Wan 2.2: ruch z otwartych wag, jedna ścieżka bez cenzury

Nie publikujemy naszych przebiegów skali treści; poniższa galeria to codzienny rejestr, wzięty z opublikowanych, bezpiecznych do pracy przykładów ze strony modelu Wan 2.2.

Kształt za muślinem. Wiatrowy dzwonek się obraca, a sylwetka leżąca za zasłoną porusza się razem z nim — cały klip zbudowany z jednego kadru i promptu opisującego przyczynę i skutek, nic więcej.

Buteleczka z zakraplaczem, oświetlona ruchomym oknem. Kamera zatacza powolny ćwierćobrót, podczas gdy pas światła przesuwa się po szkle; sama buteleczka się nie porusza, co jest sensem tego testu.

Krok naprzód w szarym studio. Z kadru portretowego odwraca ramiona i robi dwa powolne kroki, satyna łapiąc światło — ujęcie w 720p pokazujące, jak daleko może zajść pojedynczy gest w pięciosekundowym klipie.

Dwie osoby owinięte jednym płaszczem. Napisane z niczego w 720p: śnieg pada na pusty peron, gdy dwie osoby dzielą jeden płaszcz, oddech paruje, lampa migocze — jeden ciągły, kinowy moment.

Schody latarni morskiej, wspinaczka o zmierzchu. Szkic tekstu na wideo w 480p: jedna akcja, jedna pozycja kamery, sprawdzenie, czy pomysł na ujęcie trzyma się w ruchu, zanim wyda się więcej na rozdzielczość.

Nocny targ po deszczu. Pionowe ujęcie 720p z przypiętym seedem, żeby to samo kadrowanie dało się porównać między edycjami promptu — para, girlandy żarówek i mokra ulica odbijająca neon, gdy ona idzie w stronę kamery.

W obrazie na wideo kadr ustala, kto, w co ubrany i gdzie się znajduje; prompt powinien nieść tylko ruch i, gdy to ważne, jego przyczynę. W tekście na wideo nazwij obsadę wprost i trzymaj liczbę oraz kolor konkretnie — to niejasny język tłumu albo zespołu jest miejscem, gdzie widzieliśmy najwięcej odjeżdżania od opisu.

1. Przyczyna i skutek z kadru (obraz na wideo).

Cast: one woman. The camera stays on the shape behind the gauze. A wind chime turns and the figure lying behind the gauze curtain shifts with it, the curtain's shadow travelling across the body. Silent. Cinematic, heavy film grain.

Uruchom ten prompt w Wan 2.2 →

2. Nazwana obsada i konkretna liczba (tekst na wideo).

Cast: one man and one woman. The camera stays on the two of them inside the one coat. Snow falls on an empty platform; two people are wrapped inside one overcoat, breath clouding between them, the platform lamp flickering. Cinematic, heavy film grain, sodium lamp in snow blue.

Uruchom ten prompt w Wan 2.2 →

Słabo: „Baletnica ćwiczy sama w jasnym studio.” Zostawione tak otwarte, w naszym teście wróciło z trzema tancerkami zamiast jednej. Mocno: nazwij obsadę na początku — „Cast: one woman” — i powtórz liczbę wewnątrz zdania opisującego akcję, tak jak prompt 2 powtarza „two of them” i „two people”.

Między 16 a 25 września 2026 puściliśmy naszą pięciopoziomową skalę treści na obu endpointach Wan 2.2. Na obrazie na wideo L1 Sugestywny, L2 Dojrzałe motywy i L3 Mocny renderowały czysto w każdym z naszych przebiegów; L4 Intensywny wracał złagodzony we wszystkich trzech próbach; próba L5 Ekstremalny (dobrowolne krępowanie i gra z bodźcem bólowym między dorosłymi) zrenderowała się raz na cztery próby, a resztę razy złagodziła; próba L5 Ekstremalny (kinowe gore) renderowała czysto we wszystkich trzech przebiegach. Na tekście na wideo każdy poziom, jaki wysłaliśmy — 19 przebiegów łącznie, od L1 Sugestywny po oba typy próby L5 Ekstremalny — wrócił odrzucony.

Etykiety strony odzwierciedlają ten rozdźwięk: obraz na wideo nosi odznakę Złagodzony, tekst na wideo filtrowaną. Nie dokładamy żadnego własnego filtra treści na żadnym z endpointów; to własne zachowanie polityki Alibaby na każdym z zadań.

Jeszcze nie testowaliśmy: czy klatka końcowa albo dłuższy, bardziej rozpisany prompt zmienia współczynnik łagodzenia L4 Intensywny na obrazie na wideo; scen z więcej niż dwiema osobami na trudniejszych poziomach; stylu anime i ilustracji na skali.

Tylko dorośli, w każdym prompcie, kadrze i wyniku. Nigdy nie przedstawiaj prawdziwej, rozpoznawalnej osoby bez jej zgody, i upewnij się, że masz prawa do każdego zdjęcia wgrywanego jako klatka początkowa.

Reputacja Wan 2.2 poza naszymi testami opiera się na tym, że to ostatnie otwartowagowe wydanie Alibaby w tej linii: późniejsze wersje (od 2.5 wzwyż) są dostępne tylko przez API. Ta decyzja wywołuje skargi nawet ponad rok później. Jeden komentujący na Hacker News, sfrustrowany, że Alibaba przestała publikować wagi dla czegokolwiek nowszego, ujął to wprost: „Wan 2.2 zrobiło rug pull, zostawiając ogromną lukę dla społeczności”, która zbudowała na nim narzędzia i dotrenowania.

Nasze własne przebiegi mieszczą się w środku tej historii: otwarte wagi za tym endpointem wciąż przekonująco animują kadr w codziennych i umiarkowanie mocnych promptach, a ta sama otwartość jest zapewne powodem, dla którego ścieżka obrazu na wideo toleruje więcej niż ścieżka tekstowa.

• Wnosisz własne dotrenowane wagi? Wan 2.2 LoRA uruchamia tę samą bazę z do trzech slotów LoRA, wyceniony za sekundę zamiast płaskiej ceny za klip. Nasza recenzja Wan 2.2 LoRA.
• Chcesz wersję bez cenzury wycenioną za sekundę? Wan 2.2 Spicy to tylko obraz na wideo, $0.019 za sekundę w 480p, dodaje opcję ośmiu sekund i klatkę końcową.
• Potrzebujesz transferu ruchu albo animacji postaci zamiast opisu lub statycznego kadru? Wan 2.2 Animate prowadzi postać na podstawie referencyjnego nagrania.
• Chcesz nowszego ruchu i dłuższego ujęcia? Wan 3.0 dodaje reżyserię wieloujęciową i klipy do 30 sekund, wyceniony za sekundę od $0.045 w 480p.