Wan-AI n'est pas une entreprise en démarrage indépendante — c'est la poussée dédiée d'Alibaba dans la génération vidéo, opérant sous l'égide de recherche Tongyi (anciennement DAMO Academy) à Hangzhou. L'initiative a été lancée en 2024 lorsqu'Alibaba a reconnu que les modèles vidéo à poids ouverts pouvaient faire pour la génération vidéo ce que Qwen avait fait pour les grands modèles de langage : établir Alibaba comme le fournisseur de référence pour les développeurs qui veulent des capacités de pointe sans dépendance à un fournisseur. Les modèles Wan ont été publiés sur Hugging Face et ModelScope avec des licences permissives, en faisant instantanément certains des modèles de génération vidéo de haute qualité les plus accessibles disponibles où que ce soit.
La décision d'Alibaba de publier Wan en poids ouverts était stratégique, pas charitable. En rendant des modèles vidéo puissants librement disponibles, ils ont créé un écosystème de développeurs, de chercheurs et d'entreprises construisant sur la pile technologique d'Alibaba. Cela génère du trafic vers Alibaba Cloud, augmente la notoriété dans la communauté des développeurs et positionne Alibaba comme le fournisseur d'infrastructure par défaut pour les charges de travail de vidéo IA à travers l'Asie et au-delà. Les modèles Wan se déclinent en plusieurs tailles — des versions légères qui peuvent tourner sur des GPU grand public aux variantes plus grandes qui rivalisent avec les meilleures offres à source fermée — offrant aux développeurs la flexibilité de choisir selon leur budget de calcul et leurs exigences de qualité.
La famille de modèles Wan utilise une architecture de transformer de diffusion avec un encodeur de texte dérivé des modèles de langage Qwen d'Alibaba, créant une intégration étroite entre la compréhension textuelle et la génération visuelle. Les résultats sont particulièrement solides en adhérence aux instructions et en composition de scène, des domaines où de nombreux modèles vidéo peinent. Wan prend en charge la génération texte-vers-vidéo, image-vers-vidéo et vidéo-vers-vidéo, et la nature à poids ouverts signifie que la communauté a rapidement construit des affinages LoRA, des flux de travail personnalisés dans ComfyUI et des adaptations spécialisées pour tout, de l'anime à la visualisation architecturale. Cet effet d'écosystème est sans doute plus précieux que le modèle de base lui-même.
Wan se situe à l'intersection de deux batailles concurrentielles. Dans l'espace de la vidéo à poids ouverts, il rivalise avec les modèles vidéo de Stability AI et divers efforts communautaires. Dans le marché chinois plus large de la vidéo IA, il rivalise avec Kling, Vidu et d'autres — bien que l'approche d'Alibaba soit fondamentalement différente parce que le modèle est le marketing, pas le produit. Le véritable produit est le calcul sur Alibaba Cloud. Ce positionnement signifie que Wan peut se permettre d'être plus généreux avec les publications de modèles que les entreprises en démarrage autonomes qui doivent monétiser le modèle directement, lui donnant un avantage structurel dans la course au code ouvert qu'il est difficile pour les plus petits acteurs de reproduire.