Saltar al contenido
Alfa
  • Modelos
  • Clasificaciones
  • Ori
Hablar con ventas

Pie de página

OpenRouterOpenRouter
© 2026 OpenRouter, Inc

Producto

  • Chat
  • Clasificaciones
  • Pruebas de rendimiento
  • Aplicaciones
  • Descubrir
  • Modelos
  • Ori
  • Colecciones
  • Proveedores
  • Herramientas
  • Precios
  • Business
  • Enterprise
  • Laboratorio

Empresa

  • Acerca de
  • Blog
  • Clientes
  • Empleo
    Empleo
  • Privacidad
  • Términos del servicio
  • Centro de confianza
  • Soporte
  • Compatible con OR
  • Datos
  • Marca

Desarrollador

  • Documentación
  • Referencia de la API
  • Plataforma para desarrolladores
  • Estado
  • Mapa del sitio para IA

Conectar

  • Discord
  • GitHub
  • LinkedIn
  • X
  • YouTube
Favicon de alibaba

Alibaba: Wan 2.7

alibaba/wan-2.7

Pruebas de rendimientoComparar

Wan 2.7 is a video generation model from Alibaba. It supports text-to-video, image-to-video with first and last frame control, and reference-to-video, where multiple reference images guide the style and content of the generated scene.

Modalidades
Precio
0,10 US$/second
Publicado
15 abr 2026
Pruebas de rendimientoComparar
Zona de pruebasPruebas de rendimientoProveedoresRendimientoTiempo de actividadAplicacionesActividadDocumentaciónPreguntas frecuentesExplorar

Zona de pruebas

Pruebas de rendimiento

Puntuaciones en evaluaciones estandarizadas y respuestas de este modelo a instrucciones compartidas de las pruebas de referencia. Los porcentajes más altos son mejores, y cada posición indica dónde se sitúa este modelo entre los modelos evaluados en esa fuente.

Resumen de puntuaciones en pruebas de rendimiento de Alibaba: Wan 2.7 (Artificial Analysis)
FuentePrueba de rendimientoPuntuación
Artificial AnalysisWan 2.7 Pro Elo979
Artificial AnalysisWan 2.7 Elo986

Proveedores

Este modelo está alojado por un único proveedor. OpenRouter le reenvía todas las solicitudes directamente, sin necesidad de tomar decisiones de enrutamiento.

Rendimiento

La velocidad de generación indica lo rápido que escribe el modelo (tokens por segundo: cuanto mayor, mejor). La latencia es el tiempo total de ida y vuelta (cuanto menor, mejor). TTFT es el tiempo hasta el primer token: cuánto tarda en aparecer algo en pantalla (cuanto menor, mejor).

Tiempo de actividad

El tiempo de actividad es el porcentaje de los últimos 3 días en que al menos un proveedor respondía a las solicitudes. La disponibilidad es el porcentaje de tiempo en que la inferencia se sirvió correctamente. OpenRouter supervisa continuamente y utiliza el siguiente mejor proveedor cuando uno devuelve un error.

Aplicaciones

Aplicaciones públicas que envían más tráfico a este modelo. Una buena señal de cómo son las cargas de trabajo reales en producción, y una pista sobre los casos de uso para los que este modelo es más adecuado.

Actividad

Volumen de tokens y tráfico de solicitudes a este modelo a lo largo del tiempo.

API

Código listo para usar para llamar a este modelo. La API de OpenRouter es compatible con OpenAI: la mayoría de los SDK funcionan con solo cambiar la URL base. Lo único que cambia entre modelos es el identificador del modelo que aparece a continuación.

Actualmente no está disponible mediante el enrutamiento dentro de la región de la UE. Documentación de enrutamiento dentro de la región

Documentación

Guías, recetarios, artículos de blog y herramientas para desarrollar con Alibaba: Wan 2.7 en OpenRouter.

  • Best Image-to-Video AI Models in 2026: Cost, Resolution, and ControlPublicación del blog

Explorar más modelos

Modelos de IA con visión: LLM multimodales para la comprensión de imágenesColecciónModelos de generación de vídeoColecciónClasificaciones de modelos de vídeoClasificación
Latencia de extremo a extremo
0,10 US$98,26s
100,00 %
Latencia de extremo a extremo
98,26s

P50, mejor proveedor

Tiempo de actividad (3 d)El modelo estaba accesible. Solicitud enrutada a un proveedor.
100,00 %
Disponibilidad (3 d)El modelo devolvió una inferencia de cualquier proveedor. Los errores y las respuestas vacías cuentan en su contra.
97,57 %

Disponibilidad durante los últimos 3 días

Últimas 72 horas
Disponibilidad 97,57 %
Hace 3 díasHace 2 díasAyerAhora

Disponibilidad en las últimas 24 horas

OpenRouter Availability
97,21 %

Cuando se produce un error en un proveedor ascendente, podemos recuperarnos enrutando la solicitud a otro proveedor que funcione correctamente, si los filtros de su solicitud lo permiten. Puede acceder mediante programación a los datos de tiempo de actividad de cada proveedor a través de la API de endpoints. Obtenga más información sobre nuestras opciones de equilibrio de carga y enrutamiento de proveedores.

1.
Favicon de https://local.video.project/
Local Video Edit (Kling/OpenRouter)
nuevo
0tókenes
2.
Favicon de https://app.askmeai.ru/
AskMeAI Bot
nuevo
0tókenes
3.
Favicon de https://okky.nyc/
Okky
nuevo
0tókenes
4.
Favicon de https://thechinabridge.com/
CB journey6
nuevo
0tókenes
5.
Favicon de https://speed-creative-studio.netlify.app/
SPEED Creative Studio
nuevo
0tókenes

No hay datos disponibles para el gráfico

Preguntas frecuentes

Wan 2.7 is a video generation model from Alibaba. It supports text-to-video, image-to-video with first and last frame control, and reference-to-video, where multiple reference images guide the style and content of the generated scene.

La documentación de Wan 2.7 en OpenRouter incluye la publicación del blog Best Image-to-Video AI Models in 2026: Cost, Resolution, and Control. La guía de inicio rápido cubre las claves de API y su primera solicitud, y la referencia de la API enumera todos los parámetros.

Wan 2.7 cuesta 0,10 US$/second.

Wan 2.7 admite clips de 2–10 segundos, se puede guiar con una imagen de first frame y last frame y produce una pista de audio correspondiente.

Wan 2.7 acepta texto e imágenes como entrada y devuelve vídeo.

Wan 3.0 Prime, Wan 3.0, HappyHorse 1.1 y 2 más son otros modelos de vídeo de Alibaba.

Wan 2.7 se lanzó el 15 de abril de 2026.

Más modelos de alibaba

Wan 3.0 Prime

Wan 3.0 Prime is a fast-mode variant of Wan 3.0 from Alibaba. It supports text-to-video and first-frame image-to-video generation.

Vídeofrom 0,068 US$/second
Wan 3.0

Wan 3.0 is a video generation model from Alibaba for text-to-video, image-to-video, and reference-guided video generation. It produces 480p, 720p, or 1080p video with durations from 2 to 30 seconds.

Vídeofrom 0,0425 US$/second
HappyHorse 1.1

HappyHorse 1.1 is a video generation model from Alibaba. It generates short videos from a text prompt, a single starting image, or a set of reference images, with output up to 1080p and durations of 3 to 15 seconds. It is suited for creative content, social media clips, and image-driven animation, and improves on the prior version with stronger prompt adherence, smoother motion, and more consistent characters across frames.

Vídeofrom 0,0988 US$/second
HappyHorse 1.0

HappyHorse 1.0 is a video generation model from Alibaba. It generates short videos from a text prompt, a single starting image, or a set of reference images, with output up to 1080p and durations of 3 to 15 seconds. It is suited for creative content, social media clips, and image-driven animation across a range of aspect ratios.

Vídeofrom 0,0988 US$/second
Wan 2.6

Alibaba's most advanced video generation model, supporting over 10 visual creation capabilities in a unified system. Wan 2.6 generates 1080p video at 24fps from text, images, reference videos, or audio, with native audio-visual synchronization and precise lip-sync. Key features include reference-to-video (insert a character's appearance and voice into new scenes), multi-shot storytelling from simple prompts, synchronized sound effects and music, and support for 16:9, 9:16, and 1:1 aspect ratios with clips up to 15 seconds.

Vídeofrom 0,04 US$/second
Tongyi DeepResearch 30B A3B

Tongyi DeepResearch is an agentic large language model developed by Tongyi Lab, with 30 billion total parameters activating only 3 billion per token. It's optimized for long-horizon, deep information-seeking tasks and delivers state-of-the-art performance on benchmarks like Humanity's Last Exam, BrowserComp, BrowserComp-ZH, WebWalkerQA, GAIA, xbench-DeepSearch, and FRAMES. This makes it superior for complex agentic search, reasoning, and multi-step problem-solving compared to prior models.

The model includes a fully automated synthetic data pipeline for scalable pre-training, fine-tuning, and reinforcement learning. It uses large-scale continual pre-training on diverse agentic data to boost reasoning and stay fresh. It also features end-to-end on-policy RL with a customized Group Relative Policy Optimization, including token-level gradients and negative sample filtering for stable training. The model supports ReAct for core ability checks and an IterResearch-based 'Heavy' mode for max performance through test-time scaling. It's ideal for advanced research agents, tool use, and heavy inference workflows.

TextoContexto de 131K