Wan 3.0 vs Wan 2.7: Abrí los archivos demo de Alibaba. Tres especificaciones que todos copiaron están mal.

Última actualización: Wan 3.0 ya está disponible desde el 24 de agosto de 2026.

Dos monitores de edición lado a lado, el izquierdo muestra un monstruo marino emergiendo de una tormenta, el derecho muestra la misma tormenta truncada.

Reproduce el clip de 30 segundos del monstruo marino que Alibaba incluyó con la beta de Wan 3.0. Barco pesquero, lluvia torrencial, relámpagos, luego el océano explota hacia arriba. Diez tomas distintas. Ni un solo corte. La partitura orquestal de fondo fue escrita por el modelo.

Tu primera reacción no es "guau". Es "¿qué le falta exactamente a mi Wan 2.7?"

Así que fui a buscar la respuesta, y lo primero que encontré fue que la mayor parte de internet está respondiendo mal. Busca wan 3.0 vs wan 2.7 y los primeros resultados te dicen con seguridad que Wan 3.0 renderiza 4K nativo y que los pesos están en Hugging Face. Ninguna de las dos cosas es cierta. Descargué los archivos demo oficiales en un portátil y los leí con ffmpeg, luego revisé los registros de modelos y los niveles de precios publicados. La mejora real es grande. Simplemente no es la mejora que la gente describe.

Wan 3.0 vs Wan 2.7: conclusiones clave

• La duración es lo principal. Wan 3.0 genera 30 segundos en una sola pasada con una recomendación automática de "duración inteligente". Wan 2.7 tiene un límite de 15 segundos para texto a video e imagen a video, y 10 segundos para referencia a video y edición de video.
• Las referencias pasan de un puñado a una multitud. Wan 2.7 acepta hasta 5 elementos de referencia. Wan 3.0 acepta hasta 20, y por primera vez admite archivos doc, xls, ppt, pdf y md, además de páginas web, como entradas de generación.
• No hay 4K. La propia lista de precios de la API de Alibaba tiene exactamente tres niveles: 480P, 720P y 1080P. En Atlas Cloud, Wan 2.7 en realidad ofrece un techo más alto a través de sus opciones de superresolución 1080P-SR y 1440P-SR.
• Los pesos no son abiertos. La organización Wan-AI en Hugging Face todavía llega hasta Wan 2.2. No hay repositorio de 3.0, ni de 2.7, ni de 2.5.
• Wan 3.0 es solo beta y solo de primería. Se ejecuta en Alibaba Cloud Bailian, el sitio Wanxiang, la aplicación de escritorio Qianwen Creation y algunos productos hermanos. Si necesitas una API a la que puedas llamar en producción esta semana, Wan 2.7 sigue siendo la generación que responde.
• ¿Quieres ver el formato antes de aprender la gramática de los prompts? Atlas Cloud tiene un generador gratuito de anuncios cómicos con IA que convierte una descripción de producto en un anuncio cómico de 15 segundos con dos personajes y diálogo hablado. Una generación gratuita, sin marca de agua.

La secuencia completa del kaiju de 30 segundos, generada por Alibaba en Wan 3.0 durante la beta pública y publicada en el manual oficial del creador de Wan 3.0. Nosotros no generamos este clip. Activa el sonido: la partitura es parte de la salida, no una pista musical añadida después. Archivo tal como se entregó: 1920x1072, 24fps, 30.07s, AAC estéreo 44.1kHz.

Esto es lo primero que omiten las hojas de especificaciones. Ese archivo es 1920x1072, no 1920x1080. Cada demo "1080p" en el manual oficial termina en 1072 píxeles de altura, y varias de las otras demos publicadas son simplemente 1280x720. Doce de los diecinueve clips del manual duran de 30.05 a 30.07 segundos, lo que indica que el límite de 30 segundos es un tope duro real y no un número redondo de marketing.

Por qué la pregunta Wan 3.0 vs Wan 2.7 es más difícil de lo que parece

La respuesta honesta es que casi nadie ha ejecutado ambos modelos con el mismo prompt, porque casi nadie puede. Wan 3.0 se abrió para beta pública el 6 de agosto de 2026 y vive en las superficies propias de Alibaba (QbitAI, agosto de 2026). Las plataformas de inferencia de terceros no lo han adoptado. Por lo tanto, el contenido de comparación que existe es de hoja de especificaciones a hoja de especificaciones, y las hojas de especificaciones se han copiado de lado hasta que los errores se han calcificado.

Tres "hechos" sobre Wan 3.0 vs Wan 2.7 que son simplemente incorrectos

"Wan 3.0 es 4K nativo." No lo es. La lista de precios de la API publicada tiene 480P, 720P y 1080P a ¥0.3, ¥0.6 y ¥1.2 por segundo. Tres niveles, no hay cuarto. Mientras tanto, Atlas Cloud expone 1080P-SR y 1440P-SR en Wan 2.7, por lo que en el techo de píxeles puro, la generación anterior gana actualmente.

"Los pesos de Wan 3.0 son abiertos." No lo son. Navega por Hugging Face y la familia más nueva lanzada por la organización Wan-AI es Wan 2.2, incluidas las variantes Animate y S2V. La línea principal de video no ha lanzado pesos desde 2.2. Si quieres algo para un gráfico local de ComfyUI, 2.1 y 2.2 son tus opciones y eso no ha cambiado.

"La gramática de los prompts se transfiere directamente." Esto es medio cierto de una manera que te quemará. Las palabras se transfieren. La estructura no. Los prompts oficiales de Wan 3.0 son guiones de múltiples tomas con marcas de tiempo: el prompt del kaiju son diez tomas numeradas, el prompt de la valla publicitaria son cuatro ritmos etiquetados con rangos de segundos explícitos. Pega un guion de diez tomas en un modelo de 15 segundos y no elegirá elegantemente seis tomas. Lo comprime.

Por qué no puedes simplemente intercambiar prompts entre Wan 3.0 y Wan 2.7

Hay una segunda trampa debajo de esa, y es la razón por la que "simplemente une dos clips" no te salva.

Wan 2.7 tiene un modo de continuación de video. Parece un camino hacia 30 segundos. No lo es. El clip de origen que le introduces debe tener de 2 a 10 segundos, por lo que una generación de 15 segundos no puede ser la semilla. La salida recodifica el origen, lo que se come la cola del clip que introdujiste. Y encadenar continuaciones tiende a derivar hacia el ritmo inicial en lugar de avanzar la historia. Quince segundos es el límite duro para un archivo continuo de Wan 2.7. Cualquier cosa más larga es una edición, no una generación.

Ese es el verdadero costo de migración entre estas dos generaciones, y ninguna tabla de comparación te lo mostrará.

Hoja de especificaciones de Wan 3.0 vs Wan 2.7, y dónde ejecutarlo realmente

Para probar todo esto necesitas un lugar que ejecute texto a video, referencia a video y edición de video en la misma cuenta, con facturación por segundo para que una toma fallida te cueste segundos en lugar de una suscripción. Todo lo que está en el lado de Wan 2.7 de este artículo se ejecuta en Atlas Cloud, que aloja los cuatro endpoints de Wan 2.7 y el modelo de imagen utilizado para la prueba de referencia. Wan 3.0 no está en Atlas Cloud ni en ninguna otra plataforma de terceros todavía, que es exactamente la razón por la que el material de Wan 3.0 en este artículo proviene de las propias publicaciones beta de Alibaba.

Tabla 1: Wan 3.0 vs Wan 2.7, generación a generación

Tabla 2: los endpoints de Wan 2.7 utilizados en este artículo

Un detalle de precios que vale la pena internalizar antes de ejecutar cualquier cosa: el titular "$0.1 por segundo" es la línea base de 720P. La página de edición de video documenta un multiplicador de 1.5x para 1080P directamente, y el botón Ejecutar cotiza el número real para el nivel que hayas seleccionado. Lee el botón, no el encabezado.

Para una ejecución alojada actual, abre Wan 3.0 en Atlas Cloud y prueba un prompt como el siguiente antes de publicar el flujo de trabajo.

Captura de pantalla de prompt a resultado de Wan 3.0: Comparación de modelos emparejados.

Realiza tú mismo la prueba Wan 3.0 vs Wan 2.7

Cuatro pasos. Dos de ellos usan el material publicado por Alibaba como punto de referencia fijo, dos son ejecuciones que haces tú mismo. Nada de esto requiere acceso a la beta de Wan 3.0.

Paso 1: Obtén el clip de Wan 3.0 y su prompt original

El lado de Wan 3.0 de esta prueba no es algo que generes. Es algo que lees. El prompt completo del kaiju está publicado en el manual oficial del creador de Wan 3.0, junto con el clip terminado, bajo el ejemplo "灾难电影". Es un guion en chino con diez tomas numeradas y un párrafo separado que describe la partitura.

Léelo una vez antes de hacer cualquier otra cosa. La estructura es la lección: diez tomas, cada una con su propia cámara, sujeto y nota de iluminación, terminando con un resumen de la partitura. Así es como se ve un prompt de generación de una sola pasada de 30 segundos.

Paso 2: Ejecuta el mismo prompt a través de Wan 2.7 texto a video

Abre el playground de texto a video de Wan 2.7 y pega la traducción al inglés de ese mismo guion. No lo acortes todavía. Quieres ver qué hace el modelo cuando la intención supera el límite.

PlainCopy
1A 30-second, photoreal cinematic sequence: a deep-sea kaiju emerges at night in a raging storm. Open on a small, battered fishing trawler with the white letters "WAN" on its hull, fighting through enormous waves under torrential rain; lightning briefly lights the whole ocean. Push to a mid-close shot on the deck: waves smash over the bow, ropes, nets and metal railings whip in the wind, rain streaks the lens. Then the sea ahead swells unnaturally, an enormous vortex forms, and a vast dark shape passes beneath the boat, lifting it. A crewman in a soaked rain jacket grips the rail, terrified, and turns toward the water. Finally the surface explodes upward and a colossal Pacific-Rim-style sea monster breaches: wet, scarred, ridged skin, huge jaws, tens of meters of spray. Close on its head roaring in the lightning. The trawler is nearly swallowed. End on a wide shot: the kaiju towering over the churning sea, the boat tiny in the foreground, one final lightning strike. Hollywood disaster-movie scoring: low sub-bass rumble and sparse strings building to brass and heavy percussion at the breach, ending on an oppressive sustained low chord. Photoreal scale, volumetric water, high-contrast storm lighting.
2

Configuración: Resolución 1080P, Duración 15s (el máximo), Relación de aspecto 16:9, audio activado para que el modelo lo puntúe solo. Deja el espacio de audio de referencia vacío.

Playground de texto a video de Wan 2.7 en Atlas Cloud con el prompt del kaiju cargado y el clip de 15 segundos terminado en el panel OUTPUT

Playground de texto a video de Wan 2.7 en Atlas Cloud, prompt pegado, 1080P y 16:9 seleccionados. El botón Ejecutar cotiza $0.75 para esta toma de prueba corta, que equivale a $0.15 por segundo: el multiplicador de 1.5x para 1080P a la vista, en una página de modelo cuyo número principal es $0.1.

Luego ejecútalo una segunda vez con una línea añadida al prompt:

PlainCopy
1Single continuous take, no cuts. Prioritize the breach moment; compress the setup.
2

Esa única línea es el trabajo de migración en miniatura. Un guion de 30 segundos debe ser reescrito como una intención de 15 segundos, y tú eres quien decide qué siete tomas mueren.

Izquierda: la salida oficial de Wan 3.0, 30 segundos. Derecha: Wan 2.7 en Atlas Cloud ejecutando el mismo prompt, deteniéndose en su límite de 15 segundos.

Paso 3: Construye las imágenes de referencia para la prueba de identidad Wan 3.0 vs Wan 2.7

La duración es la mejora ruidosa. La consistencia a nivel de píxel es la que realmente cambia el trabajo de producción, y puedes probarla con dos gatos.

El manual de Alibaba incluye una parodia de Wes Anderson en la que el mismo gato ragdoll y el mismo gato negro tienen que sobrevivir en cinco entornos radicalmente diferentes: un pasillo de hotel simétrico, una vista lateral en sección, un tambor de lavadora, una cinta de equipaje de aeropuerto y una cabina telefónica roja. Ambos gatos están anclados con etiquetas de referencia @Image1 y @Image2.

Genera tus propias dos referencias primero. Usa GPT Image 2 con calidad configurada en alta y un marco 16:9, y ejecútalo dos veces.

PlainCopy
1A studio portrait of a fluffy ragdoll cat with blue eyes and a dark mask, sitting upright facing the camera, evenly lit against a plain pale pink background, sharp fur detail, full body visible, clean reference-sheet framing.
2

PlainCopy
1A studio portrait of a small sleek black cat with bright amber eyes, standing in profile facing right, evenly lit against a plain pale pink background, sharp fur detail, full body visible, clean reference-sheet framing.
2

Playground de GPT Image 2 en Atlas Cloud con calidad configurada en alta y la hoja de referencia del gato ragdoll renderizada en el panel OUTPUT

GPT Image 2 con calidad alta, 16:9. Ejecuta el segundo prompt de la misma manera para obtener el gato negro.

Paso 4: Ejecuta la prueba de identidad en Wan 2.7 referencia a video

Sube ambos gatos al endpoint de referencia a video de Wan 2.7. Resolución 1080P, relación de aspecto 16:9, duración 10 segundos, que es el máximo de este endpoint. El prompt a continuación es la lista de tomas del manual comprimida de cinco ritmos a tres, porque diez segundos no contienen cinco.

PlainCopy
1Wes Anderson style, perfectly symmetrical, flat frontal compositions, pastel palette. Reference image 1 is the ragdoll cat, reference image 2 is the black cat; keep both cats identical in every shot. Shot 1: an endless symmetrical hotel corridor, the ragdoll cat running straight toward the camera with a solemn expression, the black cat sprinting away in the background with its head twisted back 180 degrees. Shot 2: a cutaway side view of the corridor, pink patterned wallpaper and gold picture frames, the ragdoll walking left to right and the black cat crossing right to left. Shot 3: frontal macro on a mint-green vintage washing machine door, both cats floating stiffly inside the drum among suds, eyes blank, rainbow-ordered detergent bottles lined up behind. Rigid horizontals and verticals, no camera tilt, deadpan absurd humor.
2

Playground de referencia a video de Wan 2.7 en Atlas Cloud con ambas referencias de gatos cargadas y el clip terminado en el panel OUTPUT

Playground de referencia a video de Wan 2.7: ambos gatos cargados en los espacios de referencia de imagen, resolución configurada en 1080P, y el botón Ejecutar cotizando la toma antes de comenzar. Dos referencias ya es una parte significativa de lo que este endpoint acepta. Wan 3.0 toma 20 elementos de referencia.

Ahora ponlos uno al lado del otro.

El clip oficial de bloqueo de identidad de Wan 3.0: el mismo ragdoll y gato negro se mantienen consistentes a través de un pasillo de hotel, una pared en sección, un tambor de lavadora, una cinta de equipaje y una cabina telefónica roja

Generado por Alibaba en Wan 3.0 durante la beta pública y publicado en el manual oficial del creador. Cinco entornos, 19.9 segundos, ambos gatos anclados por etiqueta de referencia. Se muestra aquí como un GIF silencioso; el archivo entregado lleva audio estéreo 44.1kHz.

El resultado de referencia a video de Wan 2.7 con la misma indicación, tres tomas dentro del límite de 10 segundos

Referencia a video de Wan 2.7 en Atlas Cloud, las mismas dos referencias, mostrado aquí como un GIF silencioso. Esta es la toma predeterminada de 5 segundos del endpoint en lugar de los 10 completos: vale la pena saber que el control de duración no siempre se compromete con lo que configuras, así que lee la cotización del botón Ejecutar antes de presionarlo. Observa las marcas de los gatos y la máscara del ragdoll; esa es la dimensión de la que se trata la afirmación de "consistencia a nivel de píxel".

Cuatro prompts más de Wan 3.0 vs Wan 2.7 que vale la pena reejecutar

El clip del kaiju enfatiza la duración y la física. Estos tres enfatizan cosas diferentes, y cada uno choca con un límite diferente de Wan 2.7. Los tres son salidas beta oficiales de Alibaba del manual oficial.

Salida beta oficial de Wan 3.0: un único retroceso continuo de 30 segundos por un pasillo de hospital iluminado con fluorescentes, con una gradación monocromática verde pálido, y la actriz gritando pidiendo ayuda. Sonido activado. La actuación, los pasos y el zumbido del equipo son generados por el modelo.

Tabla 3: qué exige cada prompt y dónde lo limita Wan 2.7

Una versión gratuita de 15 segundos de la misma idea

Mira el clip de la gasolinera de nuevo. Ese formato, un breve sketch cómico con dos personajes, un giro y un remate, es donde el tiempo de ejecución extra de Wan 3.0 da sus mayores frutos. También es el formato con más probabilidades de vender algo.

El problema es el prompt. Los ejemplos de comedia del manual tienen 800 palabras con marcas de tiempo explícitas y bloqueo. Eso es una habilidad real y requiere un fin de semana para aprenderla.

Si solo quieres saber si el formato funciona para tu producto antes de invertir ese fin de semana, Atlas Cloud tiene una herramienta gratuita que omite por completo la ingeniería de prompts. Describes el producto, opcionalmente subes hasta cuatro fotos del producto de 8MB cada una, eliges uno de seis tonos (meme divertido, giro argumental, comedia de situación, conmovedor, lujo o venta agresiva), y escribe el guion de dos personajes, asigna las voces, genera el diálogo y los efectos de sonido, y devuelve un anuncio terminado de 15 segundos como una escena continua. Las descargas son limpias, sin marca de agua. Necesitas haber iniciado sesión, y obtienes una generación gratuita antes de recargar créditos.

Una línea de copia de producto entra, un anuncio cómico de 15 segundos terminado sale: el generador gratuito de anuncios cómicos con IA de Atlas Cloud

El Generador gratuito de anuncios cómicos con IA : una descripción de producto entra, un anuncio de 15 segundos con dos personajes sale.

Una salida real del generador gratuito. Sonido activado: el guion, las dos voces y los efectos de sonido salen todos de una sola ejecución.

Lo que cuesta ejecutar una comparación Wan 3.0 vs Wan 2.7

Por segundo, las dos generaciones están en el mismo vecindario en el nivel 720P. La diferencia de costo es estructural: un clip que solía ser de 15 segundos ahora es de 30, por lo que una pieza terminada aproximadamente se duplica.

Tabla 4: la misma secuencia del kaiju, de cuatro maneras

Dos advertencias. El precio beta no es el precio de disponibilidad general, y Alibaba ha dicho que la API se abrirá más ampliamente pronto, así que trata las cifras en ¥ como una instantánea de la beta pública en lugar de una tarifa comprometida. Y en el lado de Atlas Cloud, lee siempre la cotización en vivo en el botón Ejecutar antes de comprometerte, porque el multiplicador de resolución se aplica allí y no en el precio principal.

Alibaba también ha sido inusualmente directo sobre dónde Wan 3.0 todavía es débil, diciendo que el modelo "todavía tiene margen de mejora en la calidad del sonido y la precisión del texto". Eso coincide con lo que muestran los archivos: el audio de las demos oficiales es estéreo 44.1kHz pero codificado a una modesta tasa de 32 kb/s, que está bien para una vista previa y es escaso para un máster de entrega.

Licencia de Wan 3.0 vs Wan 2.7: qué puedes enviar realmente

Versión corta, y verifícalo contra los términos actuales tú mismo antes de poner cualquier cosa frente a un cliente.

Wan 3.0 está en beta pública y sus términos comerciales no están definidos. Debido a que los pesos no se han lanzado, no hay ninguna ruta autoalojada en absoluto; cualquier cosa que hagas pasa a través de la API de Alibaba o sus superficies de consumo, y estás sujeto a lo que esos términos digan el día que generes. Wan 2.7 es la misma historia con los pesos, pero ha estado en producción el tiempo suficiente para que los términos de la API de la plataforma sean estables. Si lo ejecutas a través de una plataforma de terceros, tus derechos comerciales provienen de los términos de servicio de esa plataforma, así que lee los que realmente se aplican a tu cuenta. Ninguno de estos párrafos es asesoramiento legal.

Preguntas frecuentes sobre Wan 3.0 vs Wan 2.7

¿Wan 3.0 es de código abierto? ¿Puedo ejecutarlo en ComfyUI?

No. A partir de agosto de 2026, no hay ningún repositorio de Wan 3.0 bajo la organización Wan-AI en Hugging Face, ni ninguno en el GitHub de Wan-Video. La familia Wan más nueva con pesos lanzados es Wan 2.2, incluidas las variantes Animate y S2V. Para un gráfico local de ComfyUI, todavía estás en 2.1 o 2.2. Wan 3.0 es solo API y web.

Resolución de Wan 3.0 vs Wan 2.7: ¿Wan 3.0 realmente genera 4K?

No. La lista de precios de la API publicada tiene tres niveles de resolución: 480P, 720P y 1080P. Varias publicaciones de comparación ampliamente compartidas afirman 4K nativo y están equivocadas. En el techo de salida bruto, Wan 2.7 en Atlas Cloud en realidad va más alto a través de sus opciones de superresolución 1080P-SR y 1440P-SR.

¿Puedo obtener 30 segundos de Wan 2.7 extendiendo clips?

No como un solo archivo continuo. El modo de continuación requiere un clip de origen de 2 a 10 segundos, por lo que una generación completa de 15 segundos no puede ser la semilla. La salida recodifica y recorta la cola de lo que sea que introduzcas, y las continuaciones encadenadas tienden a retroceder hacia el ritmo inicial. Más allá de los 15 segundos, estás editando, no generando.

Wan 3.0 vs Wan 2.7: ¿dónde puedo ejecutar cada uno hoy?

Wan 3.0 está en beta pública en las superficies propias de Alibaba: Alibaba Cloud Bailian, Wanjing Yike, el sitio Wanxiang, el cliente de escritorio Qianwen Creation, IF STUDIO y Duiyou, con acceso gradual en la aplicación Qianwen. Ninguna plataforma de inferencia de terceros lo aloja todavía. Wan 2.7 es la generación a la que aún puedes llamar directamente, a través de endpoints de texto a video, imagen a video, referencia a video y edición de video.

Precios de Wan 3.0 vs Wan 2.7: ¿cuál cuesta más por clip terminado?

Por segundo en el nivel 720P están cerca. Por clip terminado, espera aproximadamente el doble, porque la longitud de salida natural pasó de 15 segundos a 30. Presupuesta el cambio de tiempo de ejecución en lugar del cambio de tarifa, y recuerda que los precios beta pueden no sobrevivir a la disponibilidad general.

¿Necesito reescribir mis prompts de Wan 2.7 para Wan 3.0?

Sí, y la reescritura es estructural más que léxica. Los prompts de Wan 2.7 describen una sola toma continua con gran detalle. Los prompts de Wan 3.0 son listas de tomas con marcas de tiempo, a veces con un párrafo de puntuación separado, y el modelo también leerá un pdf o una presentación como entrada. Regla general: para Wan 2.7 escribe un párrafo sobre una sola toma; para Wan 3.0 escribe un desglose de escenas numerado con rangos de segundos.