Eine Color-Grading-Suite-Wand, auf der dieselbe regnerische Dachaufnahme mit Timecodes von 00:00 bis 00:30 zu sehen ist
Dreißig Sekunden einer durchgehenden Einstellung, über eine Timeline ausgebreitet. Dorthin zu kommen, ist die ganze Geschichte.
An dem Tag, als Wan 3.0 Preview in die öffentliche Beta ging, suchte ich nach seinem Datenblatt. Die erste Ergebnisseite erzählte mir, es beherrsche natives 4K, werde unter Apache 2.0 veröffentlicht und habe einen „Sechs-Kamera-KI-Regisseurmodus“. Sechs verschiedene Seiten, dieselben Behauptungen, und keine einzige verlinkte auf eine Primärquelle.
Also öffnete ich Alibabas eigene Modellseite. 480P, 720P, 1080P. Kein 4K. Dann sprach ich direkt die Hugging Face API an und zog jedes Repository unter der Wan-AI-Organisation. Das neueste ist Wan2.2-Animate-2, veröffentlicht am selben Tag, an dem Wan 3.0 startete. Es gibt keinerlei 3.0.
Dann machte ich den Teil, den sonst niemand macht. Die Schlagzeile von Wan 3.0 lautet 30 Sekunden kontinuierliches Video in einem einzigen Durchlauf, und ich habe keinen Zugriff darauf. Also versuchte ich, dieses Ergebnis mit den Modellen zu reproduzieren, die ich heute tatsächlich aufrufen kann. Ich scheiterte. Die Art, wie ich scheiterte, erwies sich als das Nützlichste an diesem Artikel.
Wichtigste Erkenntnisse
- Wan 3.0 Preview ging am 6. August 2026 in die öffentliche Beta. Model ID
wan3.0-video, hinter einer Bewerbung auf Alibaba Cloud Model Studio und Qwen Cloud. Es ist keine offene Registrierung. - Die echten Spezifikationen: bis zu 30 Sekunden in einem einzigen Durchlauf, 480P/720P/1080P, zu $0.05/$0.10/$0.20 pro Ausgabesekunde.
- Es gibt kein 4K und keine offenen Gewichte. Ich habe die Hugging Face API nach jedem Repo unter
Wan-AIabgefragt. Nichts über Wan 2.2 existiert als Download. - Die Rate Limits sind der eigentliche Flaschenhals: 2 gleichzeitige Anfragen, 30 RPM, 50 asynchrone Tasks in der Warteschlange.
- Man kann den 30-Sekunden-One-Take mit Wan 2.7 nicht vortäuschen. Drei undokumentierte Limits deckeln den längsten wirklich kontinuierlichen Clip bei 15 Sekunden, und das Aneinanderketten einer zweiten Fortsetzung lässt das Modell rückwärts statt vorwärts loopen.
Die 15-Sekunden-Wand: Was Wan 3.0 Preview wirklich verkauft
Hier ist das beste Ergebnis, das ich erzielen konnte. Fünfzehn ununterbrochene Sekunden in 1080P: ein Push-in auf ein Neonschild, ein Verkäufer, der im Regen einen Dachterrassen-Kaffeestand schließt, dann ein Kran nach unten zur nassen Straße und einem Taxi. Eine durchgehend generierte Datei, kein Schnitt, generiertes Audio.
Fünfzehn Sekunden kontinuierliches Wan 2.7-Video: Neonschild, Dachterrassen-Verkäufer, Kranfahrt hinunter zu einer regnerischen Straße und einem Taxi
Der längste wirklich kontinuierliche Clip, den die Wan 2.7-Familie für mich erzeugt hat: 15 Sekunden, 1080P, eine Datei. Hier als stummes GIF gezeigt; die gelieferte Datei enthält 44,1-kHz-Stereo-Audio.
Das ist gut. Es ist aber auch genau die Hälfte dessen, was Wan 3.0 in einem einzigen Aufruf zu leisten beansprucht, und bei 15 Sekunden ist die Decke zugeschweißt. Alles Folgende zeigt, wie ich diese Schweißnaht gefunden habe.
Warum jedes Wan 3.0 Preview-Datenblatt, das Sie lesen, wahrscheinlich falsch ist
Zwei Dinge machen diesen Launch ungewöhnlich laut. Erstens sind 30 Sekunden in einem einzigen Generierungsdurchlauf ein echter erster Schritt für die Familie. Wan2.7-Video endet bei 15 Sekunden, und die meisten Mainstream-Videomodelle liegen zwischen 5 und 15 (TNGlobal, August 2026). Zweitens akzeptiert Wan 3.0 Referenzeingaben, die sonst niemand akzeptiert: Neben Text, Bild, Audio und Video nimmt es doc-, xls-, ppt-, pdf- und md-Dateien sowie Webseiten an, sodass aus einem Slide Deck ein Video wird (AlphaSignal, August 2026).
Diese Kombination erzeugte eine enorme Menge an Berichterstattung von Seiten, die die Dokumentation nie geöffnet haben. Hier ist jede weit verbreitete Behauptung, gegen die Primärquelle geprüft.
Tabelle A: Spezifikationscheck zu Wan 3.0 Preview
| Umlaufende Behauptung | Was die Primärquelle sagt | Urteil |
|---|---|---|
| 30 Sekunden in einem Generierungsdurchlauf | Bestätigt, gegenüber 2 bis 15s in Wan 2.7 | ✅ Echt |
| Native 4K-Ausgabe | Offizielle Auflösungen sind nur 480P, 720P und 1080P | ❌ Falsch |
| Apache 2.0 offene Gewichte | Unter Wan-AI auf Hugging Face existiert kein Wan 3.0-Repo | ❌ Falsch |
| Document-to-video (PDF, PPT, XLS) | Als Referenzeingabetyp bestätigt | ✅ Echt |
| „Sechs-Kamera-KI-Regisseurmodus“ | Kommt in keiner Alibaba-Dokumentation vor | ❌ Nicht belegt |
| „12-Sprachen-Lippensynchronisation mit Identitätssperre“ | Kommt in keiner Alibaba-Dokumentation vor | ❌ Nicht belegt |
| $0.05 / $0.10 / $0.20 pro Sekunde | Bestätigt für 480P / 720P / 1080P | ✅ Echt |
| Für alle offen | Bewerbungspflichtig auf Model Studio und Qwen Cloud | ⚠️ Beta, Einladung erforderlich |
Die Preise und Rate Limits stammen direkt von der Modellseite: 2 gleichzeitige Anfragen, 30 Anfragen pro Minute und eine asynchrone Warteschlange mit 50 Tasks (QwenCloud, August 2026). Diese Concurrency-Zahl wird fast nirgends erwähnt, und sie ist die wichtigste Zeile auf der Seite. Zwei parallele Jobs, die jeweils Minuten dauern, sind für eine Launch-Demo in Ordnung. Eine Pipeline ist das nicht.
Nun die Frage, die die Open-Source-Community wirklich interessiert. Wan 2.1 und Wan 2.2 wurden mit herunterladbaren Checkpoints ausgeliefert. Wan 2.5 versprach Gewichte, die nie erschienen, Wan 2.6 war vollständig geschlossen, und Wan 2.7 blieb API-only. Ich prüfte, ob 3.0 diese Serie bricht, indem ich die Hugging Face API nach jedem Modell unter der Wan-AI-Organisation abfragte, sortiert nach Erstellungsdatum. Die drei neuesten Repositories sind allesamt Wan2.2-Animate-2-Varianten, erstellt am 6. August 2026, demselben Tag, an dem Wan 3.0 startete. Das meistgeladene Repo ist weiterhin Wan2.2-TI2V-5B-Diffusers mit rund 179.000 Downloads in den letzten 30 Tagen (Hugging Face, August 2026).
Die Antwort lautet also nein, und Wan 2.2 bleibt die Obergrenze für offene Gewichte. Wenn Ihr Plan vorsah, das lokal auszuführen oder feinzujustieren, gibt es nichts auszuführen.
Der Wan 3.0 Preview-Stack: Was Sie heute tatsächlich ausführen können
Die Lage teilt sich klar. Wan 3.0 sitzt hinter einem Bewerbungsformular mit einem Concurrency-Limit von zwei Jobs. Alles davor, von Wan 2.7 zurück bis 2.2, lässt sich sofort mit einem API-Key aufrufen, zusammen mit Seedance und Kling für modellübergreifende Vergleiche. Alles in diesem Artikel wurde auf diese Weise ausgeführt, in einem einzigen Browser-Tab.
Die folgenden Preise stammen aus dem Atlas Cloud-Modellkatalog vom 10. August 2026, nicht aus irgendeinem Blogpost.
Tabelle B: Wan 3.0 Preview im Vergleich zu dem, was im Regal steht
| Modell | Längster Einzeldurchlauf | Auflösungen | Zugriff | Concurrency | Gelisteter Preis pro Sekunde |
|---|---|---|---|---|---|
| Wan 3.0 Preview | 30s | 480P / 720P / 1080P | Bewerbung erforderlich | 2 | $0.05 / $0.10 / $0.20 |
| Wan 2.7 text-to-video | 15s | 720P / 1080P / 1080P-SR / 1440P-SR | Offen | Standard | ab $0.10 |
| Wan 2.7 image-to-video | 15s | 720P / 1080P | Offen | Standard | ab $0.10 |
| Wan 2.6 text-to-video | 15s | 720p / 1080p | Offen | Standard | $0.07 (30% Rabatt auf $0.10) |
| Wan 2.5 text-to-video | 10s | 720p / 1080p | Offen | Standard | $0.035 (30% Rabatt auf $0.05) |
| Wan 2.2 image-to-video | 10s | 480p / 720p | Offen, Gewichte herunterladbar | Standard | $0.03 |
| Seedance 2.5 text-to-video | 30s | 480p / 720p | Offen | Standard | ab $0.134 |
| Kling v3.0 Pro text-to-video | 15s | Modellstandard | Offen | Standard | $0.095 (15% Rabatt auf $0.112) |
Rabatte sind Stand August 2026 live und zeitlich begrenzt, prüfen Sie also die Modellseite, bevor Sie damit budgetieren.
Aus dieser Tabelle ergeben sich zwei Dinge. Wan 3.0s 30-Sekunden-Einzeldurchlauf ist nicht mehr einzigartig: Seedance 2.5 akzeptiert bereits eine Dauer von 4 bis 30 Sekunden in einem Aufruf, nur eben auf 720p begrenzt. Und Wan 2.7 ist die einzige Zeile mit 1440P-SR, einer Super-Resolution-Stufe, die laut eigenem Schema mit 80% von nativem 1080P abgerechnet wird und die Wan 3.0 nicht hat.
Was Wan 3.0 hat und nichts anderes, sind 30 Sekunden in 1080P in einem Durchlauf, plus Dokumente als Referenzeingaben. Wan 3.0 hat auf Atlas Cloud eine Platzhalterseite, die als Coming Soon markiert ist, es wird also auf demselben Key landen, wenn es ausgeliefert wird. Bis dahin folgt hier exakt, wie weit Sie mit den älteren Modellen kommen.
Wan 3.0 Preview-Tutorial Schritt 1: Das One-Take-Briefing schreiben
Das Briefing wird zwischen Generationen weiterverwendet, schreiben Sie es also einmal. Wan 3.0 belohnt lange, timecodierte Shot-Beschreibungen, und Wan 2.7 akzeptiert dieselbe Struktur innerhalb eines 5.000-Zeichen-Prompt-Limits.
Die Vorlage, die funktioniert: Shot [timecode] + subject action + camera move + light + ambient audio. Legen Sie in der ersten Zeile fest, dass die Einstellung durchgehend ist, und beschreiben Sie das Soundbett ausdrücklich, denn Wan 2.7 generiert Audio nativ und erfindet etwas wenig Hilfreiches, wenn Sie es offenlassen.
Ich wählte absichtlich einen Kaffeestand auf einem Dach bei regnerischer Nacht. Das stresstestet vier Dinge, die normalerweise gleichzeitig brechen: anhaltende Kamerabewegung, Gesichtskonsistenz über die Zeit, nasse Neonreflexionen und ein kontinuierliches Ambient-Audio-Bett.
text1BEAT 1 (0-10s): Langsamer Dolly-in von einem flackernden pink-cyanfarbenen Neonschild zu einer 2jungen Verkäuferin, die an einem Dachterrassen-Kaffeestand eine Stahltheke abwischt. 3BEAT 2 (10-15s): Die Kamera kranst über die Dachkante hinunter zur nassen Straße 4darunter und gleitet auf ein Taxi zu, das am Bordstein im Leerlauf steht. 5Konstant: starker Regen, Neonpalette, 35mm anamorph, Filmkorn, keine Schnitte. 6
Das ist der Plan, nicht der Prompt. Die Prompts, die Sie einfügen, stehen unten.
Schritt 2: Den Anfang in 1080P generieren
Öffnen Sie die Wan 2.7 text-to-video-Seite und fügen Sie Beat 1 vollständig ausformuliert ein.
text1Durchgehender Single Take, keine Schnitte. Ein Dachterrassen-Kaffeestand in Shenzhen bei regnerischer Nacht. 2Shot [0-4s]: Langsamer Dolly-in von einem flackernden pink-cyanfarbenen Neonschild zu einer 3jungen Verkäuferin, die eine Stahltheke abwischt, Regenstreifen ziehen durch den Neon- 4schein, Dampf steigt aus einem Kessel auf. 5Shot [4-10s]: Die Kamera kommt auf Brusthöhe zur Ruhe, während sie aufblickt und halb lächelt, 6geringe Schärfentiefe, nasse Reflexionen auf der Theke, Regentropfen sichtbar vor 7dem dunklen Himmel hinter ihr. 8Audio: gleichmäßiger Regen, fernes Verkehrssummen, das Klirren einer Keramiktasse. 9Cinematic, anamorph, 35mm, hoher Dynamikumfang, feines Filmkorn. 10
Einstellungen: Auflösung 1080P, Seitenverhältnis 16:9, Dauer 10, Prompt extend OFF.
Prompt extend ist standardmäßig eingeschaltet und schreibt Ihren Prompt vor der Generierung um, wodurch timecodierte Shot-Kontrolle stillschweigend zerstört wird. Schalten Sie es immer aus, wenn die Shot-Aufschlüsselung der Punkt ist.
Setzen Sie die Dauer auf 10 statt auf das 15-Sekunden-Maximum. Das ist keine Kostenentscheidung, und der Grund wird erst in Schritt 3 sichtbar.
Wan 2.7 text-to-video auf Atlas Cloud, Lauf abgeschlossen, 1080P-Ausgabe im OUTPUT-Panel sichtbar
Schritt 2 im Playground: Prompt eingefügt, 1080P, 16:9, Lauf mit Ergebnis rechts abgeschlossen. Beachten Sie das Run-Button-Angebot von $0.75 für einen fünfsekündigen 1080P-Job, was $0.15 pro Sekunde entspricht und nicht dem „ab $0.10“ des Katalogs.
Schritt 3: Fortsetzen und beobachten, wo es bricht
Der image-to-video-Endpunkt von Wan 2.7 hat einen Video-Continuation-Modus, der einen vorhandenen Clip nimmt und weiterfilmt. Nehmen Sie Ihre Ausgabe-URL aus Schritt 2, tragen Sie sie in das Feld video ein, setzen Sie die Dauer auf 15, und fügen Sie Beat 2 ein:
text1Setze dieselbe ununterbrochene Einstellung mit identischer Kamerasprache und Beleuchtung fort. 2Die Kranfahrt nach unten geht über die Dachkante hinaus bis auf Straßenniveau, die Kamera 3gleitet durch den Regen nach vorn auf ein Taxi zu, das am Bordstein im Leerlauf steht, Scheibenwischer 4wischen. Behalte Regenintensität, Neonfarbpalette, Filmkorn und Ambient- 5Audio identisch zum Quellclip. Kein Schnitt, kein Fade, kein Szenenwechsel. 6
Das erzeugt den 15-Sekunden-Clip am Anfang dieses Artikels. Nun zu den drei Limits, auf die ich stieß und die in keiner Doku stehen.
Erstens: Der Quellclip muss 2 bis 10 Sekunden lang sein. Deshalb ist Schritt 2 auf 10 gedeckelt. Generieren Sie einen 15-Sekunden-Anfang, können Sie ihn gar nicht erweitern, weil eine 15-Sekunden-Datei keine zulässige Eingabe ist.
Zweitens: Die angeforderte Dauer muss die Quelldauer überschreiten. Geben Sie einen 10-Sekunden-Clip ein und fragen 10 Sekunden an, lehnt die API ihn direkt ab: first_clip duration (10s after trim) must be less than the requested duration (10s). Die Ausgabe enthält also die Quelle, und das meiste, was Sie in einem Durchlauf gewinnen können, sind 5 Sekunden.
Drittens: Es bewahrt Ihren Quellclip nicht. Das ist der entscheidende Punkt. Unten ist die obere Reihe der ursprüngliche 10-Sekunden-Clip bei 5s und 9.9s. Die untere Reihe ist die Fortsetzungsausgabe bei denselben zwei Timecodes.
Vier Frames, die den Quellclip und die Fortsetzungsausgabe bei 5 Sekunden und 9,9 Sekunden vergleichen
Obere Reihe: der Quellclip bei 5s und 9.9s. Untere Reihe: die Fortsetzungsausgabe bei denselben Timecodes. Bei 5s stimmen sie überein. Bei 9.9s ist die Quelle noch bei der Verkäuferin, während die Fortsetzung bereits zur Straße geschnitten hat, weil sie die Quelle auf ungefähr ihre ersten sechs Sekunden recompressed und den Rest für neues Material verwendet hat.
Fortsetzung ist also keine Konkatenation. Sie rendert Ihren Clip schneller neu, um Platz zu schaffen, und die letzten Sekunden Ihrer ursprünglichen Performance sind einfach weg.
Das führt zur naheliegenden Idee: ketten. Den 15-Sekunden-Ausgang wieder eingeben und weitere 15 anfragen. Ich habe es versucht. Das kam zurück.
Eine verkettete zweite Fortsetzung, die zurück zur Dachterrassen-Verkäuferin driftet, statt die Szene voranzutreiben
Der zweite Fortsetzungsdurchlauf. Er spielt Straße und Taxi erneut ab und loopt dann zurück zur Dachterrassen-Verkäuferin vom allerersten Anfang der Sequenz, statt sich vorwärts zu bewegen. Verkettung akkumuliert nicht.
Das ist die Wand. Die Ausgabe ist auf 15 Sekunden gedeckelt, die Eingabe auf 10, und das zweite Kettenglied läuft rückwärts. Fünfzehn Sekunden wirklich kontinuierliches Material sind die Decke für diese Modellfamilie. Alles Längere ist ein Schnitt, kein Take, und Schnitte sind genau das, was ein 30-Sekunden-Einzeldurchlauf eliminieren soll.
Eine Offenlegung: Der Playground-Capture für diesen Fortsetzungsschritt scheiterte dreimal, weil das voreingestellte Referenzbild der Seite den Lauf immer wieder kaperte. Deshalb wurde Schritt 3 über die API statt über die Playground-UI ausgeführt. Prompt, Einstellungen und Ausgaben oben stammen alle aus diesem echten Lauf.
Was 30 Sekunden Wan 3.0 Preview tatsächlich kosten
Der Run-Button in Schritt 2 zeigte $0.75 für einen fünfsekündigen 1080P-Job an. Das sind $0.15 pro Sekunde, nicht die $0.10, die der Katalog aufführt, denn die gelistete Zahl ist ein Mindestpreis und die Abrechnung skaliert mit der Auflösung. Vertrauen Sie immer dem Angebot mehr als der Karte.
Zu diesem realen Satz kosteten meine 15 Sekunden kontinuierliches Material $1.50 für den 10-Sekunden-Anfang plus $2.25 für die Fortsetzung, also $3.75 für 15 gelieferte Sekunden.
Tabelle C: Was 30 Sekunden kosten, auf fünf Wegen
| Pfad | Berechnung | Gesamt | Was Sie tatsächlich bekommen |
|---|---|---|---|
| Wan 3.0 Preview, 1080P | $0.20 × 30 | $6.00 | 30s kontinuierlich, ein Durchlauf, keine Nähte |
| Wan 3.0 Preview, 720P | $0.10 × 30 | $3.00 | 30s kontinuierlich in 720P |
| Wan 3.0 Preview, 480P | $0.05 × 30 | $1.50 | 30s kontinuierlich in 480P |
| Wan 2.7, Anfang plus Fortsetzung | $0.15 × 25 abgerechnet | $3.75 | Nur 15s. 30 sind nicht erreichbar. |
| Seedance 2.5, 480p | ab $0.134 × 30 | ~$4.05 | 30s kontinuierlich, auf 720p gedeckelt |
Lesen Sie die vierte Zeile noch einmal. 15 kontinuierliche Sekunden mit Wan 2.7 zu produzieren kostete mehr, als Wan 3.0 für 30 kontinuierliche Sekunden in 720P berechnet. Der Workaround ist nicht die günstige Option, sondern die teure, die außerdem nicht funktioniert.
Eine Einschränkung zur Seedance-Zeile: Der gelistete Satz ist der 480p-Mindestpreis, und das Modell rechnet nach Pixelfläche ab, sodass 720p in der Praxis ungefähr das 2,25-Fache kostet.
Beim Licensing ist Vorsicht geboten. Wan 3.0 ist in der Beta, daher ergeben sich kommerzielle Bedingungen aus der Alibaba Cloud-Servicevereinbarung, die Sie bei der Bewerbung akzeptieren, und nicht aus irgendeiner Modelllizenz, und sie können sich vor der allgemeinen Verfügbarkeit ändern. Ohne veröffentlichte Gewichte sind lokale Bereitstellung und Fine-Tuning keine Optionen. Prüfen Sie Attributions- und Watermarking-Anforderungen anhand Ihrer eigenen Kontobedingungen, bevor Sie Kundenarbeit ausliefern.
Häufig gestellte Fragen
Ist Wan 3.0 Preview schon für alle verfügbar?
Nein. Es ging am 6. August 2026 in die öffentliche Beta, aber der Zugriff ist über Alibaba Cloud Model Studio und Qwen Cloud bewerbungspflichtig. Genehmigte Konten erhalten 2 gleichzeitige Anfragen, 30 RPM und eine asynchrone Warteschlange mit 50 Tasks, was eher für Evaluierung als für Produktion dimensioniert ist.
Ist Wan 3.0 Preview Open Source, und wo sind die Gewichte?
Es gibt keine. Eine Abfrage der Hugging Face API für jedes Repository unter der Organisation Wan-AI liefert nichts über Wan 2.2. Die drei neuesten Repos, allesamt Wan2.2-Animate-2-Varianten, wurden am selben Tag erstellt, an dem Wan 3.0 startete. Wan 2.2 bleibt die Obergrenze für offene Gewichte.
Macht Wan 3.0 Preview wirklich natives 4K?
Nein. Die offizielle Dokumentation listet 480P, 720P und 1080P. Die 4K-Behauptung stammt von Aggregator-Seiten, die einander zitieren statt die Primärquelle, und sie widerspricht Alibabas eigener Preistabelle, die genau drei Auflösungsstufen hat.
Wie viel kostet ein 30-sekündiges Wan 3.0 Preview-Video?
Bei 1080P ergeben $0.20 pro Ausgabesekunde $6.00 für 30 Sekunden. Bei 720P sind es $3.00 und bei 480P $1.50. Zum Vergleich: 15 kontinuierliche Sekunden auf Wan 2.7 in 1080P kosteten mich beim real abgerechneten Satz $3.75.
Kann ich heute ohne Wan 3.0 Preview-Zugriff einen 30-sekündigen One-Take generieren?
Nicht mit Wan 2.7. Sein Fortsetzungsmodus deckelt die Ausgabe bei 15 Sekunden, akzeptiert nur Quellclips von 10 Sekunden oder weniger und loopt beim Verketten rückwärts. Seedance 2.5 schafft 4 bis 30 Sekunden in einem einzigen Durchlauf, aber nur bis 720p.
Wan 3.0 Preview versus Wan 2.7: Lohnt es sich, darauf zu warten?
Wenn Sie eine durchgehende Einstellung von mehr als 15 Sekunden oder Dokument- und Webseiten-Referenzeingaben brauchen, ja, und es gibt keinen Workaround. Für alles mit 15 Sekunden oder weniger ist Wan 2.7 derzeit praktischer, weil ein Concurrency-Limit von 2 Anfragen Batch-Arbeit auf 3.0 langsamer macht als auf dem Modell, das es ersetzt.
