wan2.7-image vs wan2.7-image-pro
いつ、どちらを使うべきか — ベンチマーク表ではなく、厳選された評価
同じ発売日、編集キットも同じ — テキストから画像、バウンディングボックスによる対話編集、参照画像 0〜9 枚、最大 12 枚のセット — なので分かれ目はサイズと価格です。wan2.7-image-pro は 1 コール $0.075 で $0.03 の 2.5 倍、wan2.7-image の 2K 上限に対して 4K のテキストから画像(最大 4096x4096)を加えます。編集とセットはどちらも 2K が上限です。テキストから 4K が必要なときだけ pro 段を選んでください。編集作業と 2K 納品なら、安い方が同じモデルです。
料金
| wan2.7-image | wan2.7-image-pro | Δ | |
|---|---|---|---|
| 生成画像あたり | $0.03 | $0.075 | 0.4× |
ビルド時のライブカタログの料金です。各モデルのページには現在の料金カードが記載されています。
位置付け — この課金単位におけるすべての8個の画像生成モデル全体の生成画像1枚あたりの料金 (対数スケール)
仕様
| wan2.7-image | wan2.7-image-pro | |
|---|---|---|
| 入力モダリティ | テキスト 画像 | テキスト 画像 |
| 出力モダリティ | 画像 | 画像 |
| リリース | 2026-04-01 | 2026-04-01 |
| 出力サイズ |
|
|
| 入力モード | 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 |
| リクエストあたりの画像数 | 12 | 12 |
| フォーマット | png | png |
| 備考 | 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 |
仕様は各ベンダーのドキュメントから転記されています。ベンダーが公開していない行は推測せず、省略しています。 すべての出典: wan2.7-image · wan2.7-image-pro
1つのプロンプト、両方のモデル — ゲートウェイ経由で測定
1つのプロンプト、モデルごとに1回のリクエスト、再試行やチェリーピッキングはなし — 各モデルが最初に返した結果です。サイズも長さも固定しておらず、すべてのモデルに適合するよう調整されたリクエストはどのモデルの利点も活かせないため、各モデルは独自のデフォルトを使用しています。ここにあるファイルはWeb用に再エンコードされているため、圧縮ではなく、構図とプロンプトへの忠実度を評価してください。
1行で切り替え
以下のすべてのタブには両方のIDが含まれています — 変更箇所はハイライトされた2行のみです。エンドポイント、キー、リクエスト形式はすべて同じです。
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", # この行をアンコメントし、上の行をコメントアウトします
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", // この行をアンコメントし、上の行をコメントアウトします
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", # この行をアンコメントし、上の行をコメントアウトします
"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", // この行をアンコメントし、上の行をコメントアウトします
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") // この行をアンコメントし、上の行をコメントアウトします
.prompt("a watercolor lighthouse at dawn")
.size("1024x1024")
.build());
System.out.println(resp.data().orElseThrow().get(0).b64Json().orElseThrow().substring(0, 80));FAQ
wan2.7-image と wan2.7-image-pro ではどちらが安いですか?
生成画像あたり においては wan2.7-image の方が安価です($0.03 対 $0.075、2.5× の差)。他の行では逆になる可能性があります — 上の表には完全な情報が記載されており、実際のコストは組み合わせに依存します。
2つの統合を行わずに wan2.7-image と wan2.7-image-pro のA/Bテストを実施できますか?
はい。両方とも1つのAPIキーで同じOpenAI互換エンドポイントを通じて提供されます — モデル文字列を1行変更するだけで切り替えられるため、トラフィックの一部をそれぞれにルーティングし、請求額を直接比較できます。
画像サイズによって価格は変わりますか?
モデルの課金方法に依存します。画像単位で課金されるモデルはプロンプトや出力サイズに関わらず同一料金ですが、トークン単位で課金されるモデルはレンダリングする解像度に応じて比例するため、4K画像のコストは小さな画像の数倍になります。上の表はそれぞれにどちらが適用されるかを示しています。