Vidu Q4 Preview vs Alibaba Wan 2.7: Hai chế độ đối đầu Bốn, và Một bảng ở nơi quan trọng nhất

Đây là toàn bộ so sánh gói gọn trong một dòng: Vidu Q4 Preview đánh bại Ali​baba Wan 2.7 với 102 Elo trên bảng xếp hạng image-to-video của Artificial Analysis, và không thể được đưa vào so sánh với nó ở mảng text-to-video hay chỉnh sửa video, bởi vì Vidu Q4 Preview không hỗ trợ cả hai.

Cả hai mô hình đều ra mắt vào năm 2026 và đều tạo video có âm thanh. Vidu Q4 Preview ra mắt ngày 7 tháng 10 năm 2026 từ Shengshu Technology như một bản xem trước công khai đầu tiên trước mô hình Q4 đầy đủ, ở hai chế độ — Image-to-Video và Reference-to-Video. Alibaba Wan 2.7 phát hành vào tháng 4 năm 2026 dưới dạng bộ bốn biến thể: text-to-video, image-to-video, reference-to-video và video edit, tính phí theo mỗi giây video được tạo. Vậy nên yếu tố phân định trong hầu hết các trang so sánh đối đầu — một điểm số — chỉ tồn tại trên một trong các trục, và cách trung thực để đánh giá hai mô hình này là bắt đầu bằng việc hỏi bạn thực sự cần những trục nào.

Bảng điểm, với những khoảng trống vẫn được để lộ ra

Artificial Analysis vận hành ba bảng xếp hạng video riêng biệt. Mỗi bảng có thang Elo riêng và nhóm phiếu bầu riêng, nên điểm từ bảng này không chuyển sang bảng khác. Đọc vào ngày 8 tháng 10 năm 2026, vẫn giữ âm thanh:

• Chuyển hình ảnh thành video (AA-Video-I2V v1.0) — Vidu Q4 Preview thứ 3, 1.179 ±10, 5.543 mẫu, tháng 10 năm 2026, 7,20 USD/phút; Alibaba Wan 2.7 thứ 13, 1.077 ±8, 4.571 mẫu, tháng 4 năm 2026, 9,00 USD/phút

• Văn bản thành video (AA-Video-T2V v2.0) — Vidu Q4 Preview không xuất hiện; Wan2.7-260612 hạng 13-14, 1.030 ±9, 5.571 mẫu, tháng 6 năm 2026, $9,00/phút

• Chỉnh sửa video (AA-Video-Editing v1.1) — Vidu Q4 Preview không xuất hiện; Wan 2.7 thứ 7, 1.074, 20.021 mẫu, tháng 4 năm 2026, 16,90 USD/phút

Từ bảng đó suy ra hai điều. Wan 2.7 đa dụng hơn hẳn so với mẫu còn lại — nó là mẫu duy nhất trong hai mẫu được chấm điểm trên cả ba bảng, và mục chỉnh sửa của nó có số phiếu lớn nhất so với bất kỳ điểm số Wan 2.7 nào ở bất cứ đâu, với quy mô hai mươi nghìn mẫu. Và trên trục duy nhất mà cả hai gặp nhau, Vidu Q4 Preview thắng với cách biệt 102 Elo, tức xấp xỉ gấp năm lần độ rộng khoảng tin cậy của mỗi mô hình.

Khoảng cách 102 điểm không phải là một kết quả nhỏ. Để thấy rõ quy mô: toàn bộ độ trải điểm giữa sáu vị trí dẫn đầu trên bảng image-to-video chỉ là 21 Elo. Vidu Q4 Preview không chỉ nhỉnh hơn Wan 2.7 một chút ở image-to-video; nó thuộc một đẳng cấp khác, và còn rẻ hơn 1,80 đô la mỗi phút, đồng thời là bản phát hành mới hơn. Nếu image-to-video là khối lượng công việc của bạn, quyết định này không hề sít sao — và bảng đánh giá độc lập chính là lý do khiến nó không sít sao.

Nơi Wan 2.7 là cái duy nhất trong hai cái xuất hiện

Tài liệu của chính Wan 2.7 nêu tên hai lĩnh vực vẫn cần cải thiện: chất lượng âm thanh và độ chính xác của văn bản trên màn hình. Đó là đánh giá của nhà cung cấp, không phải của người đánh giá, và điều này đáng được đưa vào bất kỳ so sánh nào, bởi vì cả hai mô hình đều đưa ra cùng một tuyên bố chính — âm thanh gốc được tạo ra cùng với hình ảnh thay vì được gắn thêm vào sau đó.

Sự khác biệt nằm ở những gì xảy ra theo mặc định. Endpoint image-to-video của Vidu Q4 Preview có một tham số audio mặc định là true: bạn sẽ có âm thanh trừ khi bạn tắt nó đi, và tắt nó đi chính là cách để có một clip im lặng. Wan 2.7 không ghi tài liệu về cùng một công tắc như vậy ở cùng một vị trí. Nếu đầu ra im lặng quan trọng với pipeline của bạn — và với bất cứ thứ gì bạn định soạn nhạc riêng, hoặc lồng tiếng sang ngôn ngữ khác, thì đúng là nó quan trọng — sự bất đối xứng đó sẽ thay đổi diện mạo của lần tích hợp đầu tiên của bạn.

Trên bảng chỉnh sửa, vị trí thứ bảy của Wan 2.7 với 1.074 trên 20.021 mẫu là kết quả đơn lẻ mạnh nhất mà một trong hai mô hình đạt được trên bất kỳ bảng nào tính theo số phiếu bầu. Hai mươi nghìn phiếu bầu là một phép đo có trọng lượng thực sự đằng sau nó, và không có mô hình Vidu nào xuất hiện trên bảng đó để so sánh với nó. Nếu công việc của bạn là chỉnh lại nhịp thời gian hoặc đổi phong cách cho cảnh quay hiện có thay vì tạo cảnh quay mới, thì Wan 2.7 là mô hình duy nhất trong hai mô hình phù hợp.

Khoảng cách đặc tả ở phía tạo sinh

Ở những chỗ chúng trùng nhau, hai bên khác nhau trên gần như mọi phương diện, và những khác biệt đó không hề cân xứng theo hướng có lợi cho Wan.

• Độ phân giải tối đa — Vidu Q4 Preview 4K (2K và 4K ở màu 10-bit) so với Wan 2.7 lên đến 1080p

• Thời lượng clip tối đa — Vidu Q4 Preview 16 giây (Image-to-Video 3-16 giây, Reference-to-Video 1-16 giây) so với Wan 2.7 lên đến 15 giây

• Hình ảnh tham chiếu — Vidu Q4 Preview tối đa 15 trong một thiết lập so với Wan 2.7 tối đa mười tài nguyên

• Âm thanh tham chiếu — Vidu Q4 Preview tối đa 3 clip để đảm bảo tính nhất quán giọng nói, so với việc Ali​baba không công bố chi tiết đến mức tương tự

• Độ bao phủ tác vụ — Vidu Q4 Preview có hai chế độ (image-to-video, reference-to-video) so với Wan 2.7 có bốn biến thể (bổ sung text-to-video và video edit)

• Giá niêm yết công bố — Vidu Q4 Preview từ $0,014/s theo giá khuyến mại; đo được $7,20/phút trên bảng độc lập so với Wan 2.7 $0,10-$0,15/s theo biến thể, $9,00/phút đo được

Dòng về độ phân giải là điều cần cân nhắc kỹ lưỡng. Đầu ra 4K ở 10-bit là một khác biệt thực sự về sản phẩm bàn giao đối với bất kỳ ai đang hoàn thiện cho màn hình hoặc màn hiển thị lớn, và đó không phải là tính năng mà Wan 2.7 cung cấp trên bất kỳ biến thể nào. Nhưng 4K cũng là nơi mức giá theo giây thường không còn giống mức sàn được quảng cáo, và tài liệu ra mắt của chính Vidu có kèm lưu ý rằng giá cuối cùng, độ phân giải được hỗ trợ, tính khả dụng của tính năng và điều khoản sử dụng sẽ khác nhau tùy theo gói và khu vực.

Cái nào, theo khối lượng công việc

Nếu bạn đang tạo hoạt ảnh từ ảnh tĩnh — ảnh chụp sản phẩm, khung tham chiếu nhân vật, bảng phân cảnh — thì Vidu Q4 Preview là mô hình tốt hơn dựa trên bằng chứng độc lập duy nhất hiện có, với mức giá đo được thấp hơn. Đó là trường hợp rõ ràng.

Nếu bạn cần một hợp đồng bao gồm text-to-video, image-to-video và chỉnh sửa, Wan 2.7 là mẫu duy nhất trong hai mẫu đáp ứng được, và nó làm được điều đó với kết quả chỉnh sửa ở vị trí thứ bảy, dựa trên số phiếu bầu cao nhất trong hai mô hình. Hợp nhất về một nhà cung cấp là một lợi ích thực sự và so sánh này không giả vờ điều ngược lại.

Nếu bạn cần cả hai, chi phí vận hành hai nhà cung cấp thường không nằm ở giấy phép — mà ở tích hợp thứ hai, khóa thứ hai, bộ ngữ nghĩa thử lại thứ hai, và lược đồ thứ hai phải cập nhật liên tục. OrcaRouter thu gọn tất cả lại: một endpoint tương thích OpenAI cho hơn 200 mô hình, giá niêm yết của nhà cung cấp được chuyển nguyên không cộng thêm phụ phí, cùng khả năng tự động chuyển đổi dự phòng giữa các nhà cung cấp. Riêng về mảng video, chúng tôi cung cấp MiniMax H3, mô hình hiện đang xếp thứ nhất và thứ hai trên bảng xếp hạng image-to-video ở trên — có thể gọi trên cùng endpoint và cùng khóa với các mô hình văn bản. Cả Vidu Q4 Preview lẫn Ali​baba Wan 2.7 hiện đều không phải là tuyến của OrcaRouter, và trang này không nên được hiểu theo nghĩa ngược lại; điều chúng tôi có thể làm là giữ phần còn lại của khối lượng công việc trên một tích hợp duy nhất để thử nghiệm video chỉ là một mục chi phí chứ không phải cả một dự án.

Điều gì sẽ thay đổi điều này

Vidu Q4 Preview là bản xem trước. Mức giá mang tính khuyến mãi, bản dựng này đi trước bản phát hành Q4 đầy đủ theo chính lời nhà cung cấp, và tài liệu API vẫn còn một bí danh mô hình bị gõ sai bên cạnh bí danh đúng. Hai kết cục đáng lưu tâm: nếu bản phát hành Q4 đầy đủ bổ sung text-to-video, các trục sẽ thu gọn và việc này trở thành so sánh trực tiếp trên ba bảng thay vì một; nếu không, sự phân tách vẫn giữ nguyên và lựa chọn hoàn toàn phụ thuộc vào hình dạng khối lượng công việc.

Ở phía còn lại, các mẫu của Wan 2.7 trên bảng image-to-video cũ hơn của Vidu năm tháng và ít hơn khoảng một nghìn mẫu. Cả hai khoảng cách này sẽ thu hẹp lại. Không nên coi thứ hạng của mô hình nào là cố định ngoài ngày được in bên cạnh nó.

Câu trả lời hẹp: chúng chia sẻ đúng một trục cạnh tranh, Vidu Q4 Preview dẫn đầu rõ ràng ở mức giá đo được thấp hơn, và Wan 2.7 thắng mặc định ở mọi nơi Vidu không cạnh tranh. Câu trả lời rộng là: một mô hình xem trước hai chế độ và một bộ bốn biến thể thực sự không phải là những lựa chọn thay thế cho nhau — chúng là lựa chọn thay thế cho những công việc khác nhau, và phần hữu ích của so sánh này là biết bạn đang có công việc nào.