Alibaba: Wan 2.6

Alibaba: Wan 2.6 es un modelo de generación de video de Alibaba, listado en api14 bajo el id de modelo alibaba/wan-2.6. Se ubica en la categoría de video y el proveedor lo describe como el modelo de generación de video más avanzado de Alibaba, construido como un sistema unificado que admite más de 10 capacidades de creación visual. La fecha de lanzamiento del proveedor es 2026-03-28. Si estás evaluando modelos de video para un pipeline, esta es la opción insignia de Alibaba en lugar de un modelo general de texto o imagen.

El modelo acepta entrada de texto e imagen y produce video como su única salida. Genera video en 1080p a 24fps según la descripción del proveedor, y las resoluciones listadas son 720p y 1080p. Las relaciones de aspecto son 16:9 y 9:16, por lo que se cubren tanto el encuadre horizontal como el vertical. Las duraciones de los clips son de 5 o 10 segundos. Se puede proporcionar una imagen de primer fotograma, lo que te permite anclar la apertura de un clip a una imagen fija específica. También se admite la generación de audio, por lo que una sola solicitud puede devolver video con sonido en lugar de una pista silenciosa. No se publica longitud de contexto para este modelo, así que trata la ventana de tokens como no especificada y planifica en torno a los parámetros visuales.

Esas capacidades apuntan a un conjunto bastante específico de tareas. Texto a video cubre tomas conceptuales, storyboards que necesitan movimiento y clips promocionales cortos donde describes la escena y dejas que el modelo la renderice. Imagen a video con un primer fotograma es útil cuando ya tienes un visual clave, una foto de producto o un diseño de personaje y quieres movimiento que comience desde ese fotograma exacto. La relación 9:16 combinada con duraciones de 5 o 10 segundos encaja en formatos verticales como feeds sociales y anuncios de formato corto, mientras que 16:9 es adecuada para video estándar web y de presentaciones. Como la generación de audio está disponible, puedes producir clips terminados con sonido en una sola pasada en lugar de multiplexar una pista de audio separada después. La opción de 720p está ahí cuando quieres un borrador más rápido o más ligero antes de comprometerte con un render en 1080p.

Llamarlo a través de api14 funciona igual que con cualquier otro modelo en el gateway, ya que la API es compatible con OpenAI. Envías tu solicitud al endpoint de chat completions y estableces el campo model en "alibaba/wan-2.6". Los parámetros de solicitud admitidos son max_tokens, temperature y top_p. El texto de tu prompt va como contenido de mensaje normal, y la entrada de imagen se proporciona junto a él para el condicionamiento del primer fotograma. La configuración visual que define la salida, es decir, resolución, relación de aspecto, duración, primer fotograma y generación de audio, es la que hay que configurar por solicitud, ya que determina cómo se ve el video devuelto.

Ten en cuenta lo que el modelo no hace. Solo produce video, así que no es la elección correcta si necesitas texto, código o imágenes fijas de vuelta en la misma llamada. No hay longitud de contexto publicada, y maxOutput figura como 0, así que no asumas un gran presupuesto de texto en el lado de la entrada. Si tu tarea es generación de texto, razonamiento o creación de imágenes, un modelo de esas categorías encajará mejor. Wan 2.6 es la elección cuando el entregable es un clip de video corto en 720p o 1080p, en horizontal o vertical, con audio opcional.