Alibaba ha lanzado Wan2.7-Image, un modelo de imagen que unifica generación, edición y renderizado de texto, con soporte para doce idiomas y hasta doce imágenes coherentes por prompt. Y llega con pesos abiertos bajo Apache 2.0, algo que ni Midjourney ni las alternativas de OpenAI ofrecen.
Puntos clave
- Wan2.7-Image se presentó el 1 de abril de 2026, con licencia Apache 2.0 y pesos disponibles en HuggingFace y ModelScope.
- Arquitectura unificada: genera, edita y renderiza texto en imagen dentro del mismo modelo.
- Soporta 12 idiomas y hasta 3.000 tokens de texto dentro de la imagen, con calidad de impresión.
- Genera hasta 12 imágenes coherentes entre sí a partir de un solo prompt.
- Dos variantes: estándar hasta 2K y Pro hasta 4K. Incluye un "modo de razonamiento" antes de generar.
Qué lo diferencia
Tres cosas separan a Wan2.7 del resto. La primera es el texto dentro de la imagen. Es el punto donde casi todos los generadores fallan: pídele a la mayoría un cartel con una frase y te devuelve letras deformes. Wan2.7 renderiza texto legible, con calidad de impresión, en doce idiomas y hasta 3.000 tokens. Para carteles, portadas, packaging o mockups con texto real, eso lo cambia todo.
La segunda es la coherencia. Genera hasta doce imágenes que mantienen el mismo personaje, el mismo estilo y la misma paleta. Quien haya intentado hacer una serie de imágenes de marca con IA sabe el infierno que es que el personaje cambie de cara en cada generación. Aquí se resuelve.
La tercera es la licencia. Apache 2.0, con los pesos descargables en HuggingFace y ModelScope. Lo puedes correr en tu infraestructura, ajustarlo a tu marca y usarlo comercialmente sin pedir permiso ni pagar por generación.
Hay más en la caja. Wan2.7 llega en dos variantes: la estándar genera hasta 2K de resolución y la Pro llega a 4K con composiciones más estables y mejor comprensión del prompt. Incluye un "modo de razonamiento" que piensa antes de generar, en lugar de disparar la primera imagen que se le ocurre, y permite ajustar la paleta de colores o rasgos concretos de un personaje. Son las funciones que separan un juguete de una herramienta que un equipo de diseño puede meter en su flujo real.
El movimiento de fondo de China en imagen
Wan2.7 no llega solo. Es parte de una ofensiva china en generación de imagen que ataca justo por donde los productos cerrados cobran: el precio y la licencia. Midjourney y las alternativas de OpenAI son excelentes, pero son cajas cerradas por las que pagas cada imagen. Alibaba regala un modelo comparable en instrucción y en texto, con los pesos en la mano. Es el mismo guion que ya vimos en modelos de lenguaje, ahora en imagen.
Por qué importa para un founder español
Si tu empresa genera contenido visual, y hoy eso es casi cualquier empresa, esto te toca el presupuesto.
Lo primero, el coste de tu contenido de marca. Un modelo abierto que renderiza texto bien y mantiene la coherencia entre imágenes te permite producir carteles, posts, variaciones de creatividades y mockups sin pagar por generación y sin depender de una herramienta cerrada. Para un equipo de marketing pequeño, es la diferencia entre encargar cada pieza fuera o montarlas en casa en minutos.
Y lo segundo, el texto en imagen resuelve el caso que más falla en publicidad. Si haces anuncios, sabes que el 90% llevan un titular encima de la imagen. Hasta ahora eso obligaba a generar la imagen por un lado y montar el texto por otro. Un modelo que hace las dos cosas a la vez, en español y bien, acorta tu ciclo de producción de creatividades. Y producir más variaciones más rápido es exactamente lo que necesitas para testar anuncios antes de meter dinero.
Relacionado
