AlibabaVideomodell
Wan 2.7
Bei Bild zu Video liegt Wan 2.7 auf Platz 8 von 21, bei reinem Text auf Platz 14. Ein 5-s-Clip kostet rund 0,75 $.
1.428Arena-Wertunghöher ist besser
1.337Arena-Wertunghöher ist besser
0,75 $0,15 $ je Sekundeniedriger ist besser
15 slängster Clip am Stückhöher ist besser
30von 100wie im Vormonat
Zusammenfassung
Mit 0,15 $ je Sekunde Video ist es eher teuer, ein typisches Videomodell kostet 0,12 $.
Neu an Wan 2.7 sind Text-zu-Video, Bild-zu-Video, Referenz-zu-Video und Editing in einer gehosteten Alibaba-Cloud-Familie. Die Varianten synchronisieren Audio, erzählen Mehrshot-Szenen und erzeugen 720p oder 1080p bis 15 Sekunden.
Alibaba unterscheidet bei Bild-zu-Video zwischen Erstbild, Erst- und Letztbild sowie audio-gesteuerten Abläufen. Die Referenzvariante hält mehrere Figuren und Referenzmedien zusammen; Gewichte bleiben proprietär und der Zugang läuft über die API.
Benchmarks von Wan 2.7
Arena Bild zu Video
Wie Menschen erzeugte Videos im Blindvergleich bewerten, Elo-Punkte · höher ist besser
20 von 21 Modellen
Stand 22. September 2026 · Quelle: LMArena
Arena Text zu Video
Wie Menschen erzeugte Videos im Blindvergleich bewerten, Elo-Punkte · höher ist besser
20 von 23 Modellen
Stand 22. September 2026 · Quelle: LMArena
Alle 131 Einzelmesswerte aus 20 Quellen anzeigen
Seite 1 von 11
Veröffentlichte Benchmarks
LMArena Text to Video
Elo-Werte fassen Paarvergleiche innerhalb dieser Vergleichstabelle zusammen. Sie sind keine Prozentwerte. Die Skala erlaubt keine Aussage über absolute Qualität oder lineare Abstände zwischen Modellen.
höhere Werte sind besserStand 5. November 2026Skala: 0 Elo - 1.516 Elo
Methodik und Einordnung
- Messgröße
- elo-rating
- Skala
- Keine obere Grenze dokumentiert. Die Darstellung umfasst die erfassten Werte und den Nullpunkt.
- Teilnehmer
- 23
- Stichprobe
- 27.626
LMArena Image to Video
Elo-Werte fassen Paarvergleiche innerhalb dieser Vergleichstabelle zusammen. Sie sind keine Prozentwerte. Die Skala erlaubt keine Aussage über absolute Qualität oder lineare Abstände zwischen Modellen.
höhere Werte sind besserStand 5. November 2026Skala: 0 Elo - 1.495 Elo
Methodik und Einordnung
- Messgröße
- elo-rating
- Skala
- Keine obere Grenze dokumentiert. Die Darstellung umfasst die erfassten Werte und den Nullpunkt.
- Teilnehmer
- 21
- Stichprobe
- 85.521
Messungen ohne passende Vergleichswerte
Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.
VVA-Bench attack success rate (no-defense baseline) (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 100
- Bewertung
- 100
- Messgröße
- attack success rate (ASR)
- Einheit
- %
- Benchmark-Version
- VVA-Bench Table 5, no-defense baseline
- Kategorie
- image-to-video-safety
- Richtung
- Weniger ist besser
- Stichprobe
- 452
- Quellentyp
- independent-evaluator
- Auswertung
- VVA-Bench, VPA-Guard paper Table 5
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Bild-zu-Video-Sicherheitsbenchmark; Baseline ohne Abwehrmaßnahme; exakte Modellspalte wan_27 in Tabelle 5; 452 unsichere Prompts; 45 sichere Kontroll-Prompts sind getrennt. Ausgabeauflösung nicht angegeben.
- Einordnung
- ASR ist die Angriffs-Erfolgsrate; die 45 sicheren Kontrollen sind nicht Teil dieses Nenners.
AA Video Arena Elo (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 1033
- Bewertung
- 1033
- Messgröße
- pairwise human-preference Elo
- Einheit
- elo
- Benchmark-Version
- AA-Video-I2V v1.1
- Kategorie
- image-to-video
- Richtung
- Mehr ist besser
- Stichprobe
- 2306
- Konfidenzintervall
- 19
- Untere Konfidenzgrenze
- 1014
- Obere Konfidenzgrenze
- 1052
- Quellentyp
- independent-evaluator
- Auswertung
- Artificial Analysis AA-Video-I2V v1.1
- Status
- active
- Abrufdatum
- 2026-10-16
- Methodik
- Unabhängige Evaluation. Bild-zu-Video mit Audio; exakte Quellenzeile Wan2.7.
- Einordnung
- Dem generischen Profil Wan 2.7 wird nicht die separate T2V-Zeile Wan2.7-260612 zugeordnet. Der aufgeführte I2V-Vergleich enthält Audio.
VGI-Bench visual-intelligence score (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 35.7
- Bewertung
- 35.7
- Messgröße
- Overall final score
- Einheit
- Keine Einheit angegeben
- Benchmark-Version
- arXiv:2608.19583v3 (Table 2)
- Kategorie
- image-to-video-reasoning
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- VGI-Bench, arXiv:2608.19583v3
- Status
- active
- Abrufdatum
- 2026-10-16
- Methodik
- Unabhängige Evaluation. Bild-zu-Video-Aufgaben zum visuellen Schlussfolgern; Textprompt plus Eingabebild; 1280×720, 5 oder 10 Sekunden bei 30 Bildern/s. Das gemeinsame Paper-Protokoll wertet mit festem Zufallsstartwert die Hälfte der Instanzen je Aufgabe aus.
- Einordnung
- Die Tabellen nennen weder eine Score-Einheit noch eine Stichprobengröße pro Modell. Es wird weder eine Prozentangabe noch ein Nenner abgeleitet.
VGI-Bench visual-intelligence score (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 33.9
- Bewertung
- 33.9
- Messgröße
- Visual Organization domain average
- Einheit
- Keine Einheit angegeben
- Benchmark-Version
- arXiv:2608.19583v3 (Table 2)
- Kategorie
- visual-organization
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- VGI-Bench, arXiv:2608.19583v3
- Status
- active
- Abrufdatum
- 2026-10-16
- Methodik
- Unabhängige Evaluation. Bild-zu-Video-Aufgaben zum visuellen Schlussfolgern; Textprompt plus Eingabebild; 1280×720, 5 oder 10 Sekunden bei 30 Bildern/s. Das gemeinsame Paper-Protokoll wertet mit festem Zufallsstartwert die Hälfte der Instanzen je Aufgabe aus.
- Einordnung
- Die Tabellen nennen weder eine Score-Einheit noch eine Stichprobengröße pro Modell. Es wird weder eine Prozentangabe noch ein Nenner abgeleitet.
VGI-Bench visual-intelligence score (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 36.8
- Bewertung
- 36.8
- Messgröße
- Spatiotemporal Dynamics domain average
- Einheit
- Keine Einheit angegeben
- Benchmark-Version
- arXiv:2608.19583v3 (Table 2)
- Kategorie
- spatiotemporal-dynamics
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- VGI-Bench, arXiv:2608.19583v3
- Status
- active
- Abrufdatum
- 2026-10-16
- Methodik
- Unabhängige Evaluation. Bild-zu-Video-Aufgaben zum visuellen Schlussfolgern; Textprompt plus Eingabebild; 1280×720, 5 oder 10 Sekunden bei 30 Bildern/s. Das gemeinsame Paper-Protokoll wertet mit festem Zufallsstartwert die Hälfte der Instanzen je Aufgabe aus.
- Einordnung
- Die Tabellen nennen weder eine Score-Einheit noch eine Stichprobengröße pro Modell. Es wird weder eine Prozentangabe noch ein Nenner abgeleitet.
VGI-Bench visual-intelligence score (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 24.5
- Bewertung
- 24.5
- Messgröße
- Structured Puzzles domain average
- Einheit
- Keine Einheit angegeben
- Benchmark-Version
- arXiv:2608.19583v3 (Table 2)
- Kategorie
- structured-puzzles
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- VGI-Bench, arXiv:2608.19583v3
- Status
- active
- Abrufdatum
- 2026-10-16
- Methodik
- Unabhängige Evaluation. Bild-zu-Video-Aufgaben zum visuellen Schlussfolgern; Textprompt plus Eingabebild; 1280×720, 5 oder 10 Sekunden bei 30 Bildern/s. Das gemeinsame Paper-Protokoll wertet mit festem Zufallsstartwert die Hälfte der Instanzen je Aufgabe aus.
- Einordnung
- Die Tabellen nennen weder eine Score-Einheit noch eine Stichprobengröße pro Modell. Es wird weder eine Prozentangabe noch ein Nenner abgeleitet.
VGI-Bench visual-intelligence score (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 47.1
- Bewertung
- 47.1
- Messgröße
- Physical Manipulation domain average
- Einheit
- Keine Einheit angegeben
- Benchmark-Version
- arXiv:2608.19583v3 (Table 2)
- Kategorie
- physical-manipulation
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- VGI-Bench, arXiv:2608.19583v3
- Status
- active
- Abrufdatum
- 2026-10-16
- Methodik
- Unabhängige Evaluation. Bild-zu-Video-Aufgaben zum visuellen Schlussfolgern; Textprompt plus Eingabebild; 1280×720, 5 oder 10 Sekunden bei 30 Bildern/s. Das gemeinsame Paper-Protokoll wertet mit festem Zufallsstartwert die Hälfte der Instanzen je Aufgabe aus.
- Einordnung
- Die Tabellen nennen weder eine Score-Einheit noch eine Stichprobengröße pro Modell. Es wird weder eine Prozentangabe noch ein Nenner abgeleitet.
H2R-Bench H2RCore (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 76.5
- Bewertung
- 76.5
- Messgröße
- H2RCore score for Parallel-Jaw Gripper
- Einheit
- points
- Benchmark-Version
- arXiv:2608.13049 main evaluation (Tables 2 and S4)
- Kategorie
- human-to-robot-manipulation-transfer
- Richtung
- Mehr ist besser
- Untere Konfidenzgrenze
- 75.7
- Obere Konfidenzgrenze
- 77.4
- Quellentyp
- independent-evaluator
- Auswertung
- H2R-Bench, arXiv:2608.13049
- Status
- active
- Abrufdatum
- 2026-10-16
- Methodik
- Unabhängige Evaluation. Transfer menschlicher Demonstrationen auf Robotermanipulation; Wan2.7 erhält das vollständige Ausgangsvideo über seine native Schnittstelle für videokonditionierte Eingaben; der angeglichene Aufgabenprompt nennt als Ziel den Parallelgreifer (Parallel-Jaw Gripper); erzeugte Ausgabe 1280×720, 150 Bilder bei 30 Bildern/s. Im Hauptvergleich gibt es kein Referenzbild des Zielroboters.
- Einordnung
- H2RCore ist ein auf Transferaufgaben bezogener Gesamtwert, keine allgemeine Videoqualität. Kontaktübertragung und korrekte Verkörperung zählen je 0,30, Ziel- und Handlungserfüllung je 0,15 und die VBench-Videoqualität 0,10. Das Paper beschreibt einen Hauptdatensatz mit 120 Quellen; ein Nenner pro Zeile wird nicht gespeichert.
H2R-Bench H2RCore (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 83.1
- Bewertung
- 83.1
- Messgröße
- H2RCore score for Dexterous Hand
- Einheit
- points
- Benchmark-Version
- arXiv:2608.13049 main evaluation (Tables 2 and S4)
- Kategorie
- human-to-robot-manipulation-transfer
- Richtung
- Mehr ist besser
- Untere Konfidenzgrenze
- 82.3
- Obere Konfidenzgrenze
- 83.9
- Quellentyp
- independent-evaluator
- Auswertung
- H2R-Bench, arXiv:2608.13049
- Status
- active
- Abrufdatum
- 2026-10-16
- Methodik
- Unabhängige Evaluation. Transfer menschlicher Demonstrationen auf Robotermanipulation; Wan2.7 erhält das vollständige Ausgangsvideo über seine native Schnittstelle für videokonditionierte Eingaben; der angeglichene Aufgabenprompt nennt als Ziel die bewegliche Roboterhand (Dexterous Hand); erzeugte Ausgabe 1280×720, 150 Bilder bei 30 Bildern/s. Im Hauptvergleich gibt es kein Referenzbild des Zielroboters.
- Einordnung
- H2RCore ist ein auf Transferaufgaben bezogener Gesamtwert, keine allgemeine Videoqualität. Kontaktübertragung und korrekte Verkörperung zählen je 0,30, Ziel- und Handlungserfüllung je 0,15 und die VBench-Videoqualität 0,10. Das Paper beschreibt einen Hauptdatensatz mit 120 Quellen; ein Nenner pro Zeile wird nicht gespeichert.
Video Models AI-judge benchmark (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 3.58
- Bewertung
- 3.58
- Messgröße
- Weighted overall AI-judge quality score (0-5)
- Einheit
- points
- Benchmark-Version
- Video Models leaderboard updated 2026-10-15
- Kategorie
- video-generation
- Richtung
- Mehr ist besser
- Stichprobe
- 64
- Quellentyp
- vendor-reported
- Auswertung
- Video Models by Wiro AI
- Status
- active
- Abrufdatum
- 2026-10-16
- Methodik
- Vom Anbieter veröffentlichter Wert. Exakte Wiro-API-Route alibaba/wan-2-7. Laut veröffentlichter Methodik ein API-Lauf je Prompt mit Modell-Standardeinstellungen, erste erfolgreiche Ausgabe, 5-Sekunden-Ziel und nächstliegende Auflösung zu 720p. Die Routendokumentation nennt 5-15s; 720p or 1080p; prompt maximum 5,000 characters. Die CSV zeigt keine genauen Einstellungen je Prompt und keine Nenner je Einzelkriterium.
- Einordnung
- Wiro AI ist ein kommerzielles Modell-Gateway. Bewertet wird mit einer gewichteten 0-bis-5-KI-Judge-Rubrik, nicht in einem blinden menschlichen Paarvergleich. Für Einzelkriterien werden weder N noch Konfidenzintervalle publiziert. Das ist aufgabenspezifische KI-Judge-Evidenz, kein breiter unabhängiger Qualitätsnachweis.
Dokumentierte Messdetails
LMArena Text to Video: LMArena Text to Video (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 1337
- Bewertung
- 1337
- Messgröße
- elo-rating
- Einheit
- Elo
- Aufgabe
- lmarena-text-to-video
- Aufgabenbezeichnung
- LMArena Text to Video
- Richtung
- Mehr ist besser
- Quellenrang
- 20
- Stichprobe
- 27626
- Untere Konfidenzgrenze
- 1330
- Obere Konfidenzgrenze
- 1344
- Abrufdatum
- 2026-11-05
LMArena Image to Video: LMArena Image to Video (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 1428
- Bewertung
- 1428
- Messgröße
- elo-rating
- Einheit
- Elo
- Aufgabe
- lmarena-image-to-video
- Aufgabenbezeichnung
- LMArena Image to Video
- Richtung
- Mehr ist besser
- Quellenrang
- 11
- Stichprobe
- 85521
- Untere Konfidenzgrenze
- 1423
- Obere Konfidenzgrenze
- 1433
- Abrufdatum
- 2026-11-05
Seite 1 von 11
Videobeispiel aus unserem Test
Dieses Video liegt als dokumentierter Lauf für die genaue Modellversion vor. Die Wiedergabe ist stummgeschaltet.
Bewegung und physikalische Konsistenz
Das Beispiel prüft Anatomie, Objektkonsistenz, Kamerafahrt, Regen und Reflexionen.
Prompt und Einstellungen
Generate exactly one continuous five-second 16:9 cinematic video. A fictional bicycle courier in a mustard-yellow raincoat rides a red city bicycle from left to right across a rain-wet Hamburg street at blue hour for the entire clip. The camera tracks her smoothly at waist height. Both hands remain visible on the handlebars, the bicycle geometry stays physically correct, and a transparent umbrella fixed to the bicycle moves naturally in the wind. Wet-street reflections and raindrops follow realistic physics. No cuts, no slow motion, no text, no logos, no subtitles, and no audio.
Erzeugt über fal.ai mit dem Modell fal-ai/wan/v2.7/text-to-video. Archivierte Einstellungen waren 16:9, one request, first output, requested 5 s, seed 2037051528, request {"prompt":"Generate exactly one continuous five-second 16:9 cinematic video. A fictional bicycle courier in a mustard-yellow raincoat rides a red city bicycle from left to right across a rain-wet Hamburg street at blue hour for the entire clip. The camera tracks her smoothly at waist height. Both hands remain visible on the handlebars, the bicycle geometry stays physically correct, and a transparent umbrella fixed to the bicycle moves naturally in the wind. Wet-street reflections and raindrops follow realistic physics. No cuts, no slow motion, no text, no logos, no subtitles, and no audio.","aspect_ratio":"16:9","resolution":"720p","duration":5,"enable_prompt_expansion":false}, configured price estimate $0.50.
Beliebtheit im Vergleich
Wie oft das Modell gesucht, genutzt und erwähnt wird, im Vergleich mit allen Modellen dieser Kategorie.
Beliebtheitsindex
0 bis 100, höher ist beliebter
20 von 98 Modellen
Stand November 2026 · Quelle: gradually.ai Beliebtheitsindex
Zeitlicher Verlauf
Wochenwerte vom 18. Oktober 2026 bis 5. November 2026
Wan 2.7Dreamina Seedance 2.0 720pHunyuanVideo 1.5Veo 3.1 FastKling 2.6 Pro
Wan 2.7 im Vergleich
Mit anderem Modell vergleichen
Die beliebtesten Vergleiche
- 1MiniMax H3 vs. Wan 2.7
- 2Gemini Omni Flash vs. Wan 2.7
- 3FLUX.3 Video vs. Wan 2.7
- 4Dreamina Seedance 2.5 720p vs. Wan 2.7
- 5Dreamina Seedance 2.0 720p vs. Wan 2.7
- 6Sora 2 Pro vs. Wan 2.7
- 7Sora 2 vs. Wan 2.7
- 8Veo 3.1 vs. Wan 2.7
- 9Veo 3.1 Fast vs. Wan 2.7
Alle 48 Vergleiche zeigen
- 10Grok Imagine Video 1.5 vs. Wan 2.7
- 11Grok Imagine Video vs. Wan 2.7
- 12Wan 2.7 vs. Wan 2.6
- 13Wan 2.7 vs. Runway Gen-4.5
- 14Wan 2.7 vs. Kling 3.0 Pro
- 15Wan 2.7 vs. Kling 2.6 Pro
- 16Wan 2.7 vs. Vidu Q3 Pro
- 17Wan 2.7 vs. PixVerse V5.6
- 18Wan 2.7 vs. Hailuo 2.3
- 19Wan 2.7 vs. LTX-2 19B
- 20Wan 2.7 vs. Wan 2.2 A14B
- 21Wan 2.7 vs. HunyuanVideo 1.5
- 22Wan 2.7 vs. Pika 2.2
- 23Wan 2.7 vs. Gemini Omni 1.1 Flash
- 24Wan 2.7 vs. Muse Video
- 25Wan 2.7 vs. Wan 3.0
- 26Wan 2.7 vs. Wan 3.0 Prime
- 27Wan 2.7 vs. HappyHorse 1.0
- 28Wan 2.7 vs. HappyHorse 1.1
- 29Wan 2.7 vs. PixVerse V6
- 30Wan 2.7 vs. PixVerse C1
- 31Wan 2.7 vs. Seedance 2.0 Fast
- 32Wan 2.7 vs. Seedance 2.0 Mini
- 33Wan 2.7 vs. Vidu Q3 Turbo
- 34Wan 2.7 vs. Vidu Q2
- 35Wan 2.7 vs. Vidu Q1
- 36Wan 2.7 vs. Kling 4.0
- 37Wan 2.7 vs. Kling 3.0 Standard API
- 38Wan 2.7 vs. Kling Video O1
- 39Wan 2.7 vs. Hailuo 2.3 Fast
- 40Wan 2.7 vs. Wan 2.5 Preview
- 41Wan 2.7 vs. Wan 2.6 I2V Flash
- 42Wan 2.7 vs. Wan 2.2 TI2V 5B
- 43Wan 2.7 vs. Wan 2.2 I2V A14B
- 44Wan 2.7 vs. HunyuanVideo 1.0 T2V
- 45Wan 2.7 vs. HunyuanVideo I2V 1.0
- 46Wan 2.7 vs. Ray 3.2
- 47Wan 2.7 vs. Grok Imagine Video 1.5 Lite
- 48Wan 2.7 vs. LTX-2.5
Alle technischen Daten
Ein- und Ausgabe
Wasserzeichen und Herkunft
KI-Wasserzeichen meint unsichtbare Signale in der Ausgabe. Sichtbare Zeichen und Herkunftsmetadaten sind getrennt aufgeführt. Unbekannt bedeutet, dass für die jeweilige Angabe kein ausreichender Beleg vorliegt.
- KI-Wasserzeichen
- Unbekannt
- ohne Quelle
- Watermarking-Technik
- Nicht bekannt
- ohne Quelle
Lizenz und Zugang
Preise
Kein Abo von Alibaba mit diesem Modell. Über andere Anbieter ab 6,83 € im Monat (Poe Basic, mit begrenzten Punkten). 19 Tarife in Deutschland.
| Tarif | Preis im Monat | Hinweis |
|---|---|---|
| Poe Basic | 6,83 € | mit begrenztem Guthaben |
| Leonardo.Ai Essential | ≈ 12,72 € | |
| Magnific Premium | 19,04 € | mit begrenztem Guthaben |
| Recraft Pro | ≈ 21,20 € | mit begrenztem Guthaben |
| Recraft Teams | ≈ 23,33 € | mit begrenztem Guthaben, für Teams, je Nutzer |
| Leonardo.Ai Team Starter | ≈ 25,45 € | für Teams, je Nutzer |
| Poe Plus | 27,36 € | mit begrenztem Guthaben |
| Leonardo.Ai Premium | ≈ 31,81 € | |
| Magnific Premium+ | 42,84 € | mit begrenztem Guthaben |
| Leonardo.Ai Team Growth | ≈ 50,89 € | für Teams, je Nutzer |
| Leonardo.Ai Ultimate | ≈ 63,61 € | |
| Poe Pro | 68,41 € | mit begrenztem Guthaben |
| Magnific Business | 70,21 € | mit begrenztem Guthaben, für Teams, je Nutzer |
| Magnific Pro Starter | 104,72 € | mit begrenztem Guthaben |
| Poe Advanced | 136,84 € | mit begrenztem Guthaben |
| Magnific Pro | 273,70 € | mit begrenztem Guthaben |
| Poe Max | 342,11 € | mit begrenztem Guthaben |
| Leonardo.Ai Custom | k. A. | für Unternehmen |
| Magnific Enterprise | k. A. | für Unternehmen |
Häufige Fragen zu Wan 2.7
Wie gut ist Wan 2.7?
In der Arena-Wertung für Text zu Video Platz 14 von 23. Mit Startbild Platz 8 von 21.
LMArena, Stand 22.09.2026
Was kostet ein Video mit Wan 2.7?
Rund 0,75 $ für einen 5-s-Clip, 0,15 $ je Sekunde Video. Das ist eher teuer.
Wie lang darf ein Video mit Wan 2.7 sein?
Bis zu 15 Sekunden am Stück. Auflösung: 1080p.
Laut Alibaba
- Preis
- 0,15 $ je Sekunde0,75 $ je 5-s-Clip
- Längster Clip
- 15 s
- Auflösung
- 1080p
- Ton
- ja, direkt erzeugt
- Offene Gewichte
- nein
Wo kann ich Wan 2.7 nutzen?
Nicht im Abo von Alibaba. Zusammen mit anderen Anbietern sind es 19 Tarife in Deutschland.
Abo-Vergleich, Preise in Deutschland inkl. USt
Bei Alibaba
Kein Abo von Alibaba mit diesem Modell.
Über andere Anbieter
19 Tarife bei 4 Anbietern, ab 6,83 € im Monat (Poe Basic), mit begrenztem Guthaben.
Quellen und Datenstand
Alle 37 Quellen anzeigen
Benchmarkquellen im Überblick
Welche unabhängigen Auswerter dieses Modell getestet haben. Das ist Abdeckung, keine Qualitätsrangliste.
| Auswerter | Testreihen | Gesamtindizes | Erfasste aktive Messwerte |
|---|---|---|---|
| Artificial Analysis | 0 | 0 | 3 |
| LMArena | 0 | 0 | 2 |
Ohne Herstellerangaben sowie historische oder strittige Ergebnisse; diese stehen gekennzeichnet bei den Einzelwerten. 5 Messwerte sind noch keiner Testreihe zugeordnet.
| Art | Nachweis und Datenstand |
|---|---|
| Recherchestand | Recherchestand 16. Oktober 2026. 29 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell. |
| Ungeklärt | wan-2-7-generic-t2v-score Hinweis Die Zeile Wan2.7-260612 im T2V-Leaderboard enthält eine datierte Modellkennung. Ohne eindeutige Variantenzuordnung wird kein T2V-Score dem generischen Wan 2.7 zugeordnet. |
| In den geprüften Quellen nicht gefunden | arena-video-edit-exact-row Hinweis Die geprüfte Video-Edit-Tabelle enthält keine exakt passende Modellversion. T2V- und I2V-Werte wurden nicht übernommen. |
| In den geprüften Quellen nicht gefunden | vabench-exact-model-row Hinweis VABench enthält keine exakt passende Modellzeile. Sora 2 wurde nicht auf Sora 2 Pro oder andere Modelle übertragen. |
| In den geprüften Quellen nicht gefunden | artificial-analysis-t2v-exact-row Hinweis In der geprüften Artificial-Analysis-Tabelle wurde keine exakt passende Modellversion oder Auflösung gefunden. |
| Ungeklärt | vbench-current-public-leaderboard Hinweis Die aktuelle VBench-Rangliste ist in einem dynamischen Hugging-Face-Frame eingebettet und war nicht abrufbar. Aktuelle Modellwerte bleiben ungeklärt. |
| Ungeklärt | vidbenchmark-performance-axes Hinweis Die Quelle veröffentlicht Achsen für Zeit bis zum ersten Frame und Kosteneffizienz. Die geprüfte Methodik definiert sie jedoch nicht als gemessene Leistungswerte und nennt weder Einheit noch Richtung oder Berechnungsformel. Sie bleiben deshalb unberücksichtigt. Modellgrenzen, maximale Auflösung und Listenpreise sind keine Qualitätsmessungen. |
| Nicht veröffentlicht | AA and VVA output resolution Hinweis Die AA-Bild-zu-Video-Zeile und die VVA-Bench-Sicherheitstabelle nennen keine Modellausgabeauflösung. Die Wan-2.7-Zeile von CaliBench ist ausdrücklich 720p. |
| Nicht veröffentlicht | servingRevision Originalwortlaut The dataset identifies the participant name but not provider API route, served checkpoint revision, quantization, or resolution. |
| Ungeklärt | datasetRowCount Originalwortlaut The pinned README states 21,125 matchup rows, while current Hugging Face viewer metadata reports 22,625. Neither aggregate is used as sampleCount or leaderboard N. |
| Weitere Quelle | Alibaba · Alibaba Cloud Model Studio video generation and editing · Redaktionelle Beschreibung geprüft am 2. Oktober 2026 |
| Weitere Quelle | Videomodell-Preise |
| Weitere Quelle | fal.ai |
| Weitere Quelle | LMArena (abgerufen 5. November 2026)12 |
| Weitere Quelle | Artificial Analysis AA-Video-I2V v1.1 (abgerufen 16. Oktober 2026; 17. Oktober 2026) |
| Weitere Quelle | VGI-Bench, arXiv:2608.19583v3 (abgerufen 16. Oktober 2026) |
| Weitere Quelle | H2R-Bench, arXiv:2608.13049 (abgerufen 16. Oktober 2026) |
| Weitere Quelle | Video Models by Wiro AI (abgerufen 16. Oktober 2026; 28. Oktober 2026) |
| Weitere Quelle | vidbenchmark (abgerufen 16. Oktober 2026) |
| Weitere Quelle | CaliBench, Table 2 (abgerufen 17. Oktober 2026; 18. Oktober 2026) |
| Weitere Quelle | VVA-Bench, VPA-Guard paper Table 5 (abgerufen 17. Oktober 2026) |
| Weitere Quelle | Rapidata, image-to-video-physics-human-feedback-benchmark dataset README (abgerufen 17. Oktober 2026) |
| Weitere Quelle | Ego2Act: Evaluating Goal-Directed Manipulation in Egocentric Video Generation (abgerufen 17. Oktober 2026) |
| Weitere Quelle | ReCA project page, paper Table 1 (abgerufen 18. Oktober 2026) |
| Weitere Quelle | WBench paper, arXiv:2605.25874 (abgerufen 22. Oktober 2026) |
| Weitere Quelle | VGIF-Score paper, independent evaluator (abgerufen 22. Oktober 2026) |
| Weitere Quelle | WBench official leaderboard (abgerufen 23. Oktober 2026) |
| Weitere Quelle | Arena Video Image-to-Video (abgerufen 21. September 2026; 16. Oktober 2026; 18. Oktober 2026; 28. Oktober 2026) |
| Weitere Quelle | Arena Video Text-to-Video (abgerufen 21. September 2026; 16. Oktober 2026; 18. Oktober 2026; 28. Oktober 2026) |
| Weitere Quelle | Artificial Analysis AA-Video-Editing v1.1 (abgerufen 28. Oktober 2026) |
| Weitere Quelle | MemeBench Video Arena (abgerufen 28. Oktober 2026) |
| Weitere Quelle | Rapidata I2V Physics benchmark (abgerufen 22. Oktober 2026; 28. Oktober 2026) |
| Weitere Quelle | Modellmetadaten (abgerufen 16. Oktober 2026)123 |
| Weitere Quelle | Modellmetadaten (abgerufen 16. Oktober 2026; 28. Oktober 2026) |
| Weitere Quelle | Modellmetadaten (abgerufen 17. Oktober 2026) |
| Weitere Quelle | Modellmetadaten (abgerufen 18. Oktober 2026)12 |
| Weitere Quelle | Modellmetadaten (abgerufen 28. Oktober 2026) |
| Weitere Quelle | OpenRouter: Beliebtheitsindex (abgeleitet), CC BY 4.0 |
| Weitere Quelle | Vercel AI Gateway: Beliebtheitsindex (abgeleitet), CC BY 4.0 |
| Weitere Quelle | Ollama: kumulierte Downloads für den Beliebtheitsindex |
| Weitere Quelle | Replicate: kumulierte Ausführungen für den Beliebtheitsindex |
| Weitere Quelle | Google Trending Now: begrenzte Feed-Auswahl für Deutschland und USA |
| Weitere Quelle | Creative Commons Attribution 4.0 |