Wan é uma família de modelos de geração de vídeo de pesos abertos desenvolvida pelo laboratório Tongyi Wanxiang da Alibaba. O primeiro lançamento aberto, Wan 2.1, chegou em fevereiro de 2025 com os pesos do modelo publicados no Hugging Face sob uma licença permissiva, e rapidamente se tornou o modelo de vídeo de pesos abertos de referência, desempenhando para o vídeo com IA um papel comparável ao que o Stable Diffusion desempenhou para a geração de imagens em 2022.
Wan 2.1
O Wan 2.1 foi lançado em dois tamanhos principais: um modelo de 14B parâmetros para qualidade e uma variante de 1.3B parâmetros que roda em GPUs de consumo com cerca de 8 GB de VRAM. Ambos suportam geração de texto para vídeo e de imagem para vídeo em 480p e 720p, construídos sobre uma arquitetura de difusão Transformer (architecture) com um Autoencoder causal 3D para compressão espaço-temporal. No lançamento, o Wan 2.1 liderou o ranking VBench entre modelos abertos e foi competitivo com vários sistemas fechados.
Lançamentos posteriores
O Wan 2.2, lançado em julho de 2025, migrou para um design de mistura de especialistas e adicionou melhor qualidade de movimento e vocabulário de controle cinematográfico para iluminação e composição. A família se posiciona ao lado de outros modelos de vídeo chineses, como Kling (Kuaishou) e Seedance (ByteDance), em uma onda de lançamentos rápidos ao longo de 2025 e 2026 que impulsionaram os benchmarks de vídeo em ambos os lados da divisão aberto/fechado.
Ecossistema e recepção
Como os pesos são abertos, o Wan foi absorvido pelo ecossistema de geração local em poucas semanas: fluxos de trabalho no ComfyUI, ajustes finos com LoRA, builds quantizados e integrações com interfaces de consumo. A comunidade que se formou em torno do Stable Diffusion adotou o Wan como seu motor de vídeo, e conjuntos de dados de avaliação abertos (como os estudos de preferência humana da Rapidata) mostram que suas saídas são avaliadas como próximas às de sistemas comerciais em cenas naturais, tomadas atmosféricas e movimento de sujeito único, com desempenho mais fraco em coreografias complexas com múltiplos sujeitos e texto legível.
Os lançamentos do Wan são frequentemente citados no debate aberto versus fechado como evidência de que a capacidade de vídeo próxima da fronteira não permanece proprietária por muito tempo. Seus resultados aparecem nos rankings de vídeo monitorados pelo LMArena e outras arenas, onde os modelos Wan regularmente se classificam como as entradas abertas mais fortes.