Модель предназначена для задач image-to-video, то есть генерации видео на основе входного изображения и текстового описания. Заявлена поддержка английского и китайского языков. Размер базовой модели — 5 млрд параметров, однако точный вариант квантования и параметры контекстного окна в карточке не указаны.
Для работы модель рассчитана на использование в ComfyUI с пользовательским узлом ComfyUI-GGUF. Помимо основного GGUF-файла, требуются текстовый энкодер UMT5-XXL и VAE Wan2.2_VAE; они размещаются в соответствующих каталогах ComfyUI. К преимуществам относятся совместимость с GGUF и возможность запуска в экосистеме ComfyUI, потенциально более экономичная по памяти по сравнению с полной версией. Ограничения включают необходимость установки дополнительных компонентов, отсутствие подробных данных о производительности, архитектуре и требованиях к ресурсам, а также зависимость от исходной модели и её ограничений. Лицензия — Apache-2.0; для квантованной версии сохраняются все исходные лицензионные условия и ограничения использования.