Wan 2.6 Flash vs Wan 2.7: vale a pena atualizar?

TL;DR

• Para controlar o orçamento de vídeo a partir de imagem e escolher explicitamente com ou sem áudio, considere o Wan 2.6 Flash; para durações inteiras de 2 a 15 segundos, frame inicial e final ou entrada de áudio de condução, considere o Wan 2.7. Com requisição de 720P por 5 segundos, o 2.6 sem áudio custa $0.145 e o 2.7 custa $0.50; detalhes na página de preços do Wan 2.6.
• A comparação de resultados finais deste artigo usa uniformemente 1080P com requisição de 5 segundos: 2.6 sem áudio $0.215, com áudio $0.430; 2.7 $0.835. As configurações de áudio são anotadas separadamente, sem tratar com áudio e sem áudio como a mesma faixa de preço.
• Ambos estão na HiAPI: Wan 2.6 Flash · Wan 2.7. Mesma interface /v1/tasks; após enviar, leia data.taskId e consulte o resultado.

Visão geral rápida

Item	Wan 2.6 Flash	Wan 2.7
720P por segundo	Sem áudio $0.029; com áudio $0.0575	$0.1
1080P por segundo	Sem áudio $0.043; com áudio $0.086	$0.167
1080P requisição de 5 segundos	Sem áudio $0.215; com áudio $0.430	$0.835
Duração	5 / 10 / 15 segundos	2–15 segundos inteiros
Entrada de imagem	image_urls, exatamente 1 imagem	media, contendo first_frame, podendo usar também last_frame e outros tipos
Controle de áudio	Booleano audio, padrão false	Não há chave com o mesmo nome; os dois resultados desta página têm faixa de áudio não silenciosa
Expansão de prompt	Não há esse campo	prompt_extend, padrão true

Resultados em 1080P com a mesma imagem de entrada e o mesmo prompt

Os dois conjuntos usam, em cada lado, o mesmo endereço de entrada e prompt em inglês, ambos requisitando 1080P por 5 segundos; os arquivos MP4 retornados têm dimensões reais de 1918×1080. O modo de áudio e a duração do container final estão indicados nas legendas de cada conjunto, sem esconder essas diferenças atrás de "mesmos parâmetros".

Os links apenas preenchem o prompt; faça o upload manual da imagem de entrada do conjunto e então selecione, conforme a legenda, a resolução, a duração de 5 segundos e a configuração de áudio disponível; não foi feita audição do conteúdo sonoro, e a detecção de faixa apenas indica presença ou ausência de sinal sonoro.

Conjunto A: raposa atravessando a clareira

The fox stands up, shakes off leaves and trots across the clearing, leaves crunching, birds singing in the forest

Wan 2.6 Flash · 1080P com áudio · $0.430	Wan 2.7 · 1080P · $0.835
Assistir ao resultado da raposa no 2.6	Assistir ao resultado da raposa no 2.7

Esquerda: wan2.6-flash/image-to-video, resolution=1080p, duration=5, audio=true, resultado de 5.01 segundos. Direita: wan2.7-video/image-to-video, resolution=1080P, duration=5, prompt_extend=false, resultado de 5.04 segundos. Ambos 1918×1080, MP4 e com faixa de áudio não silenciosa; cobrado conforme a faixa requisitada de cada lado, diferença de $0.405.

Gerar com Wan 2.6 → · Gerar com Wan 2.7 →

Diferença visível: os dois resultados têm a raposa se levantando da posição sentada e caminhando para a direita; o comprimento do passo e a posição do sujeito no mesmo instante diferem. Na inspeção, pode-se verificar quadro a quadro a continuidade dos membros, da cauda e das folhas caídas, sem inferir a partir disso que uma geração tem qualidade de imagem geral superior.

Conjunto B: conversível em estrada ao pôr do sol

The camera slowly dollies around the turquoise convertible as the sun sinks behind the mesas, dust drifting in the warm light

Wan 2.6 Flash · 1080P sem áudio · $0.215	Wan 2.7 · 1080P · $0.835
Assistir ao resultado do carro no 2.6	Assistir ao resultado do carro no 2.7

Esquerda: wan2.6-flash/image-to-video, resolution=1080p, duration=5, audio=false, resultado de 5.00 segundos, sem faixa de áudio. Direita: wan2.7-video/image-to-video, resolution=1080P, duration=5, prompt_extend=false, resultado de 5.04 segundos, com faixa de áudio não silenciosa. Ambos 1918×1080, MP4; este conjunto compara apenas a imagem, sem comparação em condições de áudio equivalentes; diferença de $0.620 conforme as respectivas faixas.

Gerar com Wan 2.6 → · Gerar com Wan 2.7 →

Diferença visível: ambos têm o conversível turquesa, o pôr do sol e a poeira levantada; no mesmo instante, o ângulo da carroceria, a posição da câmera e a área de fundo revelada diferem. Quando precisar de material sem áudio, primeiro defina a faixa de geração e depois decida se o som será tratado na pós-produção.

Como escolher conforme o cenário

• Precisa da faixa de orçamento listada mais baixa: 2.6 em 720p sem áudio por 5 segundos custa $0.145; com áudio ativado, cobra-se pela faixa com áudio.
• Precisa de 1080P, 5 segundos e com som: no conjunto da raposa desta página, 2.6 custa $0.430 e 2.7 custa $0.835; não se usa o preço de 720P para rotular um resultado em 1080P.
• Precisa de durações inteiras como 2 ou 3 segundos ou de configuração de frame inicial e final: consulte a faixa de duração e os tipos de media do 2.7.
• Precisa de tarefas de 5, 10 ou 15 segundos com um único frame inicial e controle explícito de som: o 2.6 permite definir audio na requisição.
• Precisa calcular antes da produção: precifique por resolução, duração requisitada e faixa de áudio disponível, sem transformar os dois samples em ranking de qualidade de imagem do modelo inteiro.

Custo de migração: campos de entrada e parâmetros de áudio

{
  "model": "wan2.6-flash/image-to-video",
  "input": {
    "prompt": "The fox stands up, shakes off leaves and trots across the clearing, leaves crunching, birds singing in the forest",
    "image_urls": [
      "https://static.hiapi.ai/model-covers/2026/10/18/1792312422231-f555bfc4430b8edf-1792151147514-f555bfc4430b8edf-wan-in-fox.jpg"
    ],
    "duration": 5,
    "resolution": "1080p",
    "audio": true
  }
}

{
  "model": "wan2.7-video/image-to-video",
  "input": {
    "prompt": "The fox stands up, shakes off leaves and trots across the clearing, leaves crunching, birds singing in the forest",
    "media": [
      {
        "type": "first_frame",
        "url": "https://static.hiapi.ai/model-covers/2026/10/18/1792312422231-f555bfc4430b8edf-1792151147514-f555bfc4430b8edf-wan-in-fox.jpg"
      }
    ],
    "resolution": "1080P",
    "duration": 5,
    "prompt_extend": false
  }
}

O image_urls do 2.6 é substituído pelo array de objetos media do 2.7; não passe audio para o 2.7 como está. As enumerações de resolução dos dois lados diferem em maiúsculas/minúsculas. Na consulta, use data.status para determinar o estado final e selecione em data.output o endereço com type=video, salvando-o a tempo.

Perguntas frequentes

Por que os 5 segundos das legendas diferem ligeiramente da duração do arquivo?

5 segundos é a duração de geração requisitada. As durações de container MP4 verificadas foram 5.00, 5.01 ou 5.04 segundos; os preços desta página são calculados pela duração requisitada e pela faixa de resolução.

O Wan 2.7 só tem imagem e não tem som?

Não. Os dois resultados do Wan 2.7 nesta página têm faixa de áudio não silenciosa. Seus campos de requisição não têm o interruptor booleano audio do 2.6; não escreva "não tem esse campo" como "não tem som".

A mesma imagem de entrada pode ser reutilizada diretamente?

Pode-se reutilizar o mesmo endereço de imagem publicamente legível, mas os campos são diferentes: no 2.6 vai no array image_urls; no 2.7 vai no objeto first_frame dentro de media.

Pode-se omitir a duração nos dois lados?

Os exemplos desta página escrevem explicitamente duration: 5, além da resolução e da faixa de áudio do 2.6, para facilitar a verificação de preço. O 2.6 suporta 5/10/15 segundos; o 2.7 suporta inteiros de 2 a 15 segundos.

Pode-se decidir a qualidade de imagem geral olhando apenas os dois resultados?

Não. Primeiro verifique se sua própria imagem de entrada, o movimento e a movimentação de câmera foram realizados; depois confira som e orçamento; esta página registra apenas as diferenças concretas dos dois conjuntos de imagem.

Próximo passo: leia o guia de integração do Wan 2.6 e preços e orçamento, ou veja também casos de prompt para vídeo a partir de imagem.