Alibaba: Wan 2.6

Alibaba: Wan 2.6 é um modelo de geração de vídeo da Alibaba, listado em api14 sob o id de modelo alibaba/wan-2.6. Ele está na categoria de vídeo e é descrito pelo provedor como o modelo de geração de vídeo mais avançado da Alibaba, construído como um sistema unificado que suporta mais de 10 capacidades de criação visual. A data de lançamento do provedor é 2026-03-28. Se você está avaliando modelos de vídeo para um pipeline, esta é a opção principal da Alibaba, e não um modelo de texto ou imagem de propósito geral.

O modelo recebe entrada de texto e imagem e produz vídeo como sua única saída. Ele gera vídeo em 1080p a 24fps de acordo com a descrição do provedor, e as resoluções listadas são 720p e 1080p. As proporções de aspecto são 16:9 e 9:16, então tanto o enquadramento horizontal quanto o vertical estão cobertos. As durações dos clipes são de 5 ou 10 segundos. Uma imagem de primeiro quadro pode ser fornecida, o que permite ancorar a abertura de um clipe a um quadro específico. A geração de áudio também é suportada, então uma única requisição pode retornar vídeo com som em vez de uma faixa silenciosa. Nenhum comprimento de contexto é publicado para este modelo, então trate a janela de tokens como não especificada e planeje em torno dos parâmetros visuais.

Essas capacidades apontam para um conjunto bastante específico de tarefas. Texto para vídeo cobre tomadas de conceito, storyboards que precisam se mover e clipes promocionais curtos em que você descreve a cena e deixa o modelo renderizá-la. Imagem para vídeo com um primeiro quadro é útil quando você já tem um visual-chave, uma foto de produto ou um design de personagem e quer movimento que comece a partir desse quadro exato. A proporção 9:16 combinada com durações de 5 ou 10 segundos se encaixa em formatos verticais como feeds sociais e anúncios de formato curto, enquanto 16:9 serve para vídeo padrão de web e apresentações. Como a geração de áudio está disponível, você pode produzir clipes finalizados com som em uma única passagem em vez de mixar uma faixa de áudio separada depois. A opção 720p está lá quando você quer um rascunho mais rápido ou mais leve antes de se comprometer com uma renderização em 1080p.

Chamá-lo através do api14 funciona da mesma forma que qualquer outro modelo no gateway, já que a API é compatível com OpenAI. Você envia sua requisição para o endpoint de chat completions e define o campo model como "alibaba/wan-2.6". Os parâmetros de requisição suportados são max_tokens, temperature e top_p. O texto do seu prompt entra como conteúdo normal de mensagem, e a entrada de imagem é fornecida junto com ele para condicionamento de primeiro quadro. As configurações visuais que definem a saída, ou seja, resolução, proporção de aspecto, duração, primeiro quadro e geração de áudio, são as que devem ser configuradas por requisição, já que elas determinam como o vídeo retornado se parece.

Tenha em mente o que o modelo não faz. Ele produz apenas vídeo, então não é a escolha certa se você precisa de texto, código ou imagens estáticas de volta da mesma chamada. Não há comprimento de contexto publicado, e maxOutput está listado como 0, então não presuma um grande orçamento de texto no lado da entrada. Se sua tarefa é geração de texto, raciocínio ou criação de imagens, um modelo nessas categorias se encaixará melhor. Wan 2.6 é a escolha quando o entregável é um clipe de vídeo curto em 720p ou 1080p, na horizontal ou vertical, com áudio opcional.