¿Qué es Wan 2.7? Guía del modelo con modo de razonamiento de Alibaba (2026)

Qué es realmente Wan 2.7

Wan 2.7 no es un único modelo. Es una oleada de lanzamientos de Tongyi Lab, de Alibaba, que llegó a principios de abril de 2026 y abarca dos medios a la vez. Está la vertiente de imagen —Wan2.7-Image y un Wan2.7-Image Pro independiente, que los materiales de lanzamiento sitúan alrededor del 1 de abril— y la vertiente de vídeo, una suite de cuatro modelos que cubre texto a vídeo, imagen a vídeo, referencia a vídeo y edición de vídeo basada en instrucciones, cuyo lanzamiento se produjo durante los días siguientes. Ese alcance doble explica exactamente por qué la SERP se contradice sobre si Wan 2.7 es un "modelo de imagen" o un "modelo de vídeo". Es ambas cosas, publicadas juntas bajo un mismo número de versión.

Vale la pena precisar el propio nombre, porque suele causar confusión. "Wan" es la abreviatura internacional de Tongyi Wanxiang (通义万相), la línea de IA creativa de Alibaba. Está junto a los modelos de lenguaje Qwen bajo el mismo techo corporativo, pero es una familia de productos diferente. Por eso, cuando una plataforma de alojamiento clasifica Wan bajo una ruta qwen, se trata de una decisión de catalogación, no de una afirmación de que Wan sea un modelo Qwen.

En una línea: Wan 2.7 es la oleada de generación de imágenes y vídeo de Alibaba de abril de 2026, encabezada por una función que denomina Modo de razonamiento.

Cómo funciona el Modo de razonamiento

Antes del mecanismo, veamos por qué existe. Un modelo de vídeo estándar transforma directamente tu solicitud en fotogramas. No hace una pausa para razonar sobre lo que le has pedido: lee el texto, elige un recorrido por su espacio latente y decodifica. Eso funciona bien para una toma limpia y única. Se vuelve frágil en cuanto pides algo con estructura: una secuencia de varias tomas, un personaje que tenga que verse igual en la toma tres que en la uno, o un movimiento de cámara que deba resolverse en un momento concreto. El modelo se precipita con el encargo y las uniones quedan a la vista.

El Modo de razonamiento, tal como lo describe Alibaba, inserta una etapa de planificación antes de la generación. Primero, el modelo crea un plan compositivo —cómo interpretar la intención de la solicitud, cómo se relacionan los elementos en el espacio y el tiempo, cuál debe ser la lógica de la toma— y solo después genera. La propuesta es obtener menos artefactos y una mejor coherencia a lo largo de una secuencia.

Yo consideraría el tamaño de esa mejora una cuestión abierta y no una cifra establecida; volveré a explicar por qué dentro de un momento. Pero la idea de diseño es sólida y es lo verdaderamente nuevo aquí. La conclusión: el Modo de razonamiento intercambia algo de velocidad por una fase de planificación, algo que importa sobre todo cuando tu solicitud tiene más de un elemento en movimiento.

Capacidades principales y cuánto confiar en cada cifra

Aquí es importante distinguir los niveles de confianza, porque la lista de capacidades de Wan 2.7 procede casi por completo de las propias notas de lanzamiento de Alibaba, y las cifras de los proveedores merecen una etiqueta.

Alibaba afirma lo siguiente: consistencia de personajes suficiente para mantener un rostro a lo largo de un clip (su solución al problema de la "misma cara de la IA"), control preciso del color que acepta valores HEX y paletas, renderizado de textos largos de más de 3.000 tokens en 12 idiomas, incluidas tablas y fórmulas dibujadas en los fotogramas, control narrativo de varias tomas, orientación mediante el primer y el último fotograma, referencia a vídeo con hasta nueve imágenes de referencia y audio nativo generado en la misma pasada. Esas son afirmaciones del proveedor, presentadas como tales. No he podido verificarlas con una prueba neutral.

En cuanto a las especificaciones técnicas, la imagen es más difusa de lo que admiten la mayoría de las publicaciones. La resolución de salida se cita como 720p o 1080p según dónde lo ejecutes, la duración de los clips se sitúa entre 2 y 15 segundos, y el modelo de imagen es la parte que incluye la cifra de 4K. Estos valores varían según el proveedor de alojamiento, así que considera cualquier cifra aislada como "cierta en esa plataforma" y no como "cierta para el modelo". La generación tampoco es instantánea: los primeros informes prácticos la describen como notablemente más lenta que los modelos de vídeo ligeros, un coste silencioso de la fase de planificación que conviene presupuestar si vas a renderizar a gran escala.

Y está la carencia honesta: mientras escribo esto, no he encontrado Wan 2.7 en ninguna clasificación neutral; no hay una entrada en Artificial Analysis Video Arena ni una puntuación VBench publicada para esta versión. Eso no significa que sea malo. Significa que las afirmaciones sobre su calidad siguen siendo exclusivamente informes del proveedor. El punto de referencia verificable más cercano es su linaje: Wan 2.1 encabezó VBench en su lanzamiento de febrero de 2025, un resultado real de un modelo anterior, no un sustituto de 2.7.

¿Wan 2.7 es de código abierto?

Respuesta corta: no de la forma en que la serie Wan ha acostumbrado a esperarlo a todo el mundo.

Este es el hecho. Wan 2.1 (febrero de 2025) y Wan 2.2 (julio de 2025) se publicaron con pesos abiertos bajo Apache 2.0: descargables, autoalojables y ajustables, sin restricciones comerciales. Puedes confirmarlo tú mismo en la organización Wan-AI en Hugging Face y en la organización Wan-Video en GitHub. Ese historial de pesos abiertos es real y explica por qué tantas guías dan por hecho que 2.7 también es abierto.

Este es el segundo hecho. Esos mismos canales oficiales —la organización de GitHub, la organización de Hugging Face y el propio ModelScope de Alibaba— no ofrecen los pesos de Wan 2.7. Mientras escribo esto, el lanzamiento más reciente con pesos abiertos en el recorrido oficial sigue siendo la familia Wan 2.2 (los modelos de texto a vídeo e imagen a vídeo A14B, el TI2V 5B, además de las variantes S2V y Animate posteriores). El registro oficial de noticias de ese repositorio se detiene mucho antes de cualquier entrada de 2.7.

Así que, cuando una página te diga que Wan 2.7 tiene "pesos abiertos bajo Apache 2.0", comprueba si enlaza a un repositorio real de pesos oficiales. En todos los casos que he rastreado, no lo hacía: la afirmación se apoyaba en la reputación de la serie, y al menos una fuente muy citada se contradecía en sus propias páginas. Mi lectura es que Wan 2.7 sigue la ruta exclusiva de API que Alibaba ya adoptó con Wan 2.5 y 2.6, no la ruta abierta de 2.1 y 2.2. Lo consideraría una conclusión, no un dogma: si Alibaba sube los pesos la semana que viene, esto cambiará; pero hoy las pruebas verificables apuntan en una dirección.

En la práctica, esto conduce a una decisión clara. Si tu proyecto necesita realmente los pesos —inferencia local, ajuste fino o datos que no pueden salir de tu infraestructura— Wan 2.7 no te los ofrece hoy, y tu verdadera opción abierta sigue siendo Wan 2.2. Si puedes trabajar mediante una API, 2.5, 2.6 y 2.7 están disponibles de esa manera. No elijas 2.7 esperando una descarga que no existe.

¿Qué modelo Wan deberías usar realmente?

La familia se divide claramente cuando dejas de tratar "el más reciente" como "el mejor para ti".

¿Dónde se sitúa Wan 2.7 frente a modelos que no son de Wan? En el vídeo de código abierto, la línea Wan ha sido el punto de referencia desde 2.1; ese linaje es su verdadera baza. Entre los modelos de API cerrados, el diferenciador de 2.7 es el Modo de razonamiento junto con la pila compartida de imagen y vídeo, no una ventaja de calidad demostrada frente a los demás modelos de API actuales. Deliberadamente no incluyo cifras en una tabla de Wan 2.7 frente a Seedance o Kling, porque todavía no existe un benchmark neutral que respalde una comparación y no voy a inventarla. Si quieres una comparación directa real, merece su propio análisis probado, no una fila improvisada en un artículo explicativo.

Cómo usar hoy un modelo Wan mediante API

Hablemos claro: si estás leyendo esto en GPT Proto, ten en cuenta que 2.7 no está incluido en el catálogo; el modelo alojado más cercano con el mismo perfil (1080p, varias tomas y audio nativo) es Wan 2.6, a 0,45 $ por ejecución. Esta es una solicitud que realmente funciona con él.

Hay varios detalles importantes que conviene señalar antes de pegar nada, porque han hecho perder tiempo a algunas personas. Primero, la autenticación utiliza un token Bearer: estos endpoints de Wan se encuentran en la ruta /api/v3/alibaba/ y esperan Authorization: Bearer $KEY, no una clave sin más. Segundo, la URL del sitio web clasifica el modelo bajo /qwen/, pero la ruta de la API utiliza alibaba: es un segmento diferente para el mismo modelo. Tercero, es una llamada asíncrona en dos pasos: haces POST para enviar el trabajo y recibes un id; después haces GET al endpoint de resultados para consultar su estado. Cuarto, los parámetros varían entre modelos: 2.6 acepta audio y shot_type, mientras que 2.2-plus y 2.5 utilizan enable_prompt_expansion y no aceptan aquellos.

# 1. Submit the job
curl --request POST "https://gptproto.com/api/v3/alibaba/wan-2.6/text-to-video" \
  --header "Authorization: Bearer $GPTPROTO_API_KEY" \
  --header "Content-Type: application/json" \
  --data '{
    "prompt": "A first-person POV gliding through a damp stone tunnel toward a bright exit. [0-3s] fast forward motion, light at the end growing. [3-5s] emerge into a sunlit forest, a waterfall on the right. Sound: heavy breathing, then birdsong.",
    "negative_prompt": "",
    "size": "1920*1080",
    "duration": 5,
    "prompt_extend": true,
    "audio": "",
    "shot_type": "",
    "seed": 1
  }'
# -> returns a prediction id
 
# 2. Poll for the result
curl --request GET "https://gptproto.com/api/v3/predictions/$RESULT_ID/result" \
  --header "Authorization: Bearer $GPTPROTO_API_KEY"

El mismo flujo en Python, con el bucle de consulta escrito explícitamente:

import os, time, requests
 
KEY = os.environ["GPTPROTO_API_KEY"]
HEADERS = {"Authorization": f"Bearer {KEY}", "Content-Type": "application/json"}
BASE = "https://gptproto.com/api/v3"
 
payload = {
    "prompt": (
        "A first-person POV gliding through a damp stone tunnel toward a bright exit. "
        "[0-3s] fast forward motion, light at the end growing. "
        "[3-5s] emerge into a sunlit forest, a waterfall on the right. "
        "Sound: heavy breathing, then birdsong."
    ),
    "negative_prompt": "",
    "size": "1920*1080",
    "duration": 5,
    "prompt_extend": True,
    "audio": "",
    "shot_type": "",
    "seed": 1,
}
 
submit = requests.post(f"{BASE}/alibaba/wan-2.6/text-to-video",
                       headers=HEADERS, json=payload).json()
result_id = submit["id"]
 
while True:
    r = requests.get(f"{BASE}/predictions/{result_id}/result", headers=HEADERS).json()
    if r.get("status") in ("succeeded", "failed"):
        print(r)
        break
    time.sleep(5)

La facturación aumenta según la configuración, no con una tarifa fija por clip: la resolución, la duración y el audio modifican el importe, por eso la vista previa de 1080p/10 s cuesta más que la tarifa base de 0,45 $. Cada modelo Wan alojado muestra su tarifa actual en su propia página, y todos comparten un mismo saldo con el resto del catálogo, así que no tienes que gestionar cuentas separadas para probar 2.5 frente a 2.6.

Cómo escribir prompts para el Modo de razonamiento

Como 2.7 planifica antes de renderizar, los prompts que mejor funcionan se parecen menos a una lista de palabras clave y más a un briefing. Dale intención y estructura. Un esquema de escenas con marcas de tiempo —[0-3s] … [3-5s] …— proporciona a la fase de planificación algo concreto en torno a lo que organizarse, el mismo patrón que utiliza el código funcional anterior. El audio forma parte del mismo prompt: una indicación breve de Sound: ("heavy breathing, then birdsong") activa la pista de audio nativa en lugar de requerir una llamada independiente. Y utiliza negative_prompt para evitar el fallo que realmente esperas —"no glowing plants, no warped hands"— en lugar de dejarlo vacío. Nada de esto es exótico; simplemente consiste en escribir para un modelo que lee todo el briefing antes de empezar.

Quién debería usarlo y quién no

Si necesitas pesos abiertos —autoalojamiento, ajuste fino o datos que permanezcan dentro de tu infraestructura— Wan 2.7 no es la elección correcta hoy, y Wan 2.2 sí lo es. Si quieres generación controlable de imágenes y vídeo mediante una API y puedes aceptar un modelo cerrado y un renderizado más lento, 2.7 es una opción razonable, con la salvedad honesta de que su ventaja de calidad es hasta ahora una afirmación de Alibaba, no una medición. Y si estás creando un prototipo con un presupuesto limitado, los niveles Wan alojados más económicos te permitirán empezar por unos céntimos por ejecución antes de comprometerte. Adapta el modelo a la restricción, no al número de versión.