Wan2.2

Wan2.2 to otwarty model generowania wideo opracowany przez zespół Wan w Alibabie, udostępniony 28 lipca 2025 r. Według producenta jest to pierwszy otwartoźródłowy model generowania wideo wykorzystujący architekturę mieszaniny ekspertów (MoE).

Model MoE łączy dwóch wyspecjalizowanych ekspertów: „wysokoszumowego” do wczesnych etapów odszumiania (układ sceny) i „niskoszumowego” do późniejszego dopracowania detali. Łącznie liczy 27 mld parametrów, z czego 14 mld jest aktywnych na krok. Wykorzystuje też autorski enkoder Wan2.2-VAE o wysokim stopniu kompresji.

Wan2.2 obejmuje warianty: T2V-A14B (tekst-na-wideo, 480P/720P), I2V-A14B (obraz-na-wideo), TI2V-5B (zunifikowany tekst/obraz-na-wideo, 720P@24 fps), a także późniejsze S2V-14B (mowa-na-wideo) i Animate-14B (animacja postaci). Wariant TI2V-5B generuje 5-sekundowe wideo 720P w czasie poniżej 9 minut na pojedynczym konsumenckim GPU (np. RTX 4090).

Model udostępniono na licencji Apache 2.0 (kod i wagi na GitHub i Hugging Face), co pozwala na komercyjne i niekomercyjne użycie, samodzielne uruchamianie oraz dostrajanie. Wan2.2 należy do rodziny modeli wideo Wan (Tongyi Wanxiang) firmy Alibaba.