Aller au contenu
Alpha
  • Modèles
  • Classements
  • Ori
Contacter l’équipe commerciale

Pied de page

OpenRouterOpenRouter
© 2026 OpenRouter, Inc

Produit

  • Chat
  • Classements
  • Évaluations comparatives
  • Applications
  • Découvrir
  • Modèles
  • Ori
  • Collections
  • Fournisseurs
  • Outils
  • Tarifs
  • Business
  • Enterprise
  • Laboratoire

Entreprise

  • À propos
  • Blog
  • Clients
  • Carrières
    Recrutement
  • Confidentialité
  • Conditions d’utilisation
  • Centre de confiance
  • Assistance
  • Compatible avec OR
  • Données
  • Marque

Développeur

  • Documentation
  • Référence de l’API
  • Plateforme pour développeurs
  • Statut
  • Plan du site pour l’IA

Connecter

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

Alibaba: Wan 2.7

alibaba/wan-2.7

Évaluations comparativesComparer

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.

Modalités
Prix
0,10 $US/second
Publié
15 avr. 2026
Évaluations comparativesComparer
Bac à sableÉvaluations comparativesFournisseursPerformancesDisponibilitéApplicationsActivitéDocumentationFAQExplorer

Bac à sable

Évaluations comparatives

Scores aux évaluations standardisées et réponses de ce modèle aux prompts communs des tests de référence. Des pourcentages plus élevés sont meilleurs — et chaque rang indique la position de ce modèle parmi les modèles évalués sur cette source.

Résumé des scores aux tests de performance pour Alibaba: Wan 2.7 (Artificial Analysis)
SourceTest de performanceScore
Artificial AnalysisWan 2.7 Pro Elo979
Artificial AnalysisWan 2.7 Elo986

Fournisseurs

Ce modèle est hébergé par un seul fournisseur. OpenRouter lui transmet directement chaque requête — aucune décision de routage à prendre.

Performances

Le débit est la vitesse à laquelle le modèle écrit (jetons par seconde — plus il est élevé, mieux c’est). La latence est le temps total d’aller-retour (plus il est faible, mieux c’est). Le TTFT est le délai avant le premier jeton — le temps avant de voir quelque chose apparaître (plus il est faible, mieux c’est).

Disponibilité

La disponibilité correspond au pourcentage des 3 derniers jours pendant lequel au moins un fournisseur répondait aux requêtes. La disponibilité du service correspond au pourcentage de temps pendant lequel l’inférence a été assurée avec succès. OpenRouter surveille en continu les fournisseurs et utilise le meilleur fournisseur suivant lorsque l’un d’eux renvoie une erreur.

Applications

Applications publiques qui envoient le plus de trafic à ce modèle. Un bon indicateur des charges de travail réelles en production — et un aperçu des cas d’usage auxquels ce modèle convient le mieux.

Activité

Volume de jetons et trafic des requêtes vers ce modèle au fil du temps.

API

Code prêt à l’emploi pour appeler ce modèle. L’API d’OpenRouter est compatible avec OpenAI — la plupart des SDK fonctionnent en remplaçant simplement l’URL de base. Seul le slug du modèle ci-dessous change d’un modèle à l’autre.

Actuellement indisponible via le routage dans la région UE. Documentation sur le routage intrarégional

Documentation

Guides, recueils de recettes, articles de blog et outils pour développer avec Alibaba: Wan 2.7 sur OpenRouter.

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

Explorer d’autres modèles

Modèles d’IA avec vision : LLM multimodaux pour la compréhension d’imagesCollectionModèles de génération de vidéosCollectionClassements des modèles vidéoClassement
Latence de bout en bout
0,10 $US98,26s
100,00 %
Latence de bout en bout
98,26s

P50, meilleur fournisseur

Disponibilité (3 j)Le modèle était joignable. Requête acheminée vers un fournisseur.
100,00 %
Disponibilité (3 j)Le modèle a renvoyé un résultat d’inférence, quel que soit le fournisseur. Les erreurs et les réponses vides sont comptabilisées à son détriment.
97,57 %

Disponibilité au cours des 3 derniers jours

72 dernières heures
Disponibilité 97,57 %
Il y a 3 joursIl y a 2 joursHierMaintenant

Disponibilité au cours des dernières 24 heures

OpenRouter Availability
97,21 %

Lorsqu’une erreur survient chez un fournisseur en amont, nous pouvons rétablir le service en routant la requête vers un autre fournisseur opérationnel, si les filtres de votre requête le permettent. Vous pouvez accéder par programmation aux données de disponibilité de chaque fournisseur via l’ API des points de terminaison. Découvrez nos options d’ équilibrage de charge et de routage des fournisseurs.

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

Aucune donnée disponible pour le graphique

Questions fréquentes

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 documentation de Wan 2.7 sur OpenRouter comprend l’article de blog Best Image-to-Video AI Models in 2026: Cost, Resolution, and Control. Le guide de démarrage rapide présente les clés API et votre première requête, et la référence API répertorie tous les paramètres.

Wan 2.7 coûte 0,10 $US/second.

Wan 2.7 prend en charge les clips de 2–10 seconde, peut être guidé par une image first frame et last frame et produit une piste audio correspondante.

Wan 2.7 accepte texte et images en entrée et renvoie vidéo.

Wan 3.0 Prime, Wan 3.0, HappyHorse 1.1 et 2 de plus sont d’autres modèles de type vidéo de Alibaba.

Wan 2.7 est sorti le 15 avril 2026.

Autres modèles 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.

Vidéofrom 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.

Vidéofrom 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.

Vidéofrom 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.

Vidéofrom 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.

Vidéofrom 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.

TexteContexte de 131K