Wan2.2 — MoE 기반 오픈소스 비디오 생성 모델의 SOTA 달성
Wan2.2 — MoE 기반 오픈소스 비디오 생성 모델의 SOTA 달성
Alibaba Tongyi Lab이 공개한 Wan2.2는 Mixture-of-Experts(MoE) 아키텍처를 비디오 디퓨전 모델에 최초 적용하여, VBench 84.7%+ 달성과 함께 2026년 오픈소스 비디오 생성 분야의 새로운 기준을 수립했다.
개요
2026년 3월 기준, AI 비디오 생성 분야는 상용 모델(Kling 3.0, Veo 3.1, Seedance 2.0)과 오픈소스 모델 간의 성능 격차가 급속히 좁혀지고 있다. 이 변화의 중심에 Alibaba Tongyi Lab의 Wan2.2가 있다. Wan2.2는 비디오 디퓨전 모델에 Mixture-of-Experts(MoE) 아키텍처를 도입한 최초의 모델로, 15억 개 비디오와 100억 개 이미지로 학습되어 기존 오픈소스 모델을 압도하고 상용 솔루션과 경쟁하는 수준에 도달했다.
특히 Apache 2.0 라이선스로 완전 공개되어, 구독료나 API 제한 없이 상업적 활용이 가능하다는 점이 시장 구도를 근본적으로 변화시키고 있다.
핵심 내용
MoE 아키텍처 — 효율적 파라미터 활용
Wan2.2의 A14B 모델 시리즈는 총 27B(270억) 파라미터를 보유하지만, 단일 생성 시 14B(140억)만 활성화되는 2-전문가(two-expert) 설계를 채택했다. 이 설계의 핵심은 디노이징 프로세스의 단계별 전문화에 있다:
- High-noise Expert: 생성 초기 단계에서 활성화. 전체 레이아웃, 구도, 거시적 움직임 패턴을 결정
- Low-noise Expert: 생성 후반 단계에서 활성화. 텍스처, 디테일, 미세 움직임을 정제
이 분업 구조 덕분에 총 파라미터의 52%만 사용하면서도 전체 파라미터를 동시 사용하는 dense 모델과 동등한 품질을 달성한다. 실질적 효과로 RTX 4090(24GB VRAM)급 컨슈머 GPU에서 추론이 가능하며, 이는 오픈소스 비디오 생성의 접근성을 획기적으로 높인다.
벤치마크 성능
- VBench 종합 점수: 84.7%+ (2026년 3월 기준 오픈소스 모델 중 최고)
- 출력 해상도: 480P ~ 720P (T2V-A14B, I2V-A14B 모두 지원)
- 프레임 레이트: 24fps
- 복합 역학: 다중 객체 상호작용, 공간 관계, 복잡한 동적 장면에서 특히 강세
비교 맥락: Kling 3.0(상용)이 네이티브 4K/60fps, Veo 3.1(상용)이 1080p/24fps를 지원하는 반면, Wan2.2는 720p/24fps로 해상도에서는 뒤처지나 복합 장면 생성 품질에서 상용 모델에 근접한다.
학습 데이터 규모
- 비디오: 15억 개 (1.5B)
- 이미지: 100억 개 (10B)
- 이 규모는 오픈소스 모델로서 전례 없는 수준이며, 다양한 도메인과 스타일에 걸친 일반화 능력의 기반
2026년 3월 비디오 생성 시장 컨텍스트
Wan2.2의 등장은 더 넓은 시장 변화와 맞물린다. 2026년 2월 기준 6대 주요 모델(Kling 3.0, Sora 2, Veo 3.1, Seedance 1.5 Pro, Runway Gen-4 Turbo, Wan2.2) 중 4개가 네이티브 오디오 동시 생성을 지원하며, OpenAI Sora의 독립 서비스 종료는 단일 모델 접근의 한계를 확인시켰다.