wan2.7-image vs wan2.7-image-pro
Welches und wann — kuratiertes Fazit, keine Benchmark-Tabelle
Gleicher Erscheinungstag, gleicher Bearbeitungskasten — Text-zu-Bild, interaktives Bearbeiten per Auswahlrahmen, 0–9 Referenzbilder und Sets bis 12 — also trennt sie Größe und Preis: wan2.7-image-pro kostet $0.075 pro Aufruf gegenüber $0.03, das 2.5-fache, und ergänzt 4K bei Text-zu-Bild (bis 4096x4096) über die 2K-Grenze von wan2.7-image hinaus. Bearbeiten und Sets enden auf beiden bei 2K. Nehmen Sie die pro-Stufe nur, wenn Sie 4K aus Text brauchen; für Bearbeitung und 2K-Auslieferung ist das günstigere dasselbe Modell.
Preise
| wan2.7-image | wan2.7-image-pro | Δ | |
|---|---|---|---|
| Pro generiertem Bild | $0.03 | $0.075 | 0.4× |
Preise aus dem Live-Katalog zum Zeitpunkt des Builds; jede Modellseite enthält die aktuelle Übersicht.
Wo sie stehen — Preis pro generiertem Bild über alle 8 Bildgenerierung-Modelle mit dieser Abrechnungseinheit (logarithmische Skala)
Spezifikationen
| wan2.7-image | wan2.7-image-pro | |
|---|---|---|
| Input-Modalitäten | Text Bild | Text Bild |
| Ausgabemodalitäten | Bild | Bild |
| Veröffentlicht | 2026-04-01 | 2026-04-01 |
| Output-Größen |
|
|
| Eingabemodi | text-to-image, image editing (incl. bounding-box interactive edit), 0–9 reference images, text/image-to-image-set | text-to-image, image editing (incl. bounding-box interactive edit), 0–9 reference images, text/image-to-image-set |
| Bilder pro Anfrage | 12 | 12 |
| Formate | png | png |
| Anmerkungen | Up to 2K output, aspect ratios 1:8-8:1 text-to-image, editing, image sets (1-12), up to 9 reference images multilingual text rendering (12 languages) | 4K text-to-image (max 4096x4096; editing max 2K), aspect ratios 1:8-8:1 instruction + click-to-edit editing character-consistent sets up to 12 images print-quality text rendering incl. formulas/tables |
Die Spezifikationen sind aus der Dokumentation der jeweiligen Anbieter übernommen; eine Zeile, die ein Anbieter nicht veröffentlicht, wird weggelassen und nicht abgeleitet. Vollständige Quellen: wan2.7-image · wan2.7-image-pro
Ein Prompt, beide Modelle — gemessen über das Gateway
Ein Prompt, ein Request pro Modell, keine Retries und kein Cherry-Picking — das erste Ergebnis, das jedes Modell zurückgegeben hat. Weder Größe noch Dauer wurden festgelegt: Jedes Modell verwendete seinen eigenen Standardwert, da ein auf alle zugeschnittener Request keinem gerecht werden würde. Die Dateien hier wurden für das Web neu kodiert, beurteilen Sie also Komposition und Prompt-Treue, nicht die Komprimierung.
Mit einer Zeile zwischen ihnen wechseln
Beide IDs befinden sich in jedem Tab unten — das hervorgehobene Zeilenpaar ist die einzige Änderung. Gleicher Endpunkt, gleicher Schlüssel, gleiche Request-Struktur.
from openai import OpenAI
client = OpenAI(
base_url="https://synthorai.io/v1",
api_key="sk-syn-...",
)
resp = client.images.generate(
model="wan2.7-image",
# model="wan2.7-image-pro", # diese Zeile einkommentieren, die darüberliegende auskommentieren
prompt="a watercolor lighthouse at dawn",
size="1024x1024",
)
print(resp.data[0].b64_json[:80])import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.images.generate({
model: "wan2.7-image",
// model: "wan2.7-image-pro", // diese Zeile einkommentieren, die darüberliegende auskommentieren
prompt: "a watercolor lighthouse at dawn",
size: "1024x1024",
});
console.log(resp.data?.[0]?.b64_json?.slice(0, 80));curl https://synthorai.io/v1/images/generations \
-H "Authorization: Bearer sk-syn-..." \
-H "Content-Type: application/json" \
-d '{
"model": "wan2.7-image",
# "model": "wan2.7-image-pro", # diese Zeile einkommentieren, die darüberliegende auskommentieren
"prompt": "a watercolor lighthouse at dawn",
"size": "1024x1024"
}'package main
import (
"context"
"fmt"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://synthorai.io/v1"),
option.WithAPIKey("sk-syn-..."),
)
resp, _ := client.Images.Generate(context.TODO(), openai.ImageGenerateParams{
Model: "wan2.7-image",
// Model: "wan2.7-image-pro", // diese Zeile einkommentieren, die darüberliegende auskommentieren
Prompt: "a watercolor lighthouse at dawn",
Size: "1024x1024",
})
fmt.Println(resp.Data[0].B64JSON[:80])
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.images.*;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
ImagesResponse resp = client.images().generate(
ImageGenerateParams.builder()
.model("wan2.7-image")
// .model("wan2.7-image-pro") // diese Zeile einkommentieren, die darüberliegende auskommentieren
.prompt("a watercolor lighthouse at dawn")
.size("1024x1024")
.build());
System.out.println(resp.data().orElseThrow().get(0).b64Json().orElseThrow().substring(0, 80));FAQ
Welches ist günstiger, wan2.7-image oder wan2.7-image-pro?
wan2.7-image ist günstiger bei pro generiertem bild ($0.03 vs. $0.075, 2.5× Unterschied). Andere Zeilen können in die andere Richtung deuten — die obige Tabelle enthält alle Daten, und die tatsächlichen Kosten hängen von Ihrem Mix ab.
Kann ich wan2.7-image gegen wan2.7-image-pro ohne zwei Integrationen A/B-testen?
Ja. Beide werden über denselben OpenAI-kompatiblen Endpunkt mit einem API-Schlüssel bereitgestellt — der Wechsel ist eine einzeilige Änderung des Modell-Strings, sodass Sie einen Bruchteil des Traffics an jedes Modell leiten und die Rechnungen direkt vergleichen können.
Ändert sich der Preis mit der Bildgröße?
Das hängt davon ab, wie das Modell abrechnet. Pro-Bild-Modelle kosten dasselbe, unabhängig von der Prompt- oder Ausgabegröße; tokenbasierte Modelle skalieren mit der Auflösung, die Sie rendern, sodass ein 4K-Bild ein Vielfaches eines kleinen Bildes kostet. Die obige Tabelle zeigt, was auf das jeweilige Modell zutrifft.