15 de set. de 2026·Open Weights·27B (14B active MoE)
textvideo64K ctx
Provedores de APIObter chave de API →Ranking
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)
Coding (15)Mathematics (15)Hard Science (GPQA) (35)Agentic & Tool Use (20)Knowledge (MMLU) (55)Vision / Multimodal (96)

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 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 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
Ver matriz de provedores →

Pontuações por fonte

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
Wan 2.2 A14B LLMPodium Score
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.

0 / 4