Si quieres un modelo de video de pesos abiertos, LTX-2 y Wan 2.2 suelen aparecer juntos en la lista corta: LTX-2 de Lightricks porque genera el sonido junto con la imagen y dura más, y Wan 2.2 de Alibaba por su movimiento y su gran biblioteca de LoRA. La mayoría de las páginas «LTX-2 vs Wan 2.2» solo comparan fichas técnicas o cambian en silencio por LTX 2.3. Nosotros pasamos los mismos prompts por ambos modelos con la misma configuración y revisamos cada clip.
Respuesta corta: en nuestras pruebas, Wan 2.2 siguió los prompts con más fidelidad; LTX-2 fue más rápido, cerca de un tercio del precio y el único con sonido. En cinco pruebas emparejadas de una sola ejecución, Wan 2.2 hizo mejor lo que pedimos en tres (un perro corriendo, un acercamiento de producto, un bailarín), ambos quedaron parejos en una caminata por la ciudad, y en una prueba de imagen a video Wan 2.2 terminó las cuatro acciones donde LTX-2 terminó dos. En un mismo lote de trabajos concurrentes, LTX-2 devolvió clips de 480p en 11 a 28 segundos frente a los 54 a 116 de Wan 2.2, a $0.072 por clip de 5 segundos contra $0.24, con pista estéreo y hasta 20 segundos por clip. En contenido para adultos, el Wan 2.2 estándar es el más estricto de los dos; LTX-2 y la versión Wan 2.2 Spicy no lo son.
- Empieza con Wan 2.2 cuando la toma tenga que cumplir el brief: un animal o producto específico, un movimiento de cámara con nombre, una secuencia exacta de acciones a partir de una imagen fija.
- Empieza con LTX-2 para borradores baratos, clips con sonido, cualquier cosa más larga que los 5 segundos del Wan 2.2 estándar y el texto a video NSFW.
- Empieza con Wan 2.2 Spicy para imagen a video NSFW con calidad Wan: $0.095 por clip de 5 segundos.
¿Qué LTX-2 y qué Wan 2.2?
Ambos nombres cubren varios modelos, y las páginas de comparación que encuentras suelen mezclarlos.
LTX-2 es el modelo audiovisual de 19 mil millones de parámetros que Lightricks publicó con pesos abiertos en enero de 2026, listado en nuestra API como LTX-2 19B. Sus sucesores, LTX 2.3 y LTX 2.5, son modelos distintos con pesos distintos, y los LoRA entrenados para uno no cargan en los otros. Si te referías a los más nuevos, consulta nuestra guía de prompts de LTX 2.3 o LTX 2.5 vs MiniMax H3.
Wan 2.2 lo publicó Alibaba en julio de 2025 en varios tamaños. Las comparaciones suelen referirse a los modelos A14B: texto a video e imagen a video, cada uno una mezcla de dos expertos de 14 mil millones de parámetros (uno define el encuadre y el movimiento, el otro añade detalle), con salida en 480p o 720p. También hay un modelo TI2V-5B más pequeño que genera 720p a 24 fps, además de variantes de voz a video y de animación de personajes. En nuestra API, Wan 2.2 estándar es el par A14B; Wan 2.2 Spicy, Wan 2.2 LoRA y Wan 2.2 5B LoRA son versiones del mismo lanzamiento con distinto manejo de contenido y soporte de LoRA.
Este artículo compara LTX-2 19B con Wan 2.2 estándar, e incorpora las versiones Spicy y LoRA cuando cambian la respuesta.
La tabla de decisión rápida
| Lo que necesitas | Elige | Por qué |
|---|---|---|
| La toma debe coincidir con un prompt detallado | Wan 2.2 | Más cercano al brief en 4 de nuestras 5 pruebas de una sola ejecución |
| Sonido en el mismo archivo | LTX-2 | Cada clip llegó con pista estéreo; Wan 2.2 es mudo |
| Más de 5 segundos en una sola toma | LTX-2 | De 5 a 20 segundos; el Wan 2.2 estándar hace unos 5, las versiones Spicy y LoRA 5 u 8 |
| Muchos borradores baratos | LTX-2 | $0.072 por 5 s a 480p contra $0.24 |
| 1080p | LTX-2 | Ofrece 1080p; Wan 2.2 renderiza hasta 720p |
| Una secuencia completa de acciones desde una imagen fija | Wan 2.2 o Wan 2.2 Spicy | Ambos terminaron las cuatro acciones; LTX-2 terminó dos |
| NSFW desde un prompt de texto | LTX-2 | El Wan 2.2 estándar rechazó todos los prompts de texto para adultos |
| NSFW desde una imagen fija | Wan 2.2 Spicy | Entregó todos los niveles hasta escenas para adultos de alta intensidad |
| Una gran biblioteca de LoRA de la comunidad | Versiones Wan 2.2 LoRA | El ecosistema de LoRA más grande; LTX-2 tiene uno propio, más pequeño |
| Ejecutarlo localmente en una GPU de consumo | LTX-2 (fp8 o fp4) o Wan 2.2 5B | El A14B de Wan pide oficialmente 80 GB de VRAM; el 5B, 24 GB |
La tabla completa de especificaciones de los dos endpoints alojados está en nuestra página de comparación LTX-2 19B vs Wan 2.2.
Cómo probamos
El 17 de octubre de 2026 enviamos los mismos cuatro prompts de texto a LTX-2 19B text-to-video y a Wan 2.2 text-to-video: 480p, 16:9, 5 segundos, la misma semilla, con la expansión de prompt de Wan desactivada. Repetimos la caminata por la ciudad a 720p. Para imagen a video, generamos una imagen fija de una mujer en una mesa de café y la animamos con LTX-2 19B, Wan 2.2 y Wan 2.2 Spicy. El prompt visual fue idéntico para ambos modelos; LTX-2 también recibió una línea extra que empieza con Audio:, porque así se guía su sonido.
Son una ejecución por prompt, 13 clips en total, y costó $2.25 incluyendo las dos imágenes de prueba. Una ejecución muestra lo que pasó con esa semilla, no una tasa de éxito. Revisamos cada clip cuadro por cuadro.
Una advertencia de equidad: Lightricks dice que la adherencia a los prompts de LTX-2 depende mucho del estilo de prompt, y su guía favorece prompts más largos y plano por plano. Los nuestros fueron cortos y iguales para ambos modelos, lo que pudo favorecer a Wan 2.2. Un prompt de LTX-2 reescrito podría cambiar los resultados del perro y la botella.
Movimiento y adherencia al prompt: Wan 2.2 estuvo más cerca del brief
El perro corriendo
Prompt
A golden retriever sprints along the edge of the surf on a sandy beach at sunrise, water spraying up from its paws. The camera pans from left to right to follow it, the sun low behind the waves.Esta fue la diferencia más clara. Wan 2.2 dibujó un golden retriever inconfundible, mantuvo al mismo perro durante los cinco segundos y lo siguió con el paneo tal como estaba escrito. LTX-2 dibujó un perro oscuro, a contraluz, que parecía más un pastor; la cámara no lo siguió, y el animal se alejó hacia el agua hasta quedar pequeño en el encuadre. La imagen también salió más granulada. El sonido de LTX-2, en cambio, fueron olas fuertes y arena mojada, acorde con la escena.
El acercamiento del producto
Cuadros a 0.3, 1.5, 2.7, 3.9 y 4.9 segundos. Mismo prompt, 480p, misma semilla.
Prompt
Slow camera push-in on a clear glass perfume bottle standing on a black marble pedestal. A single soft key light from the left; a thin gold reflection slides across the glass as the camera moves closer; dust particles drift through the light. Dark background.Wan 2.2 avanzó con la cámara y mantuvo la botella idéntica del primer al último cuadro. LTX-2 fue en la dirección contraria: en los primeros cuadros recortaba la parte superior de la botella, y al alejarse la cámara la tapa apareció y cambió de forma, y el pedestal desapareció. En fotos de producto, donde el objeto tiene que seguir siendo el objeto, eso descalifica.
El bailarín
El prompt pedía que un bailarín masculino con una camisa blanca holgada girara dos veces en un estudio con sol y terminara de frente a la cámara con los brazos abiertos. Wan 2.2 lo giró en el lugar y terminó en la pose, aunque solo pudimos contar un giro claro, y el sol produjo un destello de lente intenso. LTX-2 empezó con movimientos de piso que nadie pidió, agachándose y pateando; luego se levantó y terminó en la pose correcta. Ambos terminaron bien; Wan 2.2 estuvo más cerca de la acción descrita, aunque mostró un giro claro, no dos.
La caminata por la ciudad, a 480p y 720p
El mismo prompt de caminata a 480p y 720p. Los cuatro clips conservaron a la misma mujer y el mismo abrigo de principio a fin.
Prompt
A woman in her thirties wearing a camel trench coat walks toward the camera along a wet city sidewalk at dusk. Neon shop signs reflect in the puddles and people pass behind her. The camera tracks backward at her walking pace, keeping her framed from the knees up.Esta fue cerrada. Los cuatro clips conservaron el mismo rostro y abrigo, y los reflejos de la calle mojada resultaron convincentes en cada uno. A 480p, LTX-2 la acercó más, y su encuadre de la rodilla hacia arriba coincidió mejor con el prompt que la toma lejana de cuerpo entero de Wan 2.2, aunque al final un transeúnte cruzó frente a ella; Wan 2.2 también convirtió su letrero de neón grande en letras sin sentido. A 720p, Wan 2.2 mantuvo mejor el encuadre de «de la rodilla hacia arriba» y se vio más terminado; la caminata de LTX-2 a 720p fue estable, pero quedó más abierta de lo pedido. Si solo necesitas una persona caminando, cualquiera de los dos sirve.
Imagen a video: la imagen fija del café
Prompt
She lifts the coffee cup with her right hand, takes a slow sip, sets it back on the saucer, then turns her head toward the window and smiles. The camera holds still.Cuatro acciones en cinco segundos son mucho, y ahí se vio la diferencia. Ambas versiones de Wan hicieron las cuatro: levantar, dar un sorbo, dejar la taza, girar la cabeza y sonreír. LTX-2 hizo levantar la taza y dar el sorbo, y luego se detuvo con la taza todavía en la mano. Los tres conservaron el rostro y el suéter de la imagen fija. Si necesitas una secuencia de acciones a partir de una sola imagen, dale a LTX-2 menos acciones o un clip más largo; admite hasta 20 segundos, y ese tiempo extra a menudo alcanza para el resto.
Nuestros hallazgos coinciden con lo que la gente reporta en hilos de la comunidad (sobre todo sobre LTX 2.3): se elogia a Wan 2.2 por el movimiento y la adherencia al prompt, y a LTX por la velocidad y el sonido. Una sola prueba no lo demuestra en general, pero en la nuestra el patrón se mantuvo.
Sonido, duración, cuadros por segundo y resolución
| LTX-2 19B | Wan 2.2 | |
|---|---|---|
| Sonido | AAC estéreo, 24 kHz, en todos los clips; se guía con una línea Audio: | Ninguno |
| Duración del clip | De 5 a 20 segundos, cualquier número entero | Unos 5 segundos, fijo |
| Cuadros por segundo en el archivo | 24 fps | 30 fps en el archivo (el modelo en sí renderiza 16 fps) |
| Salida 480p | 832 x 448 | 832 x 480 (imagen a video: 856 x 476, 5.77 s) |
| Salida 720p | 1280 x 704 | Recibimos un archivo de 1920 x 1080, lo que sugiere un redimensionado después de generar |
| 1080p | Sí, 1920 x 1024 | No |
| Relaciones de aspecto desde texto | 16:9, 9:16 | 16:9, 9:16 |
El sonido es la gran ventaja práctica de LTX-2. Cada clip llegó con pista, y los niveles coincidían con las escenas: olas fuertes en la playa, casi silencio en el estudio vacío, un murmullo tranquilo de café en la imagen fija. Medimos los niveles; no juzgamos la fidelidad, y Lightricks señala que el audio sin voz puede ser de menor calidad. Los clips de Wan 2.2 son mudos, así que el sonido se añade en la edición. El modelo separado de voz a video de Wan 2.2 de Alibaba es otra herramienta, para video hablado con sincronía labial.
La duración es la segunda. Wan 2.2 estándar renderiza un clip fijo de unos 5 segundos. LTX-2 llega a 20 segundos en una sola toma, y además tiene un endpoint de extensión de video que continúa un clip existente. Las versiones Wan 2.2 Spicy y LoRA ofrecen 5 u 8 segundos.
Cuadros por segundo: los modelos A14B de Wan 2.2 renderizan 16 cuadros por segundo. Los archivos que recibimos iban a 30 fps (y a 64 fps en Wan 2.2 Spicy), lo que sugiere que los cuadros se interpolaron después de generar. La interpolación suaviza la reproducción, pero no añade movimiento que el modelo no dibujó. Nuestros archivos de LTX-2 eran de 24 fps.
Velocidad
| Alojado, nuestra prueba | LTX-2 19B | Wan 2.2 |
|---|---|---|
| Texto a video, 480p, 5 s | 11 a 28 s | 54 a 116 s |
| Texto a video, 720p, 5 s | 57 s | 117 s |
| Imagen a video, 480p, 5 s | 59 s | 109 s (Spicy: 42 s) |
Los tiempos van desde el envío hasta el archivo terminado. Enviamos los 13 trabajos al mismo tiempo, así que incluyen algo de espera en cola. LTX-2 fue más rápido en cada par emparejado, de tres a cinco veces más rápido a 480p.
Si lo ejecutas localmente, la velocidad depende de tu tarjeta. Una guía publicada calcula que el modelo A14B de Wan 2.2 tarda unos 4 minutos y 20 segundos en un clip de 5 segundos a 720p en una RTX 4090, y Alibaba dice que su modelo 5B genera uno «en menos de 9 minutos» en una sola GPU de consumo. Las comparaciones que muestran a LTX terminando varias veces más rápido son sobre todo de LTX 2.3, no de LTX-2, así que toma el multiplicador como una dirección, no como un número.
Precio por clip
Estos son nuestros precios actuales por clip en la API, confirmados con cotizaciones en vivo.
| Clip de 5 segundos | 480p | 720p | 1080p |
|---|---|---|---|
| LTX-2 19B | $0.072 | $0.096 | $0.144 |
| LTX-2 19B LoRA | $0.09 | $0.12 | $0.18 |
| Wan 2.2 | $0.24 | $0.48 | — |
| Wan 2.2 Spicy (imagen a video) | $0.095 | $0.19 | — |
| Wan 2.2 LoRA | $0.24 | $0.42 | — |
| Wan 2.2 5B LoRA | $0.12 a 720p |
LTX-2 se cobra por segundo, así que una toma de 20 segundos a 720p cuesta $0.384. El Wan 2.2 estándar se cobra por clip. La diferencia de precio pesa más cuando iteras: diez borradores de LTX-2 a 480p cuestan $0.72, lo que cuestan tres clips de Wan 2.2. Si Wan 2.2 acierta la toma en un intento donde LTX-2 necesita cuatro, el costo se equilibra.
Una división sensata: planea encuadre, tiempos y sonido con LTX-2, y luego renderiza la toma final con Wan 2.2 si LTX-2 no puede sostener el sujeto o el movimiento de cámara.
Ejecutarlos tú mismo: VRAM, licencia y LoRA
Si eliges pesos abiertos para tu propia GPU en lugar de una API, tres cosas cambian.
VRAM. Alibaba indica al menos 80 GB de VRAM para ejecutar los modelos A14B de Wan 2.2 en una sola GPU, y al menos 24 GB (una RTX 4090) para el modelo 5B. La comunidad ejecuta A14B en tarjetas de consumo con cuantización fp8 o GGUF y descarga a memoria en ComfyUI; son configuraciones de la comunidad, no cifras de Alibaba. Lightricks no publica un mínimo de VRAM para LTX-2. Distribuye versiones fp8 y fp4 del checkpoint de 19B, una versión destilada más rápida y descarga a CPU para tarjetas pequeñas. Prueba el checkpoint cuantizado en tu propia tarjeta antes de planear con base en él.
Licencia. Wan 2.2 es Apache 2.0. LTX-2 usa la LTX-2 Community License: uso libre, pero las empresas con ingresos anuales de $10 millones o más necesitan una licencia comercial de pago de Lightricks.
LoRA. Wan 2.2 tiene el ecosistema de LoRA más grande. Los LoRA de A14B vienen en dos archivos, uno de ruido alto y otro de ruido bajo, por sus dos expertos, y nuestros endpoints de Wan 2.2 LoRA aceptan ambos. LTX-2 tiene su propio entrenador y LoRA oficiales de movimientos de cámara; en nuestra API, la versión LTX-2 19B LoRA carga hasta tres archivos LoRA de hasta 2 GiB cada uno, y probamos LoRA de cámara Dolly en LTX-2 19B y movimientos de cámara con LoRA. Ninguno de los dos modelos acepta los LoRA del otro, y los LoRA de LTX-2 no se transfieren a LTX 2.3 ni a 2.5.
NSFW: ¿cuál permite contenido para adultos?
Los pesos de ambos modelos no traen un filtro de contenido integrado, pero las versiones alojadas se comportan de forma distinta. Nuestras pruebas de contenido ejecutan cada tipo de solicitud tres veces; esto es lo que devolvieron.
| Endpoint | Sugerente | NSFW moderado | NSFW avanzado | Escenas para adultos de alta intensidad |
|---|---|---|---|---|
| LTX-2 19B, texto a video | 3/3 | 3/3 | 3/3 | Suavizado 3/3 |
| LTX-2 19B, imagen a video | 3/3 | 2/3 | 3/3 | Suavizado 3/3 |
| Wan 2.2, texto a video | Rechazado | Rechazado | Rechazado | Rechazado |
| Wan 2.2, imagen a video | 3/3 | 3/3 | 3/3 | Suavizado 3/3 |
| Wan 2.2 Spicy, imagen a video | 3/3 | 3/3 | 3/3 | 3/3 |
Probado el 25 de septiembre (Wan) y el 5 de octubre de 2026 (LTX-2). «Suavizado» significa que el clip se completó pero se quedó corto de lo pedido. Las solicitudes de Wan 2.2 rechazadas no se cobran. Las filas de LTX-2 son sin LoRA.
Así que para trabajo para adultos: desde texto, LTX-2 es la mejor de las dos opciones: renderizó 3 de 3 en cada nivel hasta NSFW avanzado. Desde una imagen fija, Wan 2.2 Spicy llega más lejos y cuesta poco más que LTX-2. Para cada versión de Wan 2.2, consulta Wan 2.2 NSFW: 7 versiones probadas. Si ninguna basta, modelos más nuevos como Wan 3.0 llegaron más lejos en nuestras pruebas de versiones sin censura de Wan.
¿Cuál deberías usar?
- Productos, comida o animales donde el sujeto debe mantenerse correcto: empieza con Wan 2.2. En nuestras pruebas mantuvo intactos al golden retriever y la botella; LTX-2 no.
- Movimientos de cámara específicos desde texto: empieza con Wan 2.2. En nuestras pruebas hizo el paneo y el acercamiento como se pidió; LTX-2 falló ambos movimientos.
- Escenas habladas o ambientales donde el sonido importa: LTX-2. Obtienes la pista en el mismo archivo, sin herramienta extra.
- Tomas más largas: LTX-2, hasta 20 segundos por toma. Wan 2.2 estándar se detiene en unos 5 segundos, y las versiones Spicy y LoRA en 8.
- Iteración rápida y barata, o alto volumen: LTX-2, a cerca de un tercio del precio de Wan 2.2 y varias veces más rápido.
- Animar una imagen fija a través de varias acciones: Wan 2.2, o Wan 2.2 Spicy a $0.095 por clip de 5 segundos.
- NSFW: LTX-2 para texto a video, Wan 2.2 Spicy para imagen a video. Evita Wan 2.2 estándar en texto a video.
- Local, GPU de consumo, producto comercial: Wan 2.2 5B o LTX-2 cuantizado según el hardware; revisa la licencia de LTX-2 si tu empresa supera los $10 millones de ingresos.
Para probar tu propio prompt en ambos, empieza con LTX-2 19B text-to-video, luego ejecuta el mismo texto en Wan 2.2 a 480p y compara antes de pagar por 720p.
Preguntas frecuentes
¿LTX-2 es mejor que Wan 2.2?
No en general. En nuestras pruebas de una sola ejecución con el mismo prompt, Wan 2.2 siguió el prompt con más fidelidad, mientras que LTX-2 fue más rápido, más barato, más largo y el único con sonido. Elige según lo que necesite tu toma.
¿Wan 2.2 genera audio?
Los modelos estándar de texto a video e imagen a video no; sus clips son mudos. El modelo separado de voz a video de Wan 2.2 de Alibaba anima una imagen a partir de una pista de audio que tú proporcionas. LTX-2 crea su propia pista con cada clip.
¿LTX 2.3 es lo mismo que LTX-2?
No. LTX 2.3 y LTX 2.5 son modelos posteriores de Lightricks con pesos distintos. Muchas comparaciones «LTX-2 vs Wan 2.2» en realidad prueban LTX 2.3, así que revisa a qué versión se refiere cada resultado.
