Review do Wan 2.2: movimento de pesos abertos, um caminho sem censura

Não publicamos as nossas rodadas da escala de conteúdo; a galeria abaixo é o registro do dia a dia, tirada dos exemplos publicados e seguros para o trabalho na página do modelo Wan 2.2.

Uma forma atrás de gaze. Um sino de vento gira e uma silhueta deitada atrás de uma cortina se move com ele — o clipe inteiro é construído a partir de uma única imagem e um prompt descrevendo causa e efeito, nada mais.

Um frasco conta-gotas, iluminado por uma janela em movimento. A câmera faz um quarto de giro lento enquanto uma faixa de luz desliza pelo vidro; o próprio frasco nunca se move, que é o ponto do teste.

Um passo à frente num estúdio cinza. A partir de um retrato estático, ela vira os ombros e dá dois passos lentos, o cetim pegando a luz — uma tomada em 720p que mostra até onde um único gesto sustenta um clipe de cinco segundos.

Duas pessoas envoltas num só casaco. Escrito do zero em 720p: neve cai numa plataforma vazia enquanto duas pessoas dividem um só sobretudo, a respiração formando nuvens, uma lâmpada piscando — um único momento contínuo e cinematográfico.

Uma escada de farol, subida ao anoitecer. Um rascunho de texto para vídeo em 480p: uma ação, uma posição de câmera, checando se uma ideia de plano se sustenta em movimento antes de gastar mais em resolução.

Um mercado noturno depois da chuva. Uma tomada vertical em 720p com uma seed fixa, para que o mesmo enquadramento possa ser comparado entre edições de prompt — vapor, fios de lâmpadas e uma rua molhada refletindo neon enquanto ela caminha para a câmera.

Em imagem para vídeo, a imagem fixa quem é, o que está vestindo e onde está; o prompt deve carregar só o movimento e, quando importa, uma causa para esse movimento. Em texto para vídeo, nomeie o elenco diretamente e mantenha a contagem e a cor específicas — linguagem vaga de multidão ou grupo foi onde vimos mais desvio.

1. Causa e efeito a partir de uma imagem (imagem para vídeo).

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.

Rodar este prompt no Wan 2.2 →

2. Um elenco nomeado e uma contagem específica (texto para vídeo).

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.

Rodar este prompt no Wan 2.2 →

Fraco: «A ballerina practises alone in a bright studio.» Deixamos isso em aberto, e o nosso próprio teste voltou com três bailarinas em vez de uma. Forte: nomeie o elenco logo no início — «Cast: one woman» — e repita a contagem dentro da frase que descreve a ação, do jeito que o prompt 2 repete «two of them» e «two people».

Entre 16 e 25 de setembro de 2026 rodamos a nossa escala de conteúdo de cinco níveis nos dois endpoints do Wan 2.2. Em imagem para vídeo, L1 Sugestivo, L2 Temas maduros e L3 Forte renderizaram limpos em cada uma das nossas rodadas; o L4 Intenso voltou suavizado nas três tentativas; o teste L5a renderizou uma vez em quatro tentativas e suavizou o resto; o teste L5b renderizou limpo nas três rodadas. Em texto para vídeo, cada nível que mandamos — 19 execuções no total, do L1 Sugestivo aos dois tipos de teste de L5 Extremo — voltou recusado.

Os rótulos da página refletem essa divisão: imagem para vídeo carrega o selo suavizado, texto para vídeo o com filtro. Não acrescentamos nenhum filtro de conteúdo próprio em nenhum dos dois endpoints; esse é o comportamento de política da própria Alibaba em cada tarefa.

Ainda não testado: se um quadro final ou um prompt mais longo muda a taxa de suavização do L4 Intenso em imagem para vídeo; cenas com mais de duas pessoas nos níveis mais altos; estilos anime ou ilustrados na escala.

Só adultos, em cada prompt, imagem e resultado. Nunca retrate uma pessoa real e identificável sem consentimento, e garanta que você tem os direitos de qualquer foto que enviar como quadro inicial.

A reputação do Wan 2.2 fora dos nossos testes se apoia em ele ter sido o último lançamento de pesos abertos da Alibaba nessa linha: versões posteriores (2.5 em diante) são só por API. Essa decisão ainda gera reclamações mais de um ano depois. Um comentarista do Hacker News, frustrado com a Alibaba ter parado de publicar pesos para qualquer coisa mais nova, colocou de forma direta: «O Wan 2.2 puxou o tapete, deixou uma lacuna enorme para a comunidade» que tinha construído ferramentas e ajustes finos em cima dele.

As nossas próprias rodadas ficam no meio dessa história: os pesos abertos por trás deste endpoint ainda animam uma imagem de forma convincente em prompts do dia a dia e moderadamente fortes, e essa mesma abertura é presumivelmente o motivo de o caminho de imagem para vídeo tolerar mais do que o caminho de texto.

• Trazendo os seus próprios pesos treinados? O Wan 2.2 LoRA roda a mesma base com até três slots de LoRA, cobrado por segundo em vez do preço fixo por clipe. Nosso review do Wan 2.2 LoRA.
• Quer a versão sem censura cobrada por segundo? O Wan 2.2 Spicy é só imagem para vídeo, $0.019 o segundo em 480p, e acrescenta uma opção de oito segundos e um quadro final.
• Precisa de transferência de movimento ou animação de personagem em vez de uma legenda ou uma imagem estática? O Wan 2.2 Animate guia um personagem a partir de uma performance de referência.
• Quer movimento mais novo e uma tomada mais longa? O Wan 3.0 acrescenta direção em múltiplos planos e clipes de até 30 segundos, cobrado por segundo a partir de $0.045 em 480p.