O que o Wan 2.7 faz bem — e o que não faz

O Wan 2.7 é o modelo que quebrou o fosso closed-source no vídeo de nível insignia. Nos últimos 18 meses, o topo da tabela de classificação de vídeo IA foi controlado por pesos fechados — Veo, Kling, Seedance, Runway — com o ecossistema open-source preso uma geração atrás. O Tongyi Lab da Alibaba lançou o Wan 2.7 em abril de 2026 sob Apache 2.0, empacotado como uma suíte completa : texto-para-vídeo, imagem-para-vídeo, controlo primeira/última imagem e edição de vídeo por instrução. O resultado compete genuinamente com os insignias fechados em resolução, fidelidade de movimento e áudio — mantendo-se open-weight sob Apache 2.0.

A escolha arquitetónica por trás é um modelo Mixture-of-Experts (MoE) de 27 mil milhões de parâmetros que só ativa cerca de 14 mil milhões de parâmetros por geração. O design MoE dá ao Wan 2.7 as vantagens de capacidade de um modelo denso muito maior — melhor conhecimento do mundo, melhor cobertura de estilo, melhor física de movimento — mantendo a latência de inferência mais perto de um modelo denso 14B. Para trabalho de produção de alto volume (geração ad-tech, storyboarding em lote, grandes bibliotecas de conteúdo), este é o modelo que escala.

A capacidade que distingue funcionalmente o Wan 2.7 é a edição de vídeo por instrução. Passe um clipe existente mais uma instrução de texto — "ponha o casaco vermelho", "mude o fundo para uma praia", "mude para golden hour" — e Wan aplica a edição preservando o movimento original, identidade da personagem e geometria da cena. O concorrente mais próximo aqui é o pipeline de restilo do Veu, mas o analisador de instruções do Wan é mais flexível. Para agências que têm filmagens de clientes para remixar sem refilmagens, este é o modelo que fecha o ciclo.

Outras capacidades notáveis : o controlo primeira/última imagem permite-lhe bloquear a imagem de abertura e encerramento e deixar o Wan gerar o movimento de ligação — útil para atingir batimentos narrativos específicos e para encadear clips que precisam se conectar limpos. O áudio nativo sincronizado — diálogo, ambiente e música — é produzido com a imagem na mesma passagem, lip-sync e sincronizado sem etapa Foley separada.

Fraquezas : na fidelidade visual de topo em trabalho de tomada única, o Veo 3.1 ainda tem a vantagem em 1080p+ e no caminho de upscale 4K. No Elo de referência multimodal, o Seedance 2.0 lidera os benchmarks públicos. No storyboarding multi-plano explícito com cortes duros num prompt, o Kling V3 é mais controlável. O ponto forte do Wan é a amizade open-source, edições por instrução e produção em lote.

Um modelo mental razoável : o Wan 2.7 é a predefinição quando precisa de proveniência open-weight, produção em lote de alto volume ou um fluxo de trabalho intensivo em edição. Para fidelidade máxima, Veo 3.1. Para planos ricos em referências, Seedance 2.0.