Wan2.2-T2V-A14B-Diffusers

Архитектура:

  • Использует Mixture-of-Experts (MoE) с двумя специализированными экспертами (высокий и низкий уровень шума) для оптимизации процесса диффузии. Общая емкость модели 27B параметров (эквивалентно 14B активных параметров на шаг).
  • Обучение: Тренировка на расширенных данных: +65,6% изображений и +83,2% видео по сравнению с предыдущей версией, что улучшает генерацию динамичных сцен и эстетики.
  • Компрессия: Включает Wan2.2-VAE с соотношением сжатия 4×16×16 для эффективного хранения и генерации видео без потери качества.

Технические детали:

  • Поддержка задач: Генерация видео по тексту (T2V) и изображению (I2V) в рамках единой архитектуры.
  • Поддержка 720P@24fps с возможностью запуска на GPU уровня NVIDIA RTX 4090.
  • Инференс:
    • Использование FSDP (Fully Sharded Data Parallel) и DeepSpeed Ulysses для многокартного инференса.
    • Поддержка offload на CPU для снижения нагрузки на GPU (параметры: `--offload_model`, `--t5_cpu`).
    • Интеграция с Diffusers: Доступ через `WanPipeline` и `AutoencoderKLWan` из библиотеки Diffusers.
    • Однокартный режим: Минимум 80GB VRAM, использование опций `--offload_model` и `--convert_model_dtype`.\n
    • Многокартный режим: `torchrun` с настройкой `--ulysses_size` и включением FSDP для T5 и DIT.\n

Разрешено использование сгенеренного контента, при условии соблюдения законодательства и отсутствия вредоносного применения. Требуется цитирование работы при использовании в исследованиях.


Модель является составной частью пайплайна генерации видео, состоящего из:

  • UMT5 text encoder: ~6B параметров, 
  • Transformer: ~27B параметров, 
  • VAE: ~127M параметров.

Всего: ~34B параметров


Строка "Потребление памяти" рассчитана на основе размера весов в указанной точности с добавочным коэффициентом +10% на инференс: 
  model_parameters_count * bytes_per_parameter * 1.1 / 1024^3 
где model_parameters_count - количество параметров модели, bytes_per_parameter - количество байтов, используемых для хранения одного параметра. Для 16 bit = 2, 8 bit = 1, 4 bit = 0.5.


Дата анонса: 28.07.2025
Параметров: 27B
Экспертов: 2
Активно параметров при инференсе: 14B
Потребление памяти: 17.6 ГБ в точности 4 бит, 35.2 ГБ в точности 8 бит, 70.5 ГБ в точности 16 бит
Разработчик: Alibaba Wan Team
Лицензия: Apache 2.0

Публичный эндпоинт

Воспользуйтесь нашими готовыми публичными эндпоинтами бесплатно для теста инференса и знакомства с Wan2.2-T2V-A14B-Diffusers. Получить токен для доступа к API вы можете на странице управления токенами после регистрации и верификации.
Наименование модели Контекст Тип GPU TPS Статус Ссылка
Для данной модели пока нет публичных эндпоинтов.

Частный сервер

Арендуйте собственный физически выделенный инстанс с почасовой оплатой или на длительный срок с помесячной оплатой.

Мы рекомендуем создание частных инстансов в случаях, если необходимо:

  • получить максимальную производительность эндпоинта,
  • получить полный контекст для обработки больших запросов и диалогов,
  • обеспечить максимальную безопасность, для обработки данных в выделенном изолированном пространстве,
  • использовать кастомизированные веса: fine-tuned версии или lora-адаптеры.

Рекомендуемые конфигурации для хостинга Wan2.2-T2V-A14B-Diffusers

Цены:
Наименование vCPU ОЗУ, МБ Диск, ГБ GPU Цена, час
teslaa100-1.16.128.160 16 131072 160 1 223,04 ₽ Запустить
teslah100-1.16.128.160 16 131072 160 1 353,04 ₽ Запустить
h200-1.16.128.160 16 131072 160 1 423,04 ₽ Запустить
Цены:
Наименование vCPU ОЗУ, МБ Диск, ГБ GPU Цена, час
teslaa100-1.16.64.160 16 65536 160 1 211,77 ₽ Запустить
teslah100-1.16.64.160 16 65536 160 1 341,77 ₽ Запустить
h200-1.16.128.160 16 131072 160 1 423,04 ₽ Запустить
Цены:
Наименование vCPU ОЗУ, МБ Диск, ГБ GPU Цена, час
teslaa10-1.16.32.160 16 32768 160 1 46,94 ₽ Запустить
rtx3090-1.16.24.160 16 24576 160 1 78,53 ₽ Запустить
rtx4090-1.16.32.160 16 32768 160 1 103,04 ₽ Запустить
teslav100-1.12.64.160 12 65536 160 1 107,57 ₽ Запустить
rtx5090-1.16.64.160 16 65536 160 1 141,77 ₽ Запустить
teslaa100-1.16.64.160 16 65536 160 1 211,77 ₽ Запустить
teslah100-1.16.64.160 16 65536 160 1 341,77 ₽ Запустить
h200-1.16.128.160 16 131072 160 1 423,04 ₽ Запустить

Связанные модели

Остались вопросы?

Свяжитесь с нашей специализированной группой поддержки по нейросетям nn@immers.cloud или отправьте ваш запрос в отдел продаж sale@immers.cloud.