Wan 2.7 im Vergleich: Warum Creator sich dafür entscheiden, nicht wegen des Preises

Wan 2.7 im Vergleich: Thinking Mode vor dem Rendern, lesbarer Text in 12 Sprachen, synchroner Ton, Clips bis 15 Sekunden. Für wen sich das lohnt.
Der größte Unterschied bei Wan 2.7 liegt weder in der Auflösung noch in der Clip-Länge: Das Modell denkt nach, bevor es rendert. Alibaba nennt das Thinking Mode, und davon hängt fast alles andere ab, was dieses Release anders macht.
Irrtum eins: Wan ist die günstige Option
Diese Annahme hält sich, und für 2.7 ist sie schlicht falsch.
Günstigere Modelle gibt es in der Wan-Reihe tatsächlich, aber das sind die älteren Versionen: 2.6, 2.5, 2.2 Fast. Die sind auf Tempo und Masse ausgelegt. Das Flaggschiff 2.7 funktioniert umgekehrt, langsamer und teurer, weil es sich Zeit nimmt, die Szene zu analysieren, bevor überhaupt das erste Frame entsteht.
Geht es dir um „viele Clips für wenig Geld“, lass 2.7 lieber weg. Geht es dir darum, dass das Modell eine komplizierte Szene schon im ersten Versuch versteht, bist du hier genau richtig.
Irrtum zwei: Der Thinking Mode ist nur Marketing
Das dachte ich auch, bis ich ihn an einer Szene mit mehreren Objekten getestet habe.
Vor der eigentlichen Generierung zerlegt Wan 2.7 den Prompt: Was steht wo, was verdeckt was, woher kommt das Licht. Bei einer einfachen Einstellung merkt man davon kaum etwas. Packst du aber vier Objekte ins Bild, die in einer bestimmten Anordnung bleiben müssen, fängt ein normales Modell an zu improvisieren, während Wan 2.7 das Layout hält.
Das kostet Zeit. Der Clip kommt merklich später als bei schnelleren Modellen, und bei schnellen Entwürfen nervt diese Verzögerung ziemlich rasch.
Irrtum drei: Niemand hat lesbaren Text im Bild gelöst
Dieses Modell schon, und genau das ist für Produktfotos der eigentliche Pluspunkt. Labels, Schaufensterbeschriftung, Text auf Verpackungen, lesbar in zwölf Sprachen, auch Kyrillisch ist dabei.
Für ein Shop-Foto, bei dem der Markenname auf der Verpackung tatsächlich lesbar sein muss, zählt das mehr als weitere hundert Pixel Auflösung.
Auch der Ton entsteht im selben Durchgang wie das Video, mit Lippensynchronisation, die direkt eingebaut ist statt nachträglich draufgelegt. Clips laufen bis zu fünfzehn Sekunden, in 720p oder 1080p.
Irrtum vier: Wan lässt sich selbst hosten
Früher ging das, und der Ruf als offenes Modell hält sich bei der Reihe bis heute.
Mit Version 2.7 hat Alibaba die Gewichte geschlossen, Zugriff läuft jetzt nur noch über die API. Wer vorhatte, das Flaggschiff auf eigener Hardware zu betreiben, kann das vergessen; die früheren Versionen bleiben dafür weiterhin verfügbar.
Über einen gehosteten Dienst merkst du davon im Alltag nichts, aber für Selbsthosting-Pläne ist das Thema damit erledigt, und das solltest du vorher wissen.
Wan 2.7 Unterschiede: Wie du wirklich entscheidest
Ich greife zu Wan, wenn im Bild lesbarer Text oder ein Logo vorkommen muss, oder wenn ich einen längeren Clip mit eingebautem Ton brauche. Geht es dagegen um eine Nahaufnahme eines menschlichen Gesichts, ist das ein anderes Thema, das wir in unserem Überblick zur Kombination von Bild- und Videomodellen behandeln.
Der ehrlichste Weg, ein Modell auszuwählen: Nimm eine Szene, die für deine eigene Arbeit typisch ist, lass sie von zwei Kandidaten rendern, und zähl nicht das schönste Ergebnis, sondern wie viele Versuche es braucht, bis etwas brauchbar ist. Genau nach dieser Methode sind wir auch in unserem Dreiermodell-Test zu Produktszenen vorgegangen.
Ganz sicher bin ich mir allerdings nicht, dass sich meine Versuchszahlen auf andere Kategorien übertragen lassen. Unsere Produktaufnahmen waren recht einfach gehalten; Kleidung mit kleinteiligem, unruhigem Muster könnte sich ganz anders verhalten.
Die ausführliche Analyse des Modells findest du in unserem Review, das Modell selbst liegt auf der Wan 2.7-Seite. Daneben gibt es auch eine reine Bildversion mit eigenen Einsatzgebieten und eigenem Review.
FAQ
Was unterscheidet Wan 2.7 von anderen Videomodellen? Ein Thinking Mode, der vor dem Rendern läuft: Das Modell zerlegt die Szene zuerst und generiert danach. Dazu lesbarer Text in zwölf Sprachen, Kyrillisch eingeschlossen, plus Ton mit Lippensynchronisation im selben Durchgang.
Ist Wan 2.7 günstiger als die anderen Flaggschiff-Modelle? Nein, es ist selbst das Flaggschiff: langsamer und teurer als die früheren Versionen der Reihe. Für Masse und niedrigere Kosten setzt du eher auf 2.6, 2.5 oder 2.2 Fast.
Kannst du Wan 2.7 auf der eigenen Hardware betreiben? Nein, die Gewichte von 2.7 sind geschlossen, Zugriff läuft nur über die API. Frühere Versionen der Reihe blieben offen, dort funktioniert Selbsthosting weiterhin.
Taugt Wan für Produktfotos auf Marktplätzen? Besonders dann, wenn im Bild lesbarer Text auf der Verpackung oder ein Logo vorkommen muss. Bei einfachen Produktaufnahmen ohne Text wird der Abstand zu anderen Modellen kleiner, und am Ende entscheidet der Preis.
Quellen
- Flami: Wan 2.7 Review
- Flami: Analyse zum Wan 2.7 Launch und Thinking Mode
- Flami: Hailuo, Seedance und Wan im Test an Produktszenen
Über den Autor
Jonas Becker
Tester bei Flami