Wan-Bench 2.0 基准：Wan2.2 与 Sora、Runway 等闭源模型的较量
Wan-Bench 2.0 是什么
Wan-Bench 2.0 是阿里通义团队为 Wan2.2 设计的一套视频生成模型评测基准——注意它不是第三方的，是开发者自己设计的。它覆盖多个关键维度，包括：
- 文本 → 视频的语义对齐度
- 画面质量与美学评分
- 运动连贯性
- 指令遵循能力
- 人脸 / 商品 / 文字的一致性
对比了谁
Wan2.2 参与对比的模型包括多个闭源商用模型（名字在对比图里）。官方结论是 Wan2.2 在 Wan-Bench 2.0 上整体表现优于这些业内主流模型。
怎么看这张对比图
图里每个点代表一个模型在各维度的得分。Wan2.2 的位置越靠上 / 越靠右越好。不同颜色或形状代表不同模型。
需要注意的几点：
- 评测基准是 Wan 团队自己设计的——这并不意味着结果有水分（他们公开了基准构建方法），但如果想看第三方评测，还需要看 Video Reality Test 等独立基准
- 闭源模型可能有版本差异——不同时间点的 Sora / Runway 版本能力不同
- 开源 vs 闭源的本质差异——Wan2.2 赢在可本地部署、可二次开发，闭源模型赢在工程化成熟度
第三方基准表现
在 Video Reality Test（独立研究）中，Wan2.2-A14B 在 ASMR 视频场景的表现仅次于 Veo3.1-Flash，甚至超过了 Sora2（带水印和不带水印两个版本）。这说明 Wan2.2 的真实感已经相当接近顶级闭源模型。
在 Interaction / Mechanics / Material Properties 等世界模型能力测试中，Wan2.2 的表现也处于开源模型的第一梯队。
核心指标解读
| 指标 | 含义 | Wan2.2 优势 |
|---|---|---|
| FID | 生成视频与真实视频的分布距离（越低越好） | 追平闭源模型 |
| FVD | 视频帧间分布距离（越低越好） | 同类开源最好 |
| EFID | 人脸表情真实性（越低越好） | S2V 在该指标领先 |
| CSIM | 身份一致性（越高越好） | S2V 在该指标领先 |
下一页 MoE 验证损失 讲 MoE 架构的验证损失对比——这是 Wan2.2 架构设计的重要证据。