Una pared de una sala de etalonaje que muestra el mismo plano de una azotea lluviosa en códigos de tiempo de 00:00 a 00:30
Treinta segundos de un plano continuo, desplegados en una línea de tiempo. Llegar ahí es toda la historia.
El día en que Wan 3.0 Preview entró en beta pública, fui a buscar su ficha técnica. La primera página de resultados me decía que hace 4K nativo, que se publica bajo Apache 2.0 y que tiene un “modo director de IA con seis cámaras”. Seis sitios distintos, las mismas afirmaciones, y ni uno enlazaba a una fuente primaria.
Así que abrí la propia página del modelo de Alibaba. 480P, 720P, 1080P. Nada de 4K. Después llamé directamente a 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 en que se lanzó Wan 3.0. No hay nada de 3.0.
Luego hice la parte que nadie más está haciendo. El titular de Wan 3.0 son 30 segundos de vídeo continuo en una sola pasada, y yo no tengo acceso, así que intenté reproducir ese resultado con los modelos a los que sí puedo llamar hoy. Fracasé. La forma en que fracasé acabó siendo lo más útil de este artículo.
Puntos clave
- Wan 3.0 Preview entró en beta pública el 6 de agosto de 2026. ID de modelo
wan3.0-video, bloqueado tras una solicitud en Alibaba Cloud Model Studio y Qwen Cloud. No es un 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 pesos abiertos. Consulté la API de Hugging Face para todos los repositorios bajo
Wan-AI. No existe nada por encima de Wan 2.2 como descarga. - Los límites de tasa son el verdadero cuello de botella: 2 solicitudes simultáneas, 30 RPM, 50 tareas asíncronas en cola.
- No puedes fingir el plano secuencia de 30 segundos con Wan 2.7. Tres límites no documentados fijan el clip realmente continuo más largo en 15 segundos, y encadenar una segunda continuación hace que el modelo haga un bucle hacia atrás en vez de avanzar.
El muro de los 15 segundos: lo que Wan 3.0 Preview vende de verdad
Este es el mejor resultado que pude conseguir. Quince segundos ininterrumpidos a 1080P: un acercamiento a un letrero de neón, una vendedora cerrando un puesto de café en una azotea bajo la lluvia, y luego un descenso de grúa hasta la calle mojada y un taxi. Un único archivo generado continuo, sin edición, con audio generado.
Quince segundos de vídeo continuo de Wan 2.7: letrero de neón, vendedora en la azotea, descenso de grúa hasta una calle lluviosa y un taxi
El clip realmente continuo más largo que la familia Wan 2.7 produjo para mí: 15 segundos, 1080P, un archivo. Aquí se muestra como un GIF sin sonido; el archivo entregado incluye audio estéreo a 44,1 kHz.
Eso es bueno. También es exactamente la mitad de lo que Wan 3.0 afirma hacer en una sola llamada, y 15 segundos es donde el techo está soldado. Todo lo que sigue explica cómo encontré la soldadura.
Por qué probablemente es incorrecta toda 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 hito para la familia. Wan2.7-Video llega como máximo a 15 segundos y la mayoría de modelos de vídeo convencionales se sitúan entre 5 y 15 (TNGlobal, agosto de 2026). Segundo, Wan 3.0 acepta entradas de referencia que nadie más acepta: junto a texto, imagen, audio y vídeo, admite archivos doc, xls, ppt, pdf y md, además de páginas web, de modo que una presentación se convierte en vídeo (AlphaSignal, agosto de 2026).
Esa combinación produjo una enorme cantidad de cobertura de sitios que nunca abrieron la documentación. Aquí está cada afirmación ampliamente difundida, contrastada con la fuente primaria.
Tabla A: comprobación de especificaciones de Wan 3.0 Preview
| Afirmación en circulación | Lo que dice la fuente primaria | Veredicto |
|---|---|---|
| 30 segundos en una sola pasada de generación | Confirmado, frente a 2 a 15 s 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 Wan 3.0 bajo Wan-AI en Hugging Face | ❌ Falso |
| Documento a vídeo (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 | ❌ Sin respaldo |
| “Sincronización labial en 12 idiomas con bloqueo de identidad” | No aparece en ninguna documentación de Alibaba | ❌ Sin respaldo |
| $0.05 / $0.10 / $0.20 por segundo | Confirmado para 480P / 720P / 1080P | ✅ Real |
| Abierto para todo el mundo | Acceso mediante solicitud en Model Studio y Qwen Cloud | ⚠️ Beta, requiere invitación |
Los precios y límites de tasa vienen directamente de la página del modelo: 2 solicitudes simultáneas, 30 solicitudes por minuto y una cola asíncrona de 50 tareas (QwenCloud, agosto de 2026). Ese número de concurrencia casi no recibe cobertura y es la línea más importante de la página. Dos trabajos en paralelo, cada uno tardando minutos, está bien para una demo de lanzamiento. No es un pipeline.
Ahora la pregunta que de verdad le importa a la comunidad open source. Wan 2.1 y Wan 2.2 se publicaron con checkpoints descargables. Wan 2.5 prometió pesos que nunca llegaron, Wan 2.6 fue totalmente cerrado y Wan 2.7 se quedó solo en API. Comprobé si 3.0 rompe la racha consultando la API de Hugging Face para cada modelo bajo la organización Wan-AI, ordenados por fecha de creación. Los tres repositorios más nuevos son todos variantes de Wan2.2-Animate-2 creadas el 6 de agosto de 2026, el mismo día en que se lanzó Wan 3.0. El repositorio con más descargas sigue siendo Wan2.2-TI2V-5B-Diffusers, con aproximadamente 179.000 descargas en los últimos 30 días (Hugging Face, agosto de 2026).
Así que la respuesta es no, y Wan 2.2 sigue siendo el techo con pesos abiertos. Si tu plan pasaba por ejecutarlo localmente o ajustarlo, no hay nada que ejecutar.
El stack de Wan 3.0 Preview: lo que realmente puedes ejecutar hoy
La situación se divide con claridad. Wan 3.0 está detrás de un formulario de solicitud con un límite de concurrencia de dos trabajos. Todo lo anterior, de Wan 2.7 hacia atrás hasta 2.2, se puede llamar inmediatamente con una clave de API, junto con Seedance y Kling para comparar entre modelos. Todo en este artículo se ejecutó así, en una sola pestaña del navegador.
Los precios siguientes proceden del catálogo de modelos de Atlas Cloud del 10 de agosto de 2026, no de ninguna entrada de blog.
Tabla B: Wan 3.0 Preview frente a lo que hay disponible
| Modelo | Pasada única más larga | Resoluciones | Acceso | Concurrencia | Precio listado por segundo |
|---|---|---|---|---|---|
| Wan 3.0 Preview | 30 s | 480P / 720P / 1080P | Requiere solicitud | 2 | $0.05 / $0.10 / $0.20 |
| Wan 2.7 texto a vídeo | 15 s | 720P / 1080P / 1080P-SR / 1440P-SR | Abierto | Estándar | desde $0.10 |
| Wan 2.7 imagen a vídeo | 15 s | 720P / 1080P | Abierto | Estándar | desde $0.10 |
| Wan 2.6 texto a vídeo | 15 s | 720p / 1080p | Abierto | Estándar | $0.07 (30% de descuento sobre $0.10) |
| Wan 2.5 texto a vídeo | 10 s | 720p / 1080p | Abierto | Estándar | $0.035 (30% de descuento sobre $0.05) |
| Wan 2.2 imagen a vídeo | 10 s | 480p / 720p | Abierto, pesos descargables | Estándar | $0.03 |
| Seedance 2.5 texto a vídeo | 30 s | 480p / 720p | Abierto | Estándar | desde $0.134 |
| Kling v3.0 Pro texto a vídeo | 15 s | Predeterminada del modelo | Abierto | Estándar | $0.095 (15% de descuento sobre $0.112) |
Los descuentos están activos en agosto de 2026 y son por tiempo limitado, así que revisa la página del modelo antes de presupuestar con ellos.
De esa tabla se desprenden dos cosas. 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 sola llamada, solo que limitada a 720p. Y Wan 2.7 es la única fila que ofrece 1440P-SR, un nivel de superresolución facturado al 80% del 1080P nativo según su propio esquema, algo que Wan 3.0 no tiene.
Lo que Wan 3.0 sí tiene y nada más ofrece es 30 segundos a 1080P en una sola pasada, además de entradas de referencia documentales. Wan 3.0 tiene una página provisional en Atlas Cloud marcada como Coming Soon, así que llegará a la misma clave cuando se publique. Hasta entonces, aquí tienes exactamente hasta dónde te llevan los modelos anteriores.
Tutorial de Wan 3.0 Preview, paso 1: escribe el briefing del plano secuencia
El briefing se mantiene entre generaciones, así que escríbelo una vez. Wan 3.0 premia descripciones de plano largas y con códigos de tiempo, y Wan 2.7 acepta la misma estructura dentro de un límite de prompt de 5.000 caracteres.
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 cama de sonido, porque Wan 2.7 genera audio de forma nativa e inventará algo poco útil si lo dejas en blanco.
Elegí a propósito un puesto de café en una azotea lluviosa de noche. Pone a prueba cuatro cosas que suelen romperse a la vez: movimiento de cámara sostenido, consistencia facial en el tiempo, reflejos de neón sobre superficies mojadas y una cama de audio ambiente continua.
text1BEAT 1 (0-10s): Slow dolly-in from a flickering pink-and-cyan neon sign toward a 2young female vendor wiping down a steel counter on a rooftop coffee stall. 3BEAT 2 (10-15s): The camera cranes down over the rooftop edge to the wet street 4below, gliding toward a taxi idling at the curb. 5Constant: heavy rain, neon palette, 35mm anamorphic, film grain, no cuts. 6
Ese es el plan, no el prompt. Los prompts que debes pegar están abajo.
Paso 2: genera el inicio a 1080P
Abre la página de Wan 2.7 texto a vídeo y pega Beat 1, escrito completo.
text1Continuous single take, no cuts. A rainy night rooftop coffee stall in Shenzhen. 2Shot [0-4s]: Slow dolly-in from a flickering pink-and-cyan neon sign toward a 3young female vendor wiping down a steel counter, rain streaking through the neon 4glow, steam rising from a kettle. 5Shot [4-10s]: The camera settles at chest height as she looks up and half-smiles, 6shallow depth of field, wet reflections on the counter, raindrops visible against 7the dark sky behind her. 8Audio: steady rain, distant traffic hum, the clink of a ceramic cup. 9Cinematic, anamorphic, 35mm, high dynamic range, fine film grain. 10
Ajustes: Resolution 1080P, Aspect ratio 16:9, Duration 10, Prompt extend OFF.
Prompt extend está activado por defecto y reescribe tu prompt antes de la generación, lo que destruye silenciosamente el control de planos con códigos de tiempo. Desactívalo siempre que el desglose de planos sea el punto central.
Configura la duración en 10 en lugar del máximo de 15 segundos. No es una decisión de coste, y la razón solo se hace visible en el paso 3.
Wan 2.7 texto a vídeo en Atlas Cloud, ejecución completada, salida 1080P visible en el panel OUTPUT
Paso 2 en el playground: prompt pegado, 1080P, 16:9, ejecución completada con el resultado a la derecha. Fíjate en la cotización del botón Run de $0.75 para un trabajo de cinco segundos a 1080P, lo que equivale a $0.15 por segundo en lugar del “desde $0.10” del catálogo.
Paso 3: continúalo y observa dónde se rompe
El endpoint de imagen a vídeo de Wan 2.7 tiene un modo de continuación de vídeo que toma un clip existente y sigue grabando. Toma la URL de salida del paso 2, ponla en el campo video, configura Duration en 15 y pega Beat 2:
text1Continue the same unbroken take with identical camera language and lighting. 2The crane-down continues past the rooftop edge to street level, the camera 3gliding forward through the rain toward a taxi idling at the curb, wipers 4sweeping. Keep the rain intensity, neon colour palette, film grain and ambient 5audio identical to the source clip. No cut, no fade, no scene change. 6
Eso produce el clip de 15 segundos que encabeza este artículo. Ahora, los tres límites con los que me topé, ninguno de los cuales aparece en la documentación.
Uno: el clip fuente debe durar entre 2 y 10 segundos. Por eso el paso 2 se limita a 10. Genera un inicio de 15 segundos y no podrás extenderlo en absoluto, porque un archivo de 15 segundos no es una entrada válida.
Dos: la duración solicitada debe superar la duración de la fuente. Introduce 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). Así que la salida contiene la fuente, y lo máximo que puedes ganar en una pasada son 5 segundos.
Tres: no conserva tu clip fuente. Este es el que importa. Abajo, la fila superior es el clip original de 10 segundos en 5 s y 9,9 s. La fila inferior es la salida de continuación en esos mismos dos códigos de tiempo.
Cuatro fotogramas que comparan el clip fuente y la salida de continuación a los 5 segundos y a los 9,9 segundos
Fila superior: el clip fuente en 5 s y 9,9 s. Fila inferior: la salida de continuación en los mismos códigos de tiempo. A los 5 s coinciden. Para los 9,9 s, la fuente sigue con la vendedora mientras que la continuación ya ha cortado a la calle, porque recomprimió la fuente en aproximadamente sus primeros seis segundos y dedicó el resto a material nuevo.
Así que continuación no es concatenación. Vuelve a renderizar tu clip más rápido para hacer sitio, y los últimos segundos de tu actuación original simplemente desaparecen.
Lo que plantea la idea obvia: encadenarlo. Vuelve a introducir el resultado de 15 segundos y pide otros 15. Lo intenté. Esto fue lo que volvió.
Una segunda continuación encadenada que deriva de vuelta a la vendedora de la azotea en lugar de hacer avanzar la escena
La segunda pasada de continuación. Reproduce la calle y el taxi, y luego vuelve en bucle a la vendedora de la azotea desde el principio mismo de la secuencia en vez de avanzar. Encadenar 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 corre hacia atrás. Quince segundos de metraje realmente continuo es el techo para esta familia de modelos. Todo lo más largo es un corte, no una toma, y los cortes son exactamente lo que una sola pasada 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, así que el paso 3 se ejecutó mediante la API en lugar de la interfaz del playground. El prompt, los ajustes y las salidas anteriores proceden todos de esa ejecución real.
Cuánto cuestan realmente 30 segundos de Wan 3.0 Preview
El botón Run del paso 2 cotizó $0.75 por un trabajo de cinco segundos a 1080P. Eso son $0.15 por segundo, no los $0.10 que lista el catálogo, porque la cifra listada es un suelo y la facturación escala con la resolución. Confía siempre en la cotización antes que en la tarjeta.
A esa tarifa real, mis 15 segundos de metraje continuo costaron $1.50 por el inicio de 10 segundos más $2.25 por la continuación, es decir, $3.75 por 15 segundos entregados.
Tabla C: cuánto cuestan 30 segundos, de cinco maneras
| Ruta | Cálculo | Total | Lo que realmente obtienes |
|---|---|---|---|
| Wan 3.0 Preview, 1080P | $0.20 × 30 | $6.00 | 30 s continuos, una pasada, sin costuras |
| Wan 3.0 Preview, 720P | $0.10 × 30 | $3.00 | 30 s continuos a 720P |
| Wan 3.0 Preview, 480P | $0.05 × 30 | $1.50 | 30 s continuos a 480P |
| Wan 2.7, inicio más continuación | $0.15 × 25 facturados | $3.75 | Solo 15 s. No puede llegar a 30. |
| Seedance 2.5, 480p | desde $0.134 × 30 | ~$4.05 | 30 s continuos, limitado a 720p |
Lee otra vez 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, y además no funciona.
Una salvedad sobre la fila de Seedance: su tarifa listada es el suelo para 480p y el modelo factura por área de píxeles, así que las ejecuciones a 720p cuestan en la práctica aproximadamente 2,25 veces esa cifra.
Sobre licencias, cuidado. Wan 3.0 está en beta, así que los términos comerciales proceden del acuerdo de servicio de Alibaba Cloud que aceptas al solicitar acceso, 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 con los términos de tu propia cuenta antes de entregar trabajo a clientes.
Preguntas frecuentes
¿Wan 3.0 Preview ya está disponible para todo el mundo?
No. Entró en beta pública el 6 de agosto de 2026, pero el acceso está restringido mediante solicitud a través de Alibaba Cloud Model Studio y Qwen Cloud. Las cuentas aprobadas obtienen 2 solicitudes simultáneas, 30 RPM y una cola asíncrona de 50 tareas, dimensionada para evaluación más que para producción.
¿Wan 3.0 Preview es open source y dónde están los pesos?
No hay ninguno. Consultar la API de Hugging Face para todos los repositorios bajo la organización Wan-AI no devuelve nada por encima de Wan 2.2. Los tres repositorios más nuevos, todos variantes de Wan2.2-Animate-2, se crearon el mismo día en que se lanzó Wan 3.0. Wan 2.2 sigue siendo el techo con pesos abiertos.
¿Wan 3.0 Preview realmente hace 4K nativo?
No. La documentación oficial enumera 480P, 720P y 1080P. La afirmación sobre 4K procede de sitios agregadores que se citan entre sí en lugar de acudir a la fuente primaria, y contradice la propia tabla de precios de Alibaba, que tiene exactamente tres niveles de resolución.
¿Cuánto cuesta un vídeo de Wan 3.0 Preview de 30 segundos?
A 1080P, $0.20 por segundo de salida dan $6.00 por 30 segundos. A 720P son $3.00 y a 480P son $1.50. Como comparación, 15 segundos continuos en Wan 2.7 a 1080P me costaron $3.75 a la tarifa real facturada.
¿Puedo generar hoy un plano secuencia de 30 segundos 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 fuente de 10 segundos o menos y hace un bucle hacia atrás cuando se encadena. Seedance 2.5 sí hace de 4 a 30 segundos en una sola pasada, pero solo hasta 720p.
Wan 3.0 Preview frente a Wan 2.7: ¿merece 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 al que sustituye.
