Última actualización: Wan 3.0 ya está disponible desde el 24 de agosto de 2026.
Una pared de suite de etalonaje que muestra el mismo plano de tejado lluvioso en códigos de tiempo de 00:00 a 00:30
Treinta segundos de una toma continua, desplegados a lo largo de una línea de tiempo. Llegar hasta ahí es toda la historia.
El día que Wan 3.0 Preview entró en beta pública, busqué su ficha técnica. La primera página de resultados me dijo que genera 4K nativo, que se distribuye bajo Apache 2.0 y que tiene un "modo director de IA con seis cámaras". Seis sitios diferentes, las mismas afirmaciones, y ninguno enlazaba a una fuente primaria.
Así que abrí la propia página del modelo de Alibaba. 480P, 720P, 1080P. Sin 4K. Luego consulté directamente la API de Hugging Face y extraje todos los repositorios bajo la organización Wan-AI. El más reciente es Wan2.2-Animate-2, subido el mismo día que se lanzó Wan 3.0. No hay nada de 3.0.
Luego hice lo que nadie más está haciendo. El titular de Wan 3.0 es 30 segundos de video continuo en una sola pasada, y no tengo acceso a él, así que intenté reproducir ese resultado con los modelos a los que puedo llamar hoy. Fallé. La forma en que fallé resultó ser lo más útil de este artículo.
Puntos clave
- Wan 3.0 Preview entró en beta pública el 6 de agosto de 2026. ID del modelo
wan3.0-video, con acceso limitado mediante solicitud en Alibaba Cloud Model Studio y Qwen Cloud. No es registro abierto. - Las especificaciones reales: hasta 30 segundos en una sola pasada, 480P/720P/1080P, a $0.05/$0.10/$0.20 por segundo de salida.
- No hay 4K ni hay pesos abiertos. Consulté la API de Hugging Face por cada repositorio bajo
Wan-AI. No existe nada superior a Wan 2.2 como descarga. - Los límites de velocidad son el verdadero cuello de botella: 2 solicitudes concurrentes, 30 RPM, 50 tareas asíncronas en cola.
- No se puede falsificar la toma única de 30 segundos con Wan 2.7. Tres límites no documentados limitan el clip continuo genuino más largo a 15 segundos, y encadenar una segunda continuación hace que el modelo retroceda en lugar de avanzar.
El muro de los 15 segundos: lo que realmente vende Wan 3.0 Preview
Aquí está el mejor resultado que pude obtener. Quince segundos ininterrumpidos a 1080P: un avance hacia un letrero de neón, un vendedor cerrando un puesto de café en la azotea bajo la lluvia, luego una grúa hacia la calle mojada y un taxi. Un archivo generado continuo, sin edición, con audio generado.
Quince segundos de video continuo de Wan 2.7: letrero de neón, vendedor en azotea, grúa hacia una calle lluviosa y un taxi
El clip continuo genuino más largo que la familia Wan 2.7 produjo para mí: 15 segundos, 1080P, un solo archivo. Mostrado aquí como un GIF silencioso; el archivo entregado lleva audio estéreo de 44.1 kHz.
Eso es bueno. También es exactamente la mitad de lo que Wan 3.0 afirma hacer en una llamada, y los 15 segundos es donde el techo está soldado. Todo lo que sigue es cómo encontré la soldadura.
Por qué probablemente esté equivocada cada ficha técnica de Wan 3.0 Preview que leas
Dos cosas hacen que este lanzamiento sea inusualmente ruidoso. Primero, 30 segundos en una sola pasada de generación es un verdadero primero para la familia. Wan2.7-Video tiene un máximo de 15 segundos y la mayoría de los modelos de video convencionales se sitúan entre 5 y 15 (TNGlobal, agosto 2026). Segundo, Wan 3.0 acepta entradas de referencia que nadie más acepta: además de texto, imagen, audio y video, acepta archivos doc, xls, ppt, pdf y md, además de páginas web, por lo que una presentación de diapositivas se convierte en video (AlphaSignal, agosto 2026).
Esa combinación produjo una enorme cantidad de cobertura de sitios que nunca abrieron la documentación. Aquí está cada afirmación ampliamente difundida, verificada contra la fuente primaria.
Tabla A: Verificación de especificaciones de Wan 3.0 Preview
| Afirmación difundida | Lo que dice la fuente primaria | Veredicto |
|---|---|---|
| 30 segundos en una pasada de generación | Confirmado, frente a 2 a 15s en Wan 2.7 | ✅ Real |
| Salida 4K nativa | Las resoluciones oficiales son solo 480P, 720P y 1080P | ❌ Falso |
| Pesos abiertos Apache 2.0 | No existe ningún repositorio de Wan 3.0 bajo Wan-AI en Hugging Face | ❌ Falso |
| Documento a video (PDF, PPT, XLS) | Confirmado como tipo de entrada de referencia | ✅ Real |
| "Modo director de IA con seis cámaras" | No aparece en ninguna documentación de Alibaba | ❌ No compatible |
| "Sincronización labial en 12 idiomas con bloqueo de identidad" | No aparece en ninguna documentación de Alibaba | ❌ No compatible |
| $0.05 / $0.10 / $0.20 por segundo | Confirmado para 480P / 720P / 1080P | ✅ Real |
| Abierto a todos | Acceso limitado mediante solicitud en Model Studio y Qwen Cloud | ⚠️ Beta, requiere invitación |
Los precios y límites de velocidad provienen directamente de la página del modelo: 2 solicitudes concurrentes, 30 solicitudes por minuto y una cola asíncrona de 50 tareas (QwenCloud, agosto 2026). Ese número de concurrencia recibe casi ninguna cobertura y es la línea más importante de la página. Dos trabajos paralelos, cada uno de varios minutos, está bien para una demo de lanzamiento. No es una tubería.
Ahora la pregunta que realmente le importa a la comunidad de código abierto. Wan 2.1 y Wan 2.2 incluyeron puntos de control descargables. Wan 2.5 prometió pesos que nunca llegaron, Wan 2.6 fue completamente cerrado y Wan 2.7 se mantuvo solo por API. Verifiqué si 3.0 rompe la racha consultando la API de Hugging Face por cada modelo bajo la organización Wan-AI, ordenados por fecha de creación. Los tres repositorios más nuevos son variantes de Wan2.2-Animate-2 creadas el 6 de agosto de 2026, el mismo día que se lanzó Wan 3.0. El repositorio más descargado sigue siendo Wan2.2-TI2V-5B-Diffusers con aproximadamente 179,000 descargas en los últimos 30 días (Hugging Face, agosto 2026).
Entonces la respuesta es no, y Wan 2.2 sigue siendo el techo de pesos abiertos. Si tu plan implicaba ejecutar esto localmente o ajustarlo, no hay nada que ejecutar.
Prueba el modelo en vivo en Atlas Cloud: abre Wan 3.0 Texto a Video en Atlas Cloud.
Una ejecución real del playground de Wan 3.0 Texto a Video en Atlas Cloud: el prompt se muestra a la izquierda, y el clip generado completo aparece a la derecha.
El stack de Wan 3.0 Preview: lo que realmente puedes ejecutar hoy
La situación se divide claramente. Wan 3.0 está detrás de un formulario de solicitud con un límite de concurrencia de dos trabajos. Todo lo anterior, desde Wan 2.7 hasta 2.2, se puede llamar inmediatamente con una sola clave de API, junto con Seedance y Kling para comparación entre modelos. Todo en este artículo se ejecutó de esa manera, en una sola pestaña del navegador.
Los precios a continuación provienen del catálogo de modelos de Atlas Cloud del 10 de agosto de 2026, no de ninguna publicación de blog.
Tabla B: Wan 3.0 Preview versus lo que hay disponible
| Modelo | Pasada única más larga | Resoluciones | Acceso | Concurrencia | Precio listado por segundo |
|---|---|---|---|---|---|
| Wan 3.0 Preview | 30s | 480P / 720P / 1080P | Solicitud requerida | 2 | $0.05 / $0.10 / $0.20 |
| Wan 2.7 texto a video | 15s | 720P / 1080P / 1080P-SR / 1440P-SR | Abierto | Estándar | desde $0.10 |
| Wan 2.7 imagen a video | 15s | 720P / 1080P | Abierto | Estándar | desde $0.10 |
| Wan 2.6 texto a video | 15s | 720p / 1080p | Abierto | Estándar | $0.07 (30% descuento sobre $0.10) |
| Wan 2.5 texto a video | 10s | 720p / 1080p | Abierto | Estándar | $0.035 (30% descuento sobre $0.05) |
| Wan 2.2 imagen a video | 10s | 480p / 720p | Abierto, pesos descargables | Estándar | $0.03 |
| Seedance 2.5 texto a video | 30s | 480p / 720p | Abierto | Estándar | desde $0.134 |
| Kling v3.0 Pro texto a video | 15s | Predeterminado del modelo | Abierto | Estándar | $0.095 (15% descuento sobre $0.112) |
Los descuentos están vigentes desde agosto de 2026 y son por tiempo limitado, así que verifica la página del modelo antes de presupuestar en base a ellos.
Dos cosas se desprenden de esa tabla. La pasada única de 30 segundos de Wan 3.0 ya no es única: Seedance 2.5 ya acepta una duración de 4 a 30 segundos en una llamada, solo limitada a 720p. Y Wan 2.7 es la única fila que ofrece 1440P-SR, un nivel de súper resolución facturado al 80% del 1080P nativo según su propio esquema, que Wan 3.0 no tiene.
Lo que Wan 3.0 tiene que ningún otro tiene son 30 segundos a 1080P en una pasada, además de entradas de referencia de documentos. Wan 3.0 tiene una página de marcador en Atlas Cloud marcada como Próximamente, por lo que estará en la misma clave cuando se lance. Hasta entonces, aquí está exactamente hasta dónde llegan los modelos anteriores.
Tutorial de Wan 3.0 Preview Paso 1: Escribir el briefing de la toma única
El briefing se transfiere entre generaciones, así que escríbelo una vez. Wan 3.0 recompensa las descripciones largas de planos con código de tiempo, y Wan 2.7 acepta la misma estructura dentro de un límite de 5,000 caracteres en el prompt.
La plantilla que funciona: Plano [código de tiempo] + acción del sujeto + movimiento de cámara + luz + audio ambiente. Declara que la toma es continua en la primera línea y describe explícitamente la base de sonido, porque Wan 2.7 genera audio de forma nativa e inventará algo poco útil si lo dejas en blanco.
Elegí un puesto de café en una azotea en una noche lluviosa a propósito. Prueba de resistencia cuatro cosas que generalmente se rompen a la vez: movimiento de cámara sostenido, consistencia facial a lo largo del tiempo, reflejos de neón mojados y una base de audio ambiente continua.
textCopy
text11BEAT 1 (0-10s): Slow dolly-in from a flickering pink-and-cyan neon sign toward a 22young female vendor wiping down a steel counter on a rooftop coffee stall. 33BEAT 2 (10-15s): The camera cranes down over the rooftop edge to the wet street 44below, gliding toward a taxi idling at the curb. 55Constant: heavy rain, neon palette, 35mm anamorphic, film grain, no cuts. 66
Ese es el plan, no el prompt. Los prompts que pegas están a continuación.
Paso 2: Generar la apertura a 1080P
Abre la página de Wan 2.7 texto a video y pega el Beat 1, escrito por completo.
textCopy
text11Continuous single take, no cuts. A rainy night rooftop coffee stall in Shenzhen. 22Shot [0-4s]: Slow dolly-in from a flickering pink-and-cyan neon sign toward a 33young female vendor wiping down a steel counter, rain streaking through the neon 44glow, steam rising from a kettle. 55Shot [4-10s]: The camera settles at chest height as she looks up and half-smiles, 66shallow depth of field, wet reflections on the counter, raindrops visible against 77the dark sky behind her. 88Audio: steady rain, distant traffic hum, the clink of a ceramic cup. 99Cinematic, anamorphic, 35mm, high dynamic range, fine film grain. 1010
Configuración: Resolución 1080P, Relación de aspecto 16:9, Duración 10, Extensión de prompt OFF.
La extensión de prompt está activada por defecto y reescribe tu prompt antes de la generación, lo que destruye silenciosamente el control de planos con código de tiempo. Desactívala siempre que el desglose de planos sea el objetivo.
Establece la duración en 10 en lugar del máximo de 15 segundos. No es una decisión de costo, y la razón solo se vuelve visible en el Paso 3.
Paso 2 en el playground: prompt pegado, 1080P, 16:9, ejecución completada con el resultado a la derecha. Observa la cotización del botón Ejecutar de $0.75 para un trabajo de cinco segundos a 1080P, que resulta ser $0.15 por segundo en lugar del "desde $0.10" del catálogo.
Paso 3: Continuarlo y observar dónde se rompe
El endpoint de imagen a video de Wan 2.7 tiene un modo de continuación de video que toma un clip existente y sigue grabando. Toma la URL de salida del Paso 2, colócala en el campo video, establece Duración en 15 y pega el Beat 2:
textCopy
text11Continue the same unbroken take with identical camera language and lighting. 22The crane-down continues past the rooftop edge to street level, the camera 33gliding forward through the rain toward a taxi idling at the curb, wipers 44sweeping. Keep the rain intensity, neon colour palette, film grain and ambient 55audio identical to the source clip. No cut, no fade, no scene change. 66
Eso produce el clip de 15 segundos al inicio de este artículo. Ahora, los tres límites que encontré, ninguno de los cuales está en la documentación.
Uno: el clip de origen debe tener entre 2 y 10 segundos. Por eso el Paso 2 está limitado a 10. Genera una apertura de 15 segundos y no podrás extenderla en absoluto, porque un archivo de 15 segundos no es una entrada válida.
Dos: la duración solicitada debe exceder la duración del origen. Alimenta un clip de 10 segundos y pide 10 segundos, y la API lo rechaza directamente: first_clip duration (10s after trim) must be less than the requested duration (10s). Por lo tanto, la salida contiene el origen, y lo máximo que puedes ganar en una pasada son 5 segundos.
Tres: no preserva tu clip de origen. Este es el que importa. A continuación, la fila superior es el clip original de 10 segundos en los segundos 5 y 9.9. La fila inferior es la salida de la continuación en esos mismos dos códigos de tiempo.
Cuatro fotogramas comparando el clip original y la salida de la continuación en los segundos 5 y 9.9
Fila superior: el clip original en los segundos 5 y 9.9. Fila inferior: la salida de la continuación en los mismos códigos de tiempo. En el segundo 5 coinciden. Para el segundo 9.9, el origen todavía está en el vendedor mientras que la continuación ya ha cortado a la calle, porque re-comprimió el origen en aproximadamente sus primeros seis segundos y gastó el resto en material nuevo.
Entonces, la continuación no es concatenación. Re-renderiza tu clip más rápido para hacer espacio, y los últimos segundos de tu interpretación original simplemente desaparecen.
Lo que plantea la idea obvia: encadénalo. Alimenta el resultado de 15 segundos de nuevo y pide otros 15. Lo intenté. Esto es lo que obtuve.
Una segunda continuación encadenada que retrocede al vendedor de la azotea en lugar de avanzar la escena
La segunda pasada de continuación. Reproduce la calle y el taxi, luego vuelve al vendedor de la azotea desde el principio de la secuencia en lugar de avanzar. El encadenamiento no acumula.
Ese es el muro. El límite de salida es de 15 segundos, el límite de entrada es de 10, y el segundo eslabón de la cadena retrocede. Quince segundos de metraje genuinamente continuo es el techo para esta familia de modelos. Cualquier cosa más larga es un corte, no una toma, y los cortes son exactamente lo que una pasada única de 30 segundos existe para eliminar.
Una aclaración: la captura del playground para este paso de continuación falló tres veces porque la imagen de referencia preestablecida de la página seguía secuestrando la ejecución, por lo que el Paso 3 se ejecutó a través de la API en lugar de la interfaz del playground. El prompt, la configuración y las salidas anteriores son todas de esa ejecución real.
Lo que realmente cuestan 30 segundos de Wan 3.0 Preview
El botón Ejecutar en el Paso 2 cotizó $0.75 para un trabajo de cinco segundos a 1080P. Eso es $0.15 por segundo, no los $0.10 que lista el catálogo, porque la cifra listada es un piso y la facturación escala con la resolución. Siempre confía en la cotización sobre la tarjeta.
A esa tasa real, mis 15 segundos de metraje continuo costaron $1.50 por la apertura de 10 segundos más $2.25 por la continuación, es decir, $3.75 por 15 segundos entregados.
Tabla C: lo que cuestan 30 segundos, de cinco maneras
| Ruta | Cálculo | Total | Lo que realmente obtienes |
|---|---|---|---|
| Wan 3.0 Preview, 1080P | $0.20 × 30 | $6.00 | 30s continuos, una pasada, sin costuras |
| Wan 3.0 Preview, 720P | $0.10 × 30 | $3.00 | 30s continuos a 720P |
| Wan 3.0 Preview, 480P | $0.05 × 30 | $1.50 | 30s continuos a 480P |
| Wan 2.7, apertura más continuación | $0.15 × 25 facturados | $3.75 | Solo 15s. No se puede alcanzar 30. |
| Seedance 2.5, 480p | desde $0.134 × 30 | ~$4.05 | 30s continuos, limitado a 720p |
Vuelve a leer la cuarta fila. Producir 15 segundos continuos en Wan 2.7 costó más de lo que Wan 3.0 cobra por 30 segundos continuos a 720P. La solución alternativa no es la opción barata, es la cara que además no funciona.
Una advertencia sobre la fila de Seedance: su tarifa listada es el piso de 480p y el modelo factura por área de píxeles, por lo que 720p equivale aproximadamente a 2.25 veces ese número en la práctica.
Sobre licencias, ten cuidado. Wan 3.0 está en beta, por lo que los términos comerciales provienen del acuerdo de servicio de Alibaba Cloud que aceptas al solicitar, no de ninguna licencia de modelo, y pueden cambiar antes de la disponibilidad general. Sin pesos publicados, el despliegue local y el ajuste fino no son opciones. Confirma los requisitos de atribución y marcas de agua según los términos de tu propia cuenta antes de entregar trabajo a clientes.
Preguntas frecuentes
¿Ya está disponible Wan 3.0 Preview para todos?
No. Entró en beta pública el 6 de agosto de 2026, pero el acceso es limitado mediante solicitud a través de Alibaba Cloud Model Studio y Qwen Cloud. Las cuentas aprobadas obtienen 2 solicitudes concurrentes, 30 RPM y una cola asíncrona de 50 tareas, que está dimensionada para evaluación en lugar de producción.
¿Es Wan 3.0 Preview de código abierto, y dónde están los pesos?
No hay ninguno. Consultar la API de Hugging Face por cada repositorio bajo la organización Wan-AI no devuelve nada superior a Wan 2.2. Los tres repositorios más nuevos, todos variantes de Wan2.2-Animate-2, se crearon el mismo día que se lanzó Wan 3.0. Wan 2.2 sigue siendo el techo de pesos abiertos.
¿Realmente Wan 3.0 Preview hace 4K nativo?
No. La documentación oficial lista 480P, 720P y 1080P. La afirmación de 4K proviene de sitios agregadores que se citan entre sí en lugar de la fuente primaria, y contradice la propia tabla de precios de Alibaba, que tiene exactamente tres niveles de resolución.
¿Cuánto cuesta un video de 30 segundos de Wan 3.0 Preview?
A 1080P, $0.20 por segundo de salida da $6.00 por 30 segundos. A 720P es $3.00 y a 480P es $1.50. Para comparación, 15 segundos continuos en Wan 2.7 a 1080P me costaron $3.75 a la tasa real facturada.
¿Puedo generar una toma única de 30 segundos hoy sin acceso a Wan 3.0 Preview?
No con Wan 2.7. Su modo de continuación limita la salida a 15 segundos, solo acepta clips de origen de 10 segundos o menos, y retrocede cuando se encadena. Seedance 2.5 hará de 4 a 30 segundos en una sola pasada, pero solo hasta 720p.
Wan 3.0 Preview versus Wan 2.7: ¿vale la pena esperar?
Si necesitas un plano continuo de más de 15 segundos, o entradas de referencia de documentos y páginas web, sí, y no hay solución alternativa. Para cualquier cosa de 15 segundos o menos, Wan 2.7 es más práctico ahora mismo, porque un límite de concurrencia de 2 solicitudes hace que el trabajo por lotes sea más lento en 3.0 que en el modelo que reemplaza.
