Wan은 Alibaba Cloud의 오픈 영상 모델 계열이고 가중치와 추론 코드가 Apache-2.0으로 공개된다. 2025년 2월 Wan2.1에서 시작해 Wan2.2에서 MoE 구조를 들여와 전체 파라미터를 27B로 올리고, 이어서 오디오 구동과 캐릭터 애니메이션, 음악과 춤이라는 전용 모델로 갈라지며, 그와 동시에 소비자용 카드에서도 도는 가벼운 갈래를 남긴다.

Wan2.2: MoE를 영상 확산 모델로

기술 보고서는 핵심을 첫 문단에 둔다. 혼합 엑스퍼트 구조를 영상 생성 확산 모델에 도입했다는 것이다. A14B 계열은 두 엑스퍼트를 쓴다. 노이즈가 높은 엑스퍼트가 노이즈 제거 초반, 전체 배치를 잡는 단계를 맡고, 노이즈가 낮은 엑스퍼트가 후반의 세부를 다듬는다. 각각 약 14B로 합계 약 27B이지만 각 단계에서 깨어나는 것은 약 14B뿐이라 연산량과 메모리는 단일 엑스퍼트 모델과 거의 같다. 전환점은 신호 대 잡음비가 정한다. 노이즈 제거는 잡음이 높고 비가 낮은 상태에서 시작하므로 고잡음 쪽이 작동하고, 임계는 그 낮은 값의 절반에 놓인다.

바뀐 것은 구조만이 아니다. 보고서는 Wan2.1과 비교해 이미지를 65.6퍼센트, 영상을 83.2퍼센트 늘렸다고 적고, 움직임과 의미, 미학에서의 일반화를 노린다고 밝힌다. 미학 데이터에는 조명과 구도, 대비, 색조 같은 축으로 따로 표시를 달아, 영화적인 겉모습을 바라는 것에서 지정하는 것으로 바꿨다.

5B의 TI2V: 720P 24fps를 소비자 카드에서

TI2V-5B는 개인 개발자에게 더 친절한 갈래다. 텍스트에서 영상과 이미지에서 영상을 한 모델에 합치고 720P에서 24fps 출력을 지원하며 4090 같은 소비자 카드에서 돈다. 공개된 효율 수치는 그대로 비용으로 환산된다. 4090 한 장에서 720P 텍스트에서 영상은 약 534.7초에 최대 메모리 약 22.9 GB, 이미지에서 영상은 약 524.8초에 약 22.8 GB다. 8장으로 넓히면 각각 약 157.2초와 160.1초로 내려간다.

메모리를 만드는 압축 VAE

5B 모델이 소비자 카드에 들어가는 열쇠 하나는 영상 VAE의 압축비다. Wan2.2-VAE는 16×16×4로 시간과 공간 모두에서 더 높은 배수를 낸다. 비교표에서 Wan2.1-VAE와 일부 동류는 4×8×8이다. 정보 압축 배수 64를 유지하면서 Wan2.2-VAE는 재구성 PSNR을 32.222에서 33.221로 올리고 SSIM과 LPIPS도 조금 개선한다. 압축을 높이면서 재구성을 떨어뜨리지 않는 것이 같은 카드로 더 높은 해상도를 감당하는 직접적인 이유다.

GPU별 효율 표

공식 저장소에는 구성별 소요 시간(초)과 최대 메모리(GB)를 담은 표가 있다. 4090 행 말고도 A14B 단계가 H20에서 720P 텍스트에서 영상을 한 장으로 약 4048.7초, 최대 59.8 GB에 돌리고, 4장으로 늘리면 약 1067.8초에 51.7 GB로 내려간다. 저장소는 또 A14B의 기본 한 장 명령에 80GB 이상 GPU가 필요하다고 알리고, 부족하면 모델 오프로드와 형 변환으로 속도를 용량과 맞바꿀 수 있다고 적는다.

세 갈래의 전용 라인

Wan2.2 이후 이 공개 계열은 목표가 뚜렷한 작업으로 나뉜다. 2025년 8월 26일 공개된 Wan2.2-S2V-14B는 오디오 구동 영상 모델로 추론 코드와 가중치, 기술 보고서가 함께 나왔고 480P와 720P 두 단계를 지원한다. 2025년 9월 19일 공개된 Wan2.2-Animate-14B는 캐릭터 애니메이션과 교체를 겨냥했고 가중치와 코드가 제공되며, 2025년 11월 13일 Diffusers에 통합됐다. 그 전에 ComfyUI 통합도 나왔다.

2026년 8월 7일 공개된 Wan-Animate-2는 더 나아간다. 구동 영상을 다시 설계한 Diffusion Transformer에 바로 넣고 중간의 동작 추출기를 없앤 전 구간 구조로, 움직임의 충실도와 정체성 유지에 유리하다. 새로 붙은 것은 텍스트로 시점을 조작해 출력 카메라를 구동 영상에서 분리하는 능력이다. 지연을 실시간 문턱까지 줄인 Lite 변형도 스트리밍 애니메이션을 위해 함께 나온다.

음악에서 춤으로는 Wan-Dancer로 따로 공개됐다. 1분이 넘는 720p 30fps 댄스 영상을 클래식과 스트리트, 라틴 등 다섯 종목으로 만들 수 있다고 적혀 있다. 생성을 전체 키프레임 설계와 국소 시간 정밀화 두 단계로 나누고, 시간을 반영한 위치 인코딩과 광류 손실로 긴 시간의 안정을 유지한다. 검증 환경은 A800 80GB 8장으로 이 전용 모델 가운데 문턱이 높은 편이다.

Wan2.1을 돌아보면: 8.19GB와 중국어·영어 문자

Wan2.1은 이 계열의 출발점이고 가벼운 갈래의 의미를 설명한다. T2V-1.3B는 8.19 GB 메모리만 쓰고 거의 모든 소비자 카드에서 돈다. RTX 4090에서 5초 480P 영상을 약 4분에 만들고 양자화 같은 수법은 쓰지 않는다. 단계는 T2V-14B의 480P와 720P, I2V-14B의 480P와 720P, T2V-1.3B의 480P, FLF2V-14B의 720P, 그리고 VACE의 1.3B와 14B에 이른다.

능력은 텍스트와 이미지 입력에 그치지 않는다. 영상 편집과 텍스트에서 이미지, 영상에서 오디오가 포함된다. 공식은 중국어와 영어 문자를 영상 안에 그릴 수 있는 점을 장점으로 내세우고, Wan-VAE가 임의 길이의 1080P를 시간 정보를 유지한 채 부호화와 복호화할 수 있다고 설명한다. 이 두 가지가 이후 많은 2차 개발이 그대로 토대로 쓰는 이유다.

라이선스와 가중치, 통합 경로

조직 페이지에는 Wan 이름 아래 공개 저장소 6개가 모두 Apache-2.0이라고 적혀 있다. Wan2.2와 Wan2.1, Wan-Dancer, Wan-Animate-2, Wan-skills, 그리고 Diffusers 갈래다. Wan2.2는 별이 약 17.5k, Wan2.1은 약 17k다. 가중치는 Hugging Face와 ModelScope 두 곳에 함께 공개되고 해당 명령줄 도구로 내려받는다. 팀에는 라이선스와 배포 경로가 내부 흐름에 넣을 수 있는지를 정하고, 둘 다 저장소 첫 화면에서 확인된다.

커뮤니티 층

이 계열을 둘러싼 외부 작업은 실제 규모가 됐다. 설명이 모은 것으로는 가벼운 추론 틀, 하나는 현행 최상위 카드에서, 다른 하나는 8GB 4060에서 도는 것, 층별 오프로드와 FP8 양자화, 시퀀스 병렬, LoRA 학습을 갖춘 최적화 도구, 희소 어텐션과 캐시 가속, ComfyUI 포장, 그리고 프롬프트 릴레이와 긴 영상 계열 작업이다. Wan-skills라는 별도 저장소는 모델 능력을 에이전트가 부를 수 있는 기능으로 포장한다.

경계

소요 시간과 메모리 수치는 모두 공식 효율 표에서 왔고 특정 병렬 전략과 어텐션 구현 아래 측정됐으므로 자기 기계에서는 달라진다. A14B는 기본 명령을 한 장으로 돌리려면 80GB 이상 GPU가 필요하고, 소비자 카드에는 5B 갈래가 현실적인 선택이다. 전용 모델의 요구는 차이가 커서 Wan-Dancer는 A800 8장에서 측정됐다. 라이선스와 상업 조건은 저장소 안의 허가 문서로 확인하고, 인물의 초상과 소재 자체의 권리는 따로 확인해야 한다.

정리하면 이 공개 계열의 가치는 단일 점수가 아니라 경사가 있는 제품 줄에 있다. 1.3B는 8GB 기계에서도 영상을 내게 하고, 5B는 압축비가 높은 VAE로 720P 24fps를 4090 한 장에 담고, A14B는 듀얼 엑스퍼트 MoE로 전체 파라미터를 27B로 올리면서 단계 비용은 그대로 두며, 그 위에서 오디오와 인물, 긴 시간의 춤이라는 세 가지 구체적 문제를 전용 모델이 맡는다.