Pada 25 Februari 2025, Alibaba Cloud mengumumkan bahwa Wan 2.1, model generasi video AI canggih mereka, kini bersifat open-source. Model ini, bagian dari seri Tongyi, mengubah prompt teks menjadi video berkualitas tinggi, unggul dalam gerakan kompleks dan hubungan spasial. Peluncuran open-source ini menandai langkah penting menuju demokratisasi pembuatan video yang didorong AI.
Wan 2.1 memasuki lanskap kompetitif yang didominasi oleh model-model seperti: Sora dari OpenAI, Minimax, Kling dari Kuaishou, Veo 2 dari Google
Dengan skor VBench terdepan sebesar 84,7%, dukungan multibahasa untuk bahasa Mandarin dan Inggris, serta janji akses gratis, Wan 2.1 siap memberi dampak substansial. Artikel ini membahas kinerja Wan 2.1, fitur, harga, pengalaman pengguna, dan bagaimana ia dibandingkan dengan pesaingnya, serta menjelajahi apa berarti status open-source bagi masa depan generasi video AI.
Wan 2.1, juga dikenal sebagai Wanx 2.1 atau Tongyi Wanxi, adalah bagian dari seri model AI multimodal Tongyi milik Alibaba. Ini mengubah prompt teks menjadi video yang menakjubkan, menguasai gerakan kompleks — seperti skating atau interaksi multi-objek — dan hubungan spasial. Menurut Alibaba dan papan peringkat VBench, ia memimpin dengan skor 84,7%, mengungguli pesaing dalam gerakan dinamis, kelancaran, dan estetika, menghasilkan visual realistis dari penari yang berputar atau mobil balap yang sesuai dengan deskripsi Anda.
Fitur unggulan adalah dukungan multibahasa untuk Mandarin dan Inggris, sempurna bagi kreator yang menyasar pasar beragam. Ia menghasilkan video 1080p yang tajam pada 30 FPS, menyaingi visual berkualitas profesional. Diumumkan sebagai open-source pada 25 Februari 2025, Wan 2.1 bisa menginspirasi inovasi serupa dengan Stable Diffusion, meningkatkan pertanyaan tentang dampak nyata dan keunggulannya dibandingkan pesaing.
Untuk memahami posisi Wan 2.1 dalam lanskap generasi video AI, mari kita bandingkan dengan beberapa nama terbesar: Sora dari OpenAI, Minimax, Kling (dari Kuaishou), dan Veo 2 dari Google. Masing-masing model ini memiliki keunggulannya, tetapi Wan 2.1 membawa keuntungan unik yang bisa menjadikannya pesaing utama.
Sora, diluncurkan pada akhir 2024, menghasilkan video berkualitas tinggi berdurasi 20 detik untuk media sosial dan pemasaran, dikemas dengan ChatGPT Plus/Pro ($20/$200 per bulan). Ia menawarkan akses tak terbatas selama liburan dan resolusi lebih tinggi untuk pengguna Pro, menonjol dalam klip singkat yang menakjubkan. Terbatas untuk bahasa Inggris dan singkat, ia mendapatkan skor 82% di VBench, sementara dukungan multibahasa Wan 2.1 dan skor 84,7% menyiratkan fleksibilitas yang lebih besar untuk urutan panjang dan kompleks.
Minimax
Minimax, AI multimodal asal China, mengintegrasikan generasi video dengan efisiensi text-to-image. Ia tertinggal dari Wan 2.1 dalam adegan dinamis menurut VBench, dan akses globalnya dibatasi, seringkali membutuhkan langganan perusahaan. Keunggulan open-source Wan 2.1 memperluas jangkauannya, meskipun Minimax mungkin unggul dalam pengeditan real-time niche karena kecepatannya.
Kling (Kuaishou)
Kling, dari Kuaishou, bersinar dalam konten bentuk pendek seperti Douyin dengan output resolusi tinggi dan gerakan yang halus. Terbatas untuk China dan tidak open-source, ia kurang global dibandingkan Wan 2.1, yang menawarkan dukungan multibahasa dan potensi yang lebih luas, meskipun Kling memperoleh manfaat dari ekosistem regional Kuaishou.
Veo 2, dirilis setelah Sora pada bulan Desember 2024, menargetkan pengguna akses awal di AS melalui Vertex AI Google Cloud, dengan harga berbasis penggunaan (misalnya, $0,00003/1k karakter). Kuat dalam realisme dan estetika, skor VBench-nya 83% tertinggal dari 84,7% milik Wan 2.1. Fleksibilitas open-source Wan 2.1 menarik bagi pengembang, sementara Veo 2 cocok untuk kebutuhan perusahaan dengan infrastruktur yang kuat.
Berdasarkan kepemimpinan VBench dan spesifikasi teknisnya, Wan 2.1 diperkirakan akan menjadi salah satu model video AI open-source terbaik yang tersedia. Skor VBench 84,7% menunjukkan bahwa ia menangani gerakan kompleks, interaksi multi-objek, dan hubungan spasial lebih baik daripada sebagian besar pesaing. Bagi para kreator, ini berarti video dengan artefak lebih sedikit, transisi yang lebih halus, dan kepatuhan yang lebih akurat terhadap prompt — apakah Anda sedang menganimasikan pertempuran sci-fi atau pemandangan alam yang tenang.
Namun, tidak ada model yang sempurna. Wan 2.1 mungkin kesulitan dengan urutan yang sangat panjang atau prompt yang sangat abstrak, area di mana model proprietary seperti Sora atau Veo 2 dapat memiliki keunggulan karena optimisasi sistem tertutup mereka. Sifat open-source-nya juga berarti kinerjanya dapat bervariasi tergantung pada bagaimana pengembang menyetel model, yang berpotensi mengarah pada hasil yang tidak konsisten jika tidak dikelola dengan baik. Namun, bagi sebagian besar pengguna — terutama mereka di industri kreatif atau usaha kecil — kombinasi kualitas, aksesibilitas, dan efektivitas biaya Wan 2.1 terlihat sangat menjanjikan.
Berapa biaya Wan 2.1? Sebagai model open-source, inti dari model ini kemungkinan gratis untuk digunakan, diunduh, dan dimodifikasi, seperti Stable Diffusion atau LLaMA. Alibaba Cloud mungkin mengenakan biaya untuk fitur premium, hosting cloud, atau akses API — mungkin $100–$500/bulan untuk penggunaan perusahaan, mirip dengan Sora atau Veo 2. Saat ini, ia gratis di Model Studio Alibaba, dan hosting komunitas dapat lebih mengurangi biaya bagi para hobi.
Wan 2.1 unggul dengan skor VBench 84,7%, menangani adegan dinamis, konsistensi spasial, dan estetika dengan baik. Ia menghasilkan 1080p pada 30 FPS dengan gerakan realistis melalui mekanisme perhatian ruang-waktu, memimpin generasi video open-source, meskipun model proprietary seperti Sora mungkin memiliki keunggulan di area tertentu.
Wan 2.1 mendukung teks multibahasa (Mandarin dan Inggris), resolusi yang dapat disesuaikan, dan laju bingkai, terintegrasi dengan ekosistem Alibaba. Ini ramah pengguna, tidak memerlukan keterampilan teknis, dan potensi open-source bisa menambah fitur, meskipun mungkin kehilangan keuntungan proprietary seperti pengeditan real-time.
Antarmukanya sederhana — masukkan teks, sesuaikan pengaturan, dan unduh video — sangat cocok untuk pengguna non-teknis. Pengaturan open-source mungkin memerlukan beberapa pengetahuan, tidak seperti kemudahan ChatGPT Sora atau kilau Google Cloud Veo 2, tetapi pertumbuhan komunitas bisa meningkatkan keunggulan ini seiring waktu.
Pengumuman X pada 25 Februari 2025 oleh Alibaba_Wan (“Ini bukan latihan — Wan 2.1 OPEN SOURCE akhirnya hadir!") telah memicu kegembiraan global. Siaran langsung pukul 11:00 PM UTC+8 kemungkinan membahas ketentuan open-source, ketersediaan, dan batasan. Ini bisa membuat generasi video AI dapat diakses oleh para hobi, startup, dan peneliti, mirip dengan dampak Stable Diffusion, tetapi risiko open-source termasuk kualitas yang tidak konsisten atau keamanan jika tidak dikelola dengan baik.
Bagi pengguna, ini menawarkan alat yang kuat dan berpotensi gratis, tetapi menimbulkan kekhawatiran tentang dukungan jangka panjang, pembaruan, dan keandalan perusahaan. Reputasi AI dan cloud Alibaba menyiratkan dukungan yang kuat, meskipun peran komunitas akan sangat penting untuk kesuksesan Wan 2.1.
Wan 2.1 bukan sekadar model AI lainnya — ia adalah potensi pengubah permainan, terutama dengan status open-source-nya. Kinerjanya yang memimpin VBench, dukungan multibahasa, dan aksesibilitasnya menjadikannya pesaing kuat bagi Sora, Minimax, Kling, dan Veo 2, terutama bagi kreator dan pengembang yang mencari fleksibilitas dan penghematan biaya. Meskipun mungkin tidak dapat menyaingi model proprietary di setiap ceruk (misalnya, pengeditan real-time atau integrasi perusahaan), sifat open-source-nya bisa mendorong komunitas yang dinamis, mendorong inovasi dan adopsi.
Bagi pengguna sehari-hari, Wan 2.1 menawarkan kesempatan untuk menciptakan video berkualitas profesional dengan usaha dan biaya minimal, baik Anda seorang pemasar yang membuat iklan, pendidik yang membuat pelajaran, atau pembuat film yang bereksperimen dengan ide baru. Harganya (potensi gratis atau biaya rendah untuk fitur premium), kinerja terbaik, dan pengalaman yang ramah pengguna menempatkannya sebagai sesuatu yang patut diperhatikan di ruang video AI. Saat siaran langsung berlangsung dan lebih banyak detail muncul, Wan 2.1 dapat mendefinisikan ulang cara kita memikirkan kreativitas yang didorong AI — terbuka, dapat diakses, dan terus beradaptasi.
