No dia 25 de fevereiro de 2025, a Alibaba Cloud anunciou que o Wan 2.1, seu avançado modelo de geração de vídeo com IA, agora é de código aberto. Este modelo, parte da série Tongyi, transforma prompts de texto em vídeos de alta qualidade, destacando-se em movimentos complexos e relações espaciais. Sua abertura marca um passo significativo para a democratização da criação de vídeos impulsionada por IA.
O Wan 2.1 entra em um cenário competitivo dominado por modelos como: Sora da OpenAI, Minimax, Kling da Kuaishou, Veo 2 do Google
Com uma pontuação VBench de 84,7%, suporte multilíngue para chinês e inglês, e a promessa de acesso gratuito, o Wan 2.1 está preparado para ter um impacto substancial. Este artigo explora o desempenho do Wan 2.1, características, preços, experiência do usuário e como ele se compara aos seus concorrentes, explorando, em última análise, o que seu status de código aberto significa para o futuro da geração de vídeos com IA.
O Wan 2.1, também conhecido como Wanx 2.1 ou Tongyi Wanxi, é parte da série Tongyi de modelos de IA multimodal da Alibaba. Ele transforma prompts de texto em vídeos impressionantes, dominando movimentos complexos — como patinação artística ou interações de múltiplos objetos — e relações espaciais. De acordo com Alibaba e o ranking VBench, ele lidera com uma pontuação de 84,7%, superando concorrentes em movimento dinâmico, suavidade e estética, oferecendo visuais realistas de dançarinos rodopiando ou carros de corrida que correspondem às suas descrições.
Um destaque é seu suporte multilíngue para chinês e inglês, perfeito para criadores que visam mercados diversos. Ele produz vídeos nítidos em 1080p a 30 FPS, rivalizando com visuais de qualidade profissional. Anunciado como código aberto em 25 de fevereiro de 2025, o Wan 2.1 pode inspirar inovações semelhantes ao Stable Diffusion, levantando questões sobre seu impacto no mundo real e vantagens sobre os concorrentes.
Para entender o lugar do Wan 2.1 no panorama da geração de vídeos com IA, vamos compará-lo com alguns dos maiores nomes: Sora da OpenAI, Minimax, Kling (da Kuaishou) e Veo 2 do Google. Cada um desses modelos tem suas forças, mas o Wan 2.1 traz vantagens únicas que podem torná-lo um forte concorrente.
Sora, lançada no final de 2024, gera vídeos de alta qualidade de 20 segundos para redes sociais e marketing, acompanhada do ChatGPT Plus/Pro (US$20/US$200 mensais). Oferece acesso ilimitado durante feriados e resoluções mais altas para usuários Pro, destacando-se em clipes curtos e impressionantes. Limitada ao inglês e breves, sua pontuação no VBench é de 82%, enquanto o Wan 2.1, com 84,7% e suporte multilíngue, sugere maior versatilidade para sequências mais longas e complexas.
Minimax
Minimax, uma IA multimodal chinesa, integra a geração de vídeo com eficiência no texto para imagem. Ela fica atrás do Wan 2.1 em cenas dinâmicas no VBench, e seu acesso global é restrito, muitas vezes exigindo assinaturas empresariais. A vantagem de código aberto do Wan 2.1 amplia seu alcance, embora o Minimax possa se destacar em edição em tempo real devido à sua velocidade.
Kling (Kuaishou)
Kling, da Kuaishou, brilha em conteúdo de forma curta como Douyin, com saídas de alta resolução e movimento suave. Limitado à China e não sendo de código aberto, é menos global que o Wan 2.1, que oferece suporte multilíngue e potencial mais amplo, embora Kling se beneficie do ecossistema regional da Kuaishou.
O Veo 2, lançado após o Sora em dezembro de 2024, mira usuários de acesso antecipado nos EUA através do Vertex AI da Google Cloud, com preços baseados no uso (ex: US$0.00003/1k caracteres). Forte em realismo e estética, sua pontuação de 83% no VBench fica atrás dos 84,7% do Wan 2.1. A flexibilidade de código aberto do Wan 2.1 atrai desenvolvedores, enquanto o Veo 2 atende a necessidades empresariais com infraestrutura robusta.
Com base em sua liderança no VBench e especificações técnicas, o Wan 2.1 está preparado para ser um dos melhores modelos de vídeo com IA de código aberto disponíveis. Sua pontuação de 84,7% no VBench indica que ele lida com movimentos complexos, interações de múltiplos objetos e relações espaciais melhor do que a maioria dos concorrentes. Para os criadores, isso significa vídeos com menos artefatos, transições mais suaves e maior precisão em relação aos prompts — seja você animando uma batalha de ficção científica ou uma cena serena da natureza.
No entanto, nenhum modelo é perfeito. O Wan 2.1 pode ter dificuldades com sequências extremamente longas ou prompts altamente abstratos, áreas onde modelos proprietários como Sora ou Veo 2 podem ter uma vantagem devido às suas otimizações de sistema fechado. Sua natureza de código aberto também significa que seu desempenho pode variar dependendo de como os desenvolvedores o afinam, podendo levar a resultados inconsistentes se não forem gerenciados adequadamente. Mesmo assim, para a maioria dos usuários — especialmente aqueles em indústrias criativas ou pequenas empresas — a combinação de qualidade, acessibilidade e custo do Wan 2.1 parece incrivelmente promissora.
Quanto custará o Wan 2.1? Como um modelo de código aberto, seu núcleo provavelmente será gratuito para usar, baixar e modificar, como o Stable Diffusion ou LLaMA. A Alibaba Cloud pode cobrar por recursos premium, hospedagem em nuvem ou acesso à API — possivelmente entre US$100 e US$500/mês para uso empresarial, semelhante ao Sora ou Veo 2. Atualmente, está gratuito no Model Studio da Alibaba, e a hospedagem comunitária pode reduzir ainda mais os custos para entusiastas.
O Wan 2.1 se destaca com uma pontuação de 84,7% no VBench, lidando bem com cenas dinâmicas, consistência espacial e estética. Ele oferece 1080p a 30 FPS com movimento realista por meio de seu mecanismo de atenção espaço-temporal, liderando a geração de vídeo de código aberto, embora modelos proprietários como Sora possam superá-lo em áreas específicas.
O Wan 2.1 suporta texto multilíngue (chinês e inglês), resolução personalizável e taxas de quadros, integrando-se ao ecossistema da Alibaba. É amigável ao usuário, não exigindo habilidades técnicas, e seu potencial de código aberto pode adicionar recursos, embora possa perder benefícios proprietários como edição em tempo real.
Sua interface é simples — insira texto, ajuste configurações e baixe vídeos — ótima para usuários não técnicos. A configuração de código aberto pode exigir algum conhecimento, ao contrário da facilidade do ChatGPT do Sora ou do polido Google Cloud do Veo 2, mas o crescimento da comunidade pode melhorá-lo ao longo do tempo.
O anúncio de 25 de fevereiro de 2025, da Alibaba_Wan (“Isto não é um exercício — O Wan 2.1 CÓDIGO ABERTO finalmente está aqui!”) gerou uma empolgação global. A transmissão ao vivo às 23:00 UTC+8 provavelmente abordou termos de código aberto, disponibilidade e restrições. Isso pode tornar a geração de vídeos com IA acessível para entusiastas, startups e pesquisadores, semelhante ao impacto do Stable Diffusion, mas os riscos de código aberto incluem qualidade ou segurança inconsistentes, se não forem bem administrados.
Para os usuários, oferece uma ferramenta poderosa, potencialmente gratuita, mas levanta preocupações sobre suporte a longo prazo, atualizações e confiabilidade empresarial. A reputação da IA e da nuvem da Alibaba sugere um apoio sólido, embora o papel da comunidade seja crucial para o sucesso do Wan 2.1.
O Wan 2.1 não é apenas mais um modelo de IA — é um potencial divisor de águas, especialmente com seu status de código aberto. Seu desempenho líder no VBench, suporte multilíngue e acessibilidade fazem dele um forte rival para Sora, Minimax, Kling e Veo 2, particularmente para criadores e desenvolvedores que buscam flexibilidade e economia de custos. Embora possa não corresponder a modelos proprietários em todos os nichos (por exemplo, edição em tempo real ou integrações empresariais), sua natureza de código aberto poderia fomentar uma comunidade vibrante, impulsionando inovação e adoção.
Para usuários comuns, o Wan 2.1 oferece a oportunidade de criar vídeos de qualidade profissional com mínimo esforço e custo, seja você um profissional de marketing criando anúncios, um educador preparando aulas ou um cineasta experimentando novas ideias. Seu preço (potencialmente gratuito ou baixo custo para recursos premium), desempenho de alto nível e experiência amigável ao usuário o posicionam como um elemento a ser observado no espaço de vídeo com IA. Com a transmissão ao vivo se desenrolando e mais detalhes surgindo, o Wan 2.1 poderia redefinir como pensamos sobre criatividade impulsionada por IA — aberta, acessível e infinitamente adaptável.
