CogVideoX-5BとWan 2.1｜480p固定か720pも扱うかで選ぶ
480pの短尺へ条件をそろえるならCogVideoX-5B、同じT2V系で720pの制作も分けて設計するならWan 2.1の14Bを検討します。Wanの1.3Bと14Bでは、GPUの実行例も別です。
公式の公開ウェイトと推論資料を2026年10月19日に確認しました。モデルを実行した画質・速度・費用の測定結果ではありません。
Wanの大きさを先に決める
Wan 2.1という名前だけでは実行対象が決まりません。ここではWan-AI/Wan2.1-T2V-14Bとzai-org/CogVideoX-5bを比較します。WanのI2V・FLF2V・VACEや1.3Bを、14Bの追加機能として数えません。
この組合せで決められるのは、480p固定の制作と、480p・720pを使い分ける制作のどちらへ環境を合わせるかです。パラメータ数から画質の勝敗を予測する記事ではありません。
解像度の選択と入力文を比べる
| 判断軸 | CogVideoX-5B | Wan2.1-T2V-14B |
|---|---|---|
| 入力 | 英語テキスト。モデルカードは226トークン。 | テキスト入力。prompt extensionあり／なしの手順。 |
| 解像度 | モデルカードでは720×480に固定。 | 公式T2V表で480pと720pを案内。 |
| 推論の記録 | 6秒・8fpsの公式基準、steps・seed・offload。 | task、size、frame数、seed、prompt extensionとoffload。 |
| 別モデルとの区別 | 5B-I2Vと1.5は別。 | 1.3BのRTX 4090例を14Bの必要VRAMとして使わない。 |
同じ映像用途と同じ画素数を区別する
480pの企画ラフを作る場合は、両方の最終入力文と縦横比を記録します。Wanのprompt extensionを使うなら、その拡張結果も保存します。元の日本語指示が同じでも、一方だけ詳しい説明文へ変えれば入力条件が変わります。
720pが必要な場合、CogVideoX-5Bでは後段の拡大処理を含む案になり、Wanの14Bでは公式720p設定を使う案になります。拡大した映像と直接出力を並べることはできますが、拡大の時間・モデル・画質変化まで制作工程へ含めます。
展示用ラフから編集素材へ進める
仮の展示映像で、最初は480pの動き確認、採用後は720pの編集素材が必要になるとします。ラフ段階で決めたカメラの動きと被写体の数を保存し、次の解像度へ移るときに再生成か拡大かを決めます。これは実行結果ではなく制作手順の例です。
ローカルの重みには、本記事で一律のAPI秒単価を付けません。GPUの確保、重みの保存、生成と拡大、検品の時間を別々に見積もることで、出力解像度を上げる判断を費用へ結び付けられます。
出典・確認範囲
確認日は2026年10月19日です。正式な配布名、入力、推論構成を確認し、実測していない画質・速度の順位は付けていません。重みとコードの利用条件はそれぞれの配布元で確認します。本記事の例は仮の制作計画です。
- Z.ai｜CogVideoX-5B model card — 英語入力、226トークン、720×480・6秒・8fps、最適化条件、モデルライセンス。
- Z.ai｜CogVideo公式リポジトリ — 5B、5B-I2V、1.5の区別と推論手順。
- Wan｜Wan2.1公式リポジトリ — T2V-14Bの480p/720p、T2V/I2Vの別ウェイト、offloadとprompt extension。
- Wan｜Wan2.1-T2V-14B model card — 14Bの公開ウェイトとT2V実行経路。