Видеомодель Wan 3.0 от Alibaba: 30 секунд видео из картинки, звука, PDF и сайта

Коротко о Wan 3.0: 30 секунд из любого входа, но только в облаке

Wan 3.0 Video — видеомодель Alibaba, которая делает ролик длиной до 30 секунд со звуком не только из текста и картинки, но и из PDF, презентации или ссылки на веб-страницу. Публичная бета стартовала 6 августа 2026 года, официальный запуск Alibaba объявила 24 августа. Сами мы модель не запускали: доступа к API в этой проверке не было. Поэтому обзор собран из документации Alibaba, слепой арены Artificial Analysis и чужих тестов, и у каждого теста указано, кто и когда его делал.

• Что умеет. Принимает текст, картинку, видео, звук, один документ (PDF, PPTX, DOCX и ещё девять форматов) или одну ссылку. На выходе MP4 30 кадров в секунду в 480p, 720p или 1080p, звук включён по умолчанию.
• Сколько стоит. На 2 ноября 2026 года секунда 1080p в международном регионе Singapore стоит $0,20, то есть 30-секундный ролик — $6,00. Ускоренная Prime стоит $8,40 за те же 30 секунд.
• Как держится против конкурентов. В слепой арене text-to-video (видео из текста со звуком) она первая с рейтингом 1175 на 2 ноября 2026 года, хотя отрыв от соседей статистически не значим. В image-to-video (видео из картинки) — только девятая, там сильнее Seedance 2.5.
• Можно ли у себя. Нет: открытых весов у Wan 3.0 нет. Последняя версия, которую можно скачать и запустить на своей видеокарте, — Wan 2.2.
• Где спотыкается. Склейка посреди 30-секундного дубля, «плывущая» форма предметов, ошибки в мелком тексте на 480p, скачущая громкость и метка preview в документации API.

Доски Artificial Analysis версии 2.1, снимок 2 ноября 2026 года. Цена — минута готового видео на API создателя модели, в 1080p, где оно есть.

Вердикт. Wan 3.0 стоит выбирать, когда исходник — документ, страница сайта или длинная сцена с диалогом: она принимает файл и ссылку прямо на вход и даёт 30 секунд за проход по $0,20 за секунду 1080p. Если нужно максимально точно оживить конкретную фотографию или работать без облака на своей видеокарте, есть варианты лучше — они ниже, в таблице выбора.

Что такое Wan 3.0 и чем она отличается от Wan 2.7

Wan 3.0 — что это, если в одном предложении: восьмая версия семейства видеомоделей Wan от Alibaba и, по словам Alibaba, первая в семействе, которая читает документы, таблицы и веб-страницы и генерирует 30 секунд за один проход. Компания называет её моделью «всё в одном»: одна и та же модель делает видео из текста, оживляет картинку, повторяет лицо или товар по референсу, продлевает и редактирует готовый ролик.

Модель существует в двух вариантах с одинаковыми, по документации, возможностями:

Gemini Omni 1.1 Flash: 40 секунд видео собираются из четырёх генераций по 10 с

FLUX Video Edit: меняем объект или фон в готовом ролике за $0,03 в секунду

Апскейл видео до 4K нейросетью: от $0,05 за секунду и чего он не исправит

Gemini 3.8 Flash: $0,75 за 1M токенов, но задача теста AA — $7,77, почти как у Argon

3D-модель из фото нейросетью — от снимка комнаты до ассетов в Blender

• wan3.0-video — обычная версия, в Model Studio с 6 августа 2026 года;
• wan3.0-video-prime — ускоренная версия, появилась 20 августа 2026 года.

Официальные точки входа — Alibaba Cloud Model Studio (облачная платформа Alibaba для работы с моделями) и Qwen Cloud; модель также есть у Runway Dev, в облачной ноде ComfyUI и у агрегаторов API. Условия потребительского сайта wan.video мы не описываем: его страница при проверке не открылась.

Главное, что изменилось по сравнению с предыдущей версией:

Веса закрыты у четырёх поколений подряд: 2.5, 2.6, 2.7 и 3.0. Модели этих версий доступны только через облако. Последняя открытая версия — Wan 2.2: её запуск на домашней видеокарте мы разбирали в гайде про локальную генерацию видео на видеокарте.

Что Wan 3.0 принимает на вход: картинка, звук, видео, PDF, ссылка

Всё, кроме текста, передаётся в запросе массивом media, где у каждого материала есть тип (type) и адрес (url). Именно тип решает, как модель поймёт картинку: как строгий первый кадр или как подсказку, на кого или на что должен быть похож герой ролика.

Карточка wan3.0-video в Alibaba Cloud Model Studio, снято 2 ноября 2026 года: среди входов рамкой выделены файл (File) и ссылка (Link) — то, что отличает Wan 3.0 Video от большинства видеомоделей.

Короче говоря, режимы «по кадрам» и «по референсам» не смешиваются, а файл и ссылка взаимоисключающие, но к любому из них можно добавить фото товара, голос или клип. Ещё одно правило: при file или link параметр prompt_extend обязан быть true, то есть большая языковая модель сначала сама перепишет ваш запрос в подробный сценарий.

Остальные настройки тоже стоит знать до первого запуска. Текстовый промпт — до 20 000 символов, на китайском или английском. Разрешение по умолчанию — 1080p, длительность по умолчанию — 5 секунд, допустимый диапазон — от 2 до 30 секунд. Значение -1 включает «умную длительность»: модель сама решит, сколько секунд нужно. Если на вход подано видео, то его длина плюс длина результата не должны превышать 30 секунд. Формат кадра — автоматический или один из шести: от 21:9 до вертикального 9:16. Водяной знак по умолчанию выключен. И технический момент, на котором спотыкаются новички: запрос принимается только асинхронно, с заголовком X-DashScope-Async: enable, без него сервис вернёт ошибку.

Видео из картинки в Wan 3.0: первый и последний кадр

В Wan 3.0 режим image to video (оживление готовой картинки) работает двумя способами. Первый — картинка становится строгим первым кадром, а модель придумывает движение дальше. Второй — вы задаёте и первый, и последний кадр, а модель рисует переход между ними. Это удобно, когда нужно точно попасть в финальную сцену, например в упаковку товара крупным планом.

Как собрать такой запрос:

1. Передайте картинку с типом first_frame, а финальную, если она нужна, — с типом last_frame (форматы и лимиты — в таблице выше).
2. В промпте опишите движение и звук, а не содержимое кадра: оно уже задано картинкой. Например: «камера медленно отъезжает, ветер колышет занавеску, тихий шум улицы».
3. Выберите длительность и разрешение. Для мелкого текста в кадре берите 1080p — почему, видно в разделе про слабые места.
4. Сервис вернёт номер задачи: по нему опрашивают статус, а готовый ролик скачивают в течение 24 часов, потом ссылка удаляется.

Тело запроса по образцу документации (адреса картинок заменены на заглушки, заголовок X-DashScope-Async: enable обязателен):

{
  "model": "wan3.0-video",
  "input": {
    "prompt": "Камера медленно отъезжает, ветер колышет занавеску",
    "media": [
      { "type": "first_frame", "url": "<публичная ссылка на первый кадр>" },
      { "type": "last_frame", "url": "<публичная ссылка на последний кадр>" }
    ]
  },
  "parameters": { "resolution": "1080P", "duration": 5 }
}

Что показали чужие тесты. Студия ClipRush, которая сама продаёт генерации на Wan 3.0 (это конфликт интересов, учитывайте), 20 октября 2026 года прогнала 31 ролик. Условия теста стоит держать в голове: почти всё снималось в 720p, а промпты короче 600 символов студия перед генерацией сама переписывала в подробные. В режиме «первый плюс последний кадр» модель начала и закончила точно на заданных картинках в трёх прогонах из трёх, но звук получился почти беззвучным. В обычном оживлении картинки она набрала 93 балла из 108: товары и пейзажи держались, а у бегущей собаки в двух прогонах из трёх менялась форма ушей. Ещё одна деталь: слово «дрон» в промпте модель поняла буквально и дорисовала дрон в кадр, хотя имелась в виду съёмка с воздуха.

Теперь сравнение. На арене Artificial Analysis «видео из картинки» Wan 3.0 на 2 ноября 2026 года занимает 9-е место с рейтингом 1111 (диапазон от 1095 до 1127), а лидер — Seedance 2.5 с 1153 (от 1136 до 1170). Диапазоны не пересекаются, значит разница реальная, а не случайная. Если перевести разрыв в 42 пункта по классической формуле Elo, Seedance 2.5 выигрывает примерно 56 пар роликов из 100. Сколько попыток уходит на один удачный ролик и что обычно ломается в кадре у разных моделей, мы считали в разборе видео из фото нейросетью.

Когда брать референс вместо первого кадра: если важен не точный кадр, а узнаваемость лица или товара на протяжении всего ролика. ClipRush сохранил одно и то же лицо по фото-референсу в шести прогонах из шести, а лицо, товар и комнату вместе — в трёх из трёх. Референс к тому же можно сочетать со звуком и документом, а первый кадр — нельзя.

Видео из PDF и сайта в Wan 3.0: что получается на практике

Видео из документа в Wan 3.0 — это не слайд-шоу из страниц. Модель читает файл, сама пишет по нему сценарий и снимает ролик. Alibaba приводит такие сценарии: презентация продукта превращается в рекламный фильм, учебная колода слайдов — в видеоурок, таблица — в анимированные графики, отчёт — в голосовой брифинг.

Как сделать ролик из PDF:

1. Сократите документ до 50 страниц и 100 МБ. За один запрос модель принимает только один файл.
2. Выложите файл по публичной ссылке: API принимает документ именно как адрес в интернете, а не как вложение.
3. Напишите промпт как техническое задание режиссёру: формат (реклама, объяснение, инструкция), длительность, что сохранить дословно (цифры, слоган, название), тон и музыку.
4. Добавьте референс-фото товара или логотипа: это разрешено вместе с файлом и снижает риск, что модель нарисует «похожий» предмет.
5. Оставьте prompt_extend: true (для документов это обязательно) и задайте 30 секунд или «умную длительность».

Запрос устроен так же, как в примере с картинкой выше: в media вместо кадров стоят {"type": "file", ...} и, по желанию, {"type": "reference_image", ...}, а в parameters добавляется "prompt_extend": true. В примере справки Alibaba для документа стоят 480p и 10 секунд — это значения для пробы, максимум — 1080p и 30 секунд.

Шаблон промпта, который можно скопировать и подставить свои данные (мы его на модели не прогоняли, это структура, а не проверенный рецепт):

Сделай 30-секундный [рекламный ролик / видеообъяснение] по приложенному документу.
Аудитория: [кто смотрит]. Тон: [спокойный / энергичный].
Сохрани дословно: [цифры, название продукта, слоган].
Структура: 1) проблема, 2) продукт крупным планом, 3) три ключевых параметра на экране, 4) призыв.
Внешний вид продукта бери только с референс-фото, не придумывай детали.

Что получается на практике, показал китайский тест Photon Planet (опубликован 7 августа 2026 года, первый день беты, 1080p, сайт wan.video). Восьмистраничную презентацию умных очков модель превратила в 30-секундный ролик. Цифры из слайдов (45 г, 12 ч, 55°) и слоган попали в видео без ошибок. Но вместо смены слайдов получилась кинематографичная реклама, форма очков заметно менялась между планами, а у бегуна в кадре появился лёгкий «призрак». Вывод тестировщиков: Wan 3.0 — не потолок качества картинки, но, пожалуй, самая пригодная для работы видеомодель для обычного человека. Это один независимый тест, второго такого же разбора мы не нашли.

С сайтом логика та же, только вместо файла — тип link и адрес страницы. Документация ограничивает его публичными страницами, которые открываются без входа: новости, блоги, публичные аккаунты. Закрытый кабинет, страница за пейволлом или за логином модели недоступны. Как модель справляется со сложными сайтами (одностраничными приложениями, тяжёлым JavaScript), независимо никто не проверял, поэтому обещать это мы не будем.

Звук в Wan 3.0: референс-аудио, диалог и где модель ошибается

Звук в Wan 3.0 включён по умолчанию, и его выключение не меняет цену. Модель сама генерирует речь, шумы и музыку синхронно с картинкой. Если нужен конкретный голос или мелодия, их подают референсом reference_audio (лимиты — в таблице входов выше).

Что подтверждают тесты, а что пока только заявлено:

• Диалог по сценарию. ClipRush прописал две реплики для двух персонажей и попросил обойтись без музыки. Модель произнесла обе фразы слово в слово, нужным голосом и без музыки в трёх прогонах из трёх.
• Громкость. При одинаковых настройках она скачет от ролика к ролику: в тесте ClipRush — от −7 до −61 LUFS. Диалоговые ролики вышли очень громкими (−7…−9 LUFS, с пиками на пределе), а сцены по референсам и по первому и последнему кадру — тихими, местами почти беззвучными. LUFS — единица воспринимаемой громкости, стриминговые сервисы играют звук примерно на −14 LUFS. Перед публикацией ролик придётся выровнять по громкости в любом видеоредакторе.
• Языки. Alibaba заявляет «естественный многоязычный голос». Проверок речи на украинском или русском в найденных тестах нет, поэтому этот пункт для нас остаётся без данных.

Слабость звука признаёт и сама Alibaba. В блоге компании сказано:

«audio texture and on-screen text rendering accuracy are improving but not yet where we want them» — «текстура звука и точность текста в кадре улучшаются, но пока не там, где мы хотим их видеть».

Любопытно, что на доске Artificial Analysis «видео из текста» без звука Wan 3.0 на 2 ноября 2026 года только четвёртая (1133), первой там стоит HeyGen Video 1 (1143). То есть звук помогает модели на основной доске, но для ролика с чистой озвучкой и музыкой дорожку Wan 3.0 лучше считать черновиком и доводить в редакторе.

Сколько стоит ролик на Wan 3.0 и чем Prime отличается от обычной

Оплата посекундная: платите за каждую секунду готового видео, тариф зависит от разрешения. Ниже — прейскурант Alibaba Cloud для международного региона Singapore на 2 ноября 2026 года и наш расчёт для ролика максимальной длины.

Цены отличаются по регионам и площадкам. В остальных регионах Alibaba (Пекин, Токио, Франкфурт, Вирджиния, Гонконг) секунда обычной версии стоит $0,041256, $0,082513 и $0,165025 за 480p, 720p и 1080p. Qwen Cloud на 2 ноября 2026 года показывает скидку 30%: $0,035, $0,07 и $0,14 за секунду. Runway Dev берёт те же $0,20 за секунду 1080p, что и Alibaba в регионе Singapore.

Важно считать цену не ролика, а удачного ролика. В тесте ClipRush один из двух 30-секундных дублей сделал склейку на 15-й секунде. Если закладывать две попытки на один пригодный 30-секундный ролик в 1080p, бюджет составит $12,00 у обычной версии и $16,80 у Prime. Это наш пример для планирования, а не измеренная норма.

Wan 3.0 Prime vs standard: что меняется, кроме скорости

Prime против обычной (standard) версии — это выбор между временем и деньгами: по документации Alibaba возможности у них одинаковые, независимого сравнения качества двух версий мы не нашли. Prime принимает те же поля, длительности, разрешения и референсы. Alibaba обещает «значительно более быструю генерацию», но собственных цифр ускорения не публикует. Наценка в регионе Singapore — в 1,36 раза на 480p и в 1,4 раза на 720p и 1080p.

Измерения есть у Runway, который продаёт обе версии. Это медианы за 30 дней до 22 октября 2026 года, единственный такой источник, и время зависит от загрузки площадки.

Вывод: на коротких роликах Prime экономит полминуты, а на 30 секундах обычная версия ждёт в 2,5 раза дольше, и $2,40 покупают почти девять минут. Это окупается, когда вы перебираете варианты и ждёте каждый результат; в пакетной работе выгоднее обычная версия.

Документация Alibaba называет типичное время от 1 до 5 минут, лимит — 300 запросов в минуту, а Qwen Cloud указывает до пяти задач одновременно. У ClipRush 30-секундный ролик в 720p занял около 4 минут — но это другая площадка и другое разрешение, напрямую с медианами Runway в 1080p его сравнивать нельзя.

Wan 3.0 против Seedance 2.5, Kling 3.0 и Veo 3.1 на арене и по цене

Artificial Analysis — независимая арена: люди вслепую смотрят пару роликов от разных моделей по одному промпту и выбирают лучший. Из тысяч таких голосов складывается рейтинг Elo, как в шахматах. Kling 3.0 1080p Pro закреплён на отметке 1000 как точка отсчёта шкалы. На доске «видео из текста» версии 2.1 Wan 3.0 на 2 ноября 2026 года первая: 1175 ± 14 по 6860 голосам.

Снято 2 ноября 2026 года. Рамка — строка Wan 3.0: рейтинг 1175, 6860 голосов, $12,00 за минуту видео.

На графике — выборка из доски: модели, которые мы сравниваем в тексте. Между Seedance 2.5 и Wan 2.7 на доске ещё 11 моделей.

Верх доски стоит плотно: первые шесть моделей укладываются в 19 пунктов, от 1156 (HeyGen Video 1) до 1175, и их диапазоны перекрываются. Модели из нашей таблицы ниже отстают уже заметно: Wan 2.7 — 1037, Kling 3.0 Pro — 1000, Veo 3.1 — 962. Чтобы цифры стали понятнее, мы перевели разрыв в шанс выиграть пару роликов по классической формуле Elo (стандартная шкала в 400 пунктов; сама Artificial Analysis считает рейтинг по парным голосам).

Рейтинги и цены — Artificial Analysis, доски версии 2.1 на 2 ноября 2026 года; шанс выиграть пару — наш расчёт по формуле Elo.

Wan 3.0 vs Seedance 2.5: где разрыв реальный

В видео из текста Wan 3.0 и Seedance 2.5 разделяют 18 пунктов, а диапазоны рейтингов перекрываются. Это статистическая ничья: в 100 парах Wan 3.0 выиграет примерно 53. В видео из картинки всё наоборот: Seedance впереди на 42 пункта, диапазоны не пересекаются, и это настоящий отрыв. При этом минута Seedance 2.5 по API стоит $34,12, а Wan 3.0 — $12,00, то есть в 2,8 раза дешевле.

Из пяти моделей на графике дешевле Wan 3.0 только Kling 3.0 Pro ($10,08 за минуту, но рейтинг на 175 пунктов ниже) и MiniMax H3 ($4,80 за минуту, только 768p). На всей доске есть и варианты дешевле при почти том же рейтинге: HeyGen Video 1 — 1156 за $2,40 в минуту, FLUX 3 Max — 1157 за $4,35. У Veo 3.1 минута стоит вдвое дороже Wan 3.0, а рейтинг ниже всех в нашей таблице.

Две оговорки, без которых эти цифры легко прочитать неправильно:

• Шкала менялась. 30 сентября Artificial Analysis пересобрала доску: на версии 2.0 у Wan 3.0 было 1160 на 2 октября и 1156 на 7 октября, а на версии 2.1 на 2 ноября — 1175. Сравнивать можно только числа с одной доски и одной даты.
• Место не равно вердикту. Арена оценивает короткие ролики по общим промптам. Ваши задачи (документ, диалог, конкретный товар) она не измеряет, поэтому тесты по режимам выше значат для выбора не меньше.

Можно ли запустить Wan 3.0 локально: веса закрыты, остаётся Wan 2.2

Нет. Wan 3.0 — не open source: весов для скачивания нет, поэтому вариант «Wan 3.0 local», то есть запуск на своём компьютере без облака, отпадает. Модель работает только на серверах Alibaba и партнёров. Мы проверили это 2 ноября 2026 года на самих страницах разработчика. В организации Wan-Video на GitHub шесть репозиториев, самый новый из открытых — Wan2.2 под лицензией Apache-2.0, обновлён 21 сентября 2026 года. Организация Wan-AI на Hugging Face тоже заканчивается на версии 2.2.

Снято 2 ноября 2026 года. Рамка — Wan2.2, самая новая открытая версия; репозитория Wan 3.0 в организации нет.

Откуда тогда в выдаче страницы «Wan 3.0 open source, Apache-2.0, 1.3B и 14B»? Это SEO-тексты без ссылки на репозиторий. Один реселлер пишет про официальный репозиторий под Apache-2.0, но в организациях Wan-Video и Wan-AI его нет. Китайскую площадку ModelScope мы открыть не смогли, по ней данных нет.

С ComfyUI тоже легко запутаться. Это бесплатная программа, где генерацию собирают из блоков-нод, обычно на вашей видеокарте. Но Wan 3.0 в ней — облачная partner-нода: Comfy.org прямо пишет, что модель доступна «без требований к локальному железу», то есть запрос уходит на сервер, а вычисления оплачиваются отдельно.

Если нужна именно локальность (приватность, нет платы за секунду, работа без интернета), выбор — Wan 2.2: без 30 секунд и чтения документов, зато у вас дома. Из моделей верха арены отдельно стоит отметить MiniMax H3 (768p): Artificial Analysis помечает её как лидера среди моделей с открытыми весами — 1161 на доске «видео из текста» на 2 ноября 2026 года. Веса лежат на Hugging Face (MiniMaxAI/MiniMax-H3, около 33 млрд параметров), лицензия у них собственная, не Apache. Условия лицензии и требования к видеопамяти мы не проверяли.

Что у Wan 3.0 не получается: дрейф, склейки, текст и статус preview

Сильные стороны модели (диалог слово в слово, лицо по референсу, точный первый и последний кадр) подтверждены тестами, но и слабые места тоже. Здесь сводка, подробности — в разделах выше.

Качество роликов: склейки, дрейф формы, мелкий текст, громкость

• Склейка посреди длинного дубля (ClipRush, 1 из 2 прогонов): для непрерывного плана в 30 секунд закладывайте запасную попытку.
• Дрейф формы предметов (очки у Photon Planet, уши собаки у ClipRush): референс-фото товара снижает риск, но не убирает его.
• Буквальное чтение промпта («дрон» стал предметом в кадре): пишите, что хотите увидеть, а не жаргон оператора.
• Мелкий текст на низком разрешении. На 480p надпись NIGHT превратилась в NICHT, на 1080p этикетка в 2,3 раза чётче, чем на 720p. Если в кадре есть надписи — только 1080p.
• Непредсказуемая громкость. От −7 до −61 LUFS при одних и тех же настройках: каждую дорожку придётся выравнивать.
• Метка preview. Reuters написал об официальном запуске 24 августа 2026 года, но документация API на 15 октября 2026 года всё ещё помечает модель как предварительную версию. Поведение, лимиты и цены могут меняться без долгого предупреждения.

Риски для данных и прав: приватность, лица, доступ из Украины

• Приватность. Документ и страница уходят на серверы Alibaba, а файл к тому же нужно выложить по публичной ссылке. Конфиденциальную презентацию так отдавать не стоит. Готовый ролик хранится по ссылке 24 часа.
• Повторяемость. Даже с одинаковым числом seed (зерно случайности) документация не гарантирует один и тот же результат.
• Лица и права. Референс с лицом реального человека — это вопрос согласия этого человека, а не только техники. Ролик с чужим лицом без разрешения — прямой путь к дипфейку.
• Доступ из Украины. Регистрацию и оплату Model Studio и Qwen Cloud из Украины мы не проверяли, данных по этому пункту нет.

Что в обзоре устареет первым: цены за секунду, статус preview, места на арене и статус открытых весов. Свежие цифры смотрите в документации Alibaba Cloud и на доске Artificial Analysis — ссылки на них стоят выше, у самих цифр.

Кому подойдёт Wan 3.0, а кому лучше другая модель

Для последнего сценария у нас есть отдельный расчёт: как собрать UGC-рекламное видео из трёх моделей и сколько стоит такой 30-секундный ролик целиком.

Кому Wan 3.0 не подойдёт: тем, кому нужен ролик строго «слайд за слайдом» (модель склонна снимать рекламу), у кого документ нельзя отдавать в облако по публичной ссылке, и тем, кому нужна чистая студийная озвучка без доводки в редакторе.

Частые вопросы

Wan 3.0 — открытая модель, можно ли скачать веса?

Нет. На 2 ноября 2026 года в организациях Wan-Video на GitHub и Wan-AI на Hugging Face нет ни репозитория, ни весов Wan 3.0. Последняя открытая версия — Wan 2.2 под лицензией Apache-2.0. Веса закрыты у четырёх поколений подряд, начиная с 2.5. Нода Wan 3.0 в ComfyUI — облачная, вычисления оплачиваются отдельно.

Можно ли сделать видео из PDF или ссылки на сайт в Wan 3.0?

Да. Документ передаётся с типом file, страница — с типом link. За запрос можно подать один файл до 100 МБ и 50 страниц или одну публичную страницу, открывающуюся без входа. Файл и ссылку вместе использовать нельзя, а вот добавить к ним фото товара или голос можно. Модель сама пишет сценарий по документу.

Сколько стоит 30-секундный ролик на Wan 3.0?

В регионе Singapore на 2 ноября 2026 года 30 секунд обычной версии стоят $1,50 в 480p, $3,00 в 720p и $6,00 в 1080p. Prime — $2,04, $4,20 и $8,40. Звук на цену не влияет. В других регионах Alibaba цена ниже, а Qwen Cloud сейчас даёт скидку 30%. Закладывайте запас на повторные попытки.

Чем Wan 3.0 Prime отличается от обычной Wan 3.0?

Только скоростью и ценой — по документации Alibaba. Возможности, поля запроса, длительности и разрешения у версий одинаковые. По медианам Runway 30-секундный ролик в 1080p обычная версия делает за 14 минут 19 секунд, а Prime — за 5 минут 39 секунд. Доплата за такой ролик — $2,40. На коротких роликах выигрыш составляет меньше минуты.

Какой максимальный размер и объём файла для видео из документа?

Не больше 100 МБ и не больше 50 страниц, один файл за запрос. Лимит страниц проверяется у pdf, docx, doc, pptx, ppt, key и pages. Поддерживаются также xlsx, xls, txt, md и numbers. Файл передаётся публичной ссылкой, поэтому конфиденциальный документ лучше сначала очистить от лишнего.

Сколько времени генерируется ролик в Wan 3.0?

Документация Alibaba называет типичное время от 1 до 5 минут. На практике всё зависит от длины и площадки. По медианам Runway 5 секунд в 1080p ждут около 2,5 минуты, 30 секунд — больше 14 минут, у Prime — около 5,5 минуты. ClipRush намерил около 4 минут на 30-секундный ролик в 720p в своей студии.