Exigences VRAM de Wan 3.0 : pourquoi 80 Go ne suffisent pas, et ce qui fonctionne réellement aujourd'hui

Dernière mise à jour : Wan 3.0 est désormais disponible depuis le 24 août 2026.

Vous avez ouvert six onglets. Chacun vous a présenté un tableau net : 1,3B sur 8 Go, 14B sur 24 Go, Apache-2.0, livré en avril 2026. Vous avez donc ouvert la page Wan-AI sur Hugging Face pour récupérer le point de contrôle.

27 dépôts. Le plus récent est Wan2.2.

Ces tableaux ne sont pas obsolètes. Ils ont été inventés. Les exigences VRAM de Wan 3.0 n'ont pu être mesurées par personne en dehors d'Alibaba, car Wan 3.0 n'est entré en version bêta publique que le 6 août 2026 et n'a jamais publié de fichier de poids. Il n'y avait rien à publier en avril.

Alors, quelle est la vraie réponse ? Personne ne l'a comparé. Mais la fiche technique de Wan 3.0 encadre la réponse de manière rigide, et nous avons effectué ce calcul ci-dessous.

Points clés

• Aucun poids de Wan 3.0 n'existe nulle part. Tous les tableaux VRAM pour cela sur le web aujourd'hui sont fabriqués.
• Wan 3.0 est une bêta API propriétaire : 30s max, 1080P max, pas de niveau 4K.
• Ses propres spécifications impliquent une séquence latente 13,5 fois plus longue qu'un clip 720P de 5s, soit une facture d'attention ~180x.
• Le plafond local réel aujourd'hui est Wan2.2 TI2V-5B sur 24 Go, ou 6 Go avec quantification communautaire.
• Pour une sortie 1080P cette semaine, louez des secondes plutôt que d'acheter de la VRAM.

Exigences VRAM de Wan rendues visibles : la même première image animée au niveau 720P à gauche et au niveau 1080P à droite, toutes deux rendues avec aucun GPU local

Même première image, même invite de mouvement, même modèle. Seul le niveau de résolution change : 720P à gauche à 0,50 $ pour 5 secondes, 1080P à droite à 0,75 $. Les deux ont été rendus sur Wan 2.7 avec zéro VRAM locale, et le prix sur chaque étiquette est le devis que le bouton Run nous a réellement donné. Montré sous forme de GIF silencieux.

C'est de cela que parle tout cet argument. Pas de gigaoctets. Des pixels.

Pourquoi tous les tableaux d'exigences VRAM de Wan 3.0 que vous avez trouvés sont fictifs

Conclusion d'abord : les pages les mieux classées pour ce mot-clé ont recyclé les chiffres de Wan 2.1 et Wan 2.2, ont collé "3.0" dessus et ont inventé une date de sortie. Vous pouvez tout réfuter en environ 60 secondes.

Regardez ça.

Page de l'organisation Wan-AI sur Hugging Face montrant 27 dépôts avec Wan2.2 comme version la plus élevée, prouvant qu'aucun poids Wan 3.0 n'existe pour les tests VRAM locaux

L'organisation officielle Wan-AI sur Hugging Face, onglet modèles, triés du plus récent au plus ancien. 27 dépôts, et le numéro de version le plus élevé de la liste est 2.2 (Hugging Face, août 2026).

Il n'y a pas de dépôt Wan3.0. Il n'y a pas non plus de dépôt Wan2.7, Wan2.6 ou Wan2.5. La chose la plus récente dans l'org est Wan2.2-Animate-2-14B-Diffusers, mise à jour il y a sept jours (Hugging Face, août 2026).

Voici la ventilation revendication par revendication.

Tableau 1 : ce que les guides prétendent vs ce qui est vérifiable

Ce qu'Alibaba a réellement livré en août 2026 est un produit API et web, pas un point de contrôle. Une génération va jusqu'à 30 secondes, la résolution plafonne à 1080P, et elle accepte en entrée du texte, des images, de l'audio, de la vidéo et même des documents (doc, xls, ppt, pdf, md) comme référence. Le prix de l'API est de ¥0,3 / ¥0,6 / ¥1,2 par seconde pour 480P / 720P / 1080P (QbitAI, août 2026).

Remarquez ce qui manque dans cette liste : un lien de téléchargement.

Exigences VRAM de Wan 3.0, calculées à partir de ses propres spécifications

Promesse : à la fin de cette section, vous saurez pourquoi "acheter une carte 32 Go" ne peut pas fonctionner, avec des chiffres que vous pouvez recalculer vous-même. Preuve : le calcul ne nécessite que deux faits publiés, le taux de compression VAE de Wan et le plafond 1080P/30s de Wan 3.0.

Commençons.

C'est la longueur de séquence, pas le nombre de paramètres. Tout le monde regarde le nombre de B. C'est la mauvaise variable.

La mémoire et le calcul d'un transformateur de diffusion vidéo évoluent en fonction du nombre de jetons latents sur lesquels il doit porter son attention, et ce nombre provient de la résolution multipliée par la durée, pas des paramètres. La VAE de Wan2.2 compresse à 4x16x16 dans le temps, la hauteur et la largeur, et le DiT patchifie par-dessus, donc chaque jeton latent couvre environ un bloc de pixels 4x32x32 (README Wan2.2, août 2026). La VAE plus ancienne de la génération Wan2.1 compresse à 4x8x8, donc avec patchification, c'est 4x16x16 par jeton, soit quatre fois plus de jetons pour le même clip.

Appliquez le propre plafond de Wan 3.0 et voici ce qui en ressort.

Tableau 2 : nombre de jetons latents par clip cible (notre calcul, 24 ips)

Relisez la dernière ligne. La capacité phare de Wan 3.0 est 13,5 fois la longueur de séquence du clip 720P de 5 secondes sur lequel votre 4090 transpire actuellement.

Et l'auto-attention est quadratique par rapport à la longueur de séquence. 13,5 au carré donne environ 180. Ainsi, le travail d'attention pour un clip 1080P de 30s est environ 180x le travail d'attention d'un clip 720P de 5s, avant de compter quoi que ce soit d'autre.

C'est le nombre que personne dans les SERP n'a calculé. C'est aussi pourquoi "acheter 8 gigaoctets supplémentaires" n'est pas un plan.

Alors, qu'est-ce que cela signifie en gigaoctets ? Les poids sont la partie ennuyeuse. Un MoE total de 27B en fp8 représente environ 27 Go résidents, en bf16 environ 54 Go. MoE n'aide que pour le calcul par étape (l'A14B de Wan2.2 active 14B des 27B paramètres par étape), pas ce qui doit vivre en mémoire.

La partie intéressante, ce sont les activations. L'état caché d'une couche de transformateur à la dimension du modèle 5120 en bf16 coûte jetons x 5120 x 2 octets :

• 5s 720P (27 280 jetons) : 0,28 Go par couche
• 30s 1080P (369 240 jetons) : 3,8 Go par couche
• 30s 1080P sur une VAE de génération 2.1 (1 476 960 jetons) : 15,1 Go par couche

Par couche. Multipliez par le nombre de couches que votre implémentation d'attention doit garder actives, ajoutez l'encodeur de texte, ajoutez la passe de décodage VAE, et le chiffre de 80 Go cesse d'être conservateur.

Tableau 3 : estimation de la VRAM si les poids sont un jour livrés (ESTIMATION, non mesurée)

Chaque cellule de ce tableau est une ESTIMATION dérivée du tableau 2 plus les tailles de points de contrôle publiées. Les chiffres réels dépendent du noyau d'attention, de la stratégie de déchargement et du fait qu'Alibaba publie un jour des poids. Traitez-le comme la forme du problème, pas une fiche technique.

La forme est assez claire : le réglage phare n'a jamais été une charge de travail pour GPU grand public.

Les exigences VRAM de Wan que vous pouvez réellement atteindre aujourd'hui

Voici la partie que les tableaux fabriqués prétendaient être. Ces chiffres sont publiés par l'équipe Wan et ils sont réels.

Tableau 4 : niveaux VRAM réels de Wan, août 2026

Deux choses dans ce tableau méritent un second regard.

Premièrement : la ligne A14B a déjà les deux indicateurs d'économie de mémoire activés et veut toujours 80 Go. C'est le chiffre officiel pour un seul GPU, pas un chiffre naïf. Deuxièmement : la ligne 5B est la réponse honnête pour le grand public, et son propre README cite 5 secondes de 720P en moins de 9 minutes sur une 4090.

En dessous de 24 Go, vous êtes en territoire communautaire. WanGP (le projet deepbeepmeep/Wan2GP, qui se décrit comme des modèles génératifs "accessibles aux pauvres en GPU") permet de faire fonctionner certains modèles avec 6 Go en utilisant les quantifications int8, fp8, gguf, NVFP4 et Nunchaku. Il prend en charge Wan 2.1 et 2.2. Il ne prend pas en charge 3.0, car il n'y a rien à prendre en charge.

Maintenant, la partie qui devrait changer votre décision d'achat : l'hypothèse selon laquelle "la prochaine version sera ouverte" a échoué trois fois de suite. Wan 2.2 était sous Apache-2.0. Wan 2.5 est passé en API uniquement. Wan 2.6 et 2.7 n'ont jamais publié de poids. Wan 3.0 n'a aucun fichier de licence.

Acheter une carte aujourd'hui en pariant que les poids 3.0 atterriront demain, c'est parier contre une tendance de trois générations.

Pour une exécution hébergée actuelle, ouvrez Wan 3.0 sur Atlas Cloud et testez une invite comme celle ci-dessous avant de publier le workflow.

Capture d'écran de l'invite au résultat Wan 3.0 : chemin de rendu sans GPU.

Contournez les exigences VRAM : le workflow Wan sans GPU

Laissez-moi être franc sur la limite d'abord, car la plupart des pages dans ce créneau ne le seront pas.

Personne n'héberge Wan 3.0. Ni Atlas Cloud, ni personne d'autre. Il n'y a pas de poids, donc il n'y a pas d'inférence tierce. Si une page vous propose un "accès API Wan 3.0", elle vous vend autre chose.

Ce que vous pouvez obtenir dès maintenant, c'est le reste de la famille, hébergé, facturé à la seconde, sans VRAM dans l'équation. Atlas Cloud exécute Wan 2.2 à 2.7 derrière une seule API et un seul onglet de navigateur, et Wan 2.7 en 1080P est ce qui se rapproche le plus d'une sortie de classe 3.0 en dehors des propres canaux bêta d'Alibaba.

Pour le lecteur auquel cet article est destiné, cela résout un problème spécifique. Vous étiez sur le point de dépenser quatre chiffres pour une carte afin de courir après un point de contrôle qui n'existe pas. Louer des secondes signifie que vous découvrez à quoi ressemble réellement la sortie avant d'acheter quoi que ce soit, et si les poids 3.0 ne tombent jamais, vous n'avez perdu que quelques dollars.

Tableau 5 : la famille Wan hébergée (prix catalogue en août 2026)

Un avertissement avant le tutoriel, car il apparaîtra sur votre facture : le prix catalogue est un plancher. La page de Wan 2.7 cite 0,10 $ par seconde. Lors de nos tests d'août 2026, la même tâche de cinq secondes coûtait 0,50 $ au niveau 720P et 0,75 $ au niveau 1080P, donc le niveau phare facture 0,15 $ par seconde, soit une fois et demie le tarif indiqué. Lisez toujours le devis que le bouton vous donne avant de cliquer.

Tableau 6 : quatre routes vers 30 secondes de 1080P

Faites la division. À environ 4,50 $ pour 30 secondes de 1080P, une carte à 2 000 $ nécessite environ 440 rendus de trente secondes pour atteindre le seuil de rentabilité, et elle ne peut toujours pas en produire un seul.

C'est l'argument. Voici maintenant l'exécution en trois étapes pour que vous puissiez juger la sortie vous-même.

Étape 1 : Verrouillez la première image en 16:9

Chaque comparaison VRAM honnête a besoin d'une variable. Nous fixons donc la première image, puis nous alimentons l'image identique et l'invite de mouvement identique aux deux niveaux. Toute différence que vous voyez ensuite est due au niveau, pas au dé.

Ouvrez le playground Qwen Image 2.0 Pro texte vers image et collez ceci :

textCopy
1Plan large cinématographique à l'intérieur d'un bureau à domicile sombre à 2h du matin : un jeune ingénieur en sweat à capuche gris se penche en arrière dans un fauteuil de bureau, visage éclairé uniquement par un rig triple écran montrant une timeline vidéo en pause. À côté du bureau, un boîtier PC ouvert brille, une seule carte graphique surdimensionnée visible à l'intérieur, ventilateurs qui tournent. Particules de poussière dans l'air, étalonnage des couleurs teal et ambre, faible profondeur de champ, objectif anamorphique 35 mm, photoréaliste, très détaillé, 16:9
2

Paramètres : cliquez sur le bouton de format 16:9, qui ajuste l'image à 1280 x 720, et laissez tout le reste par défaut. Le coût est de 0,06 $ par image (actuellement 20 % de réduction sur 0,075 $). Les cases largeur et hauteur peuvent aller jusqu'à 2048 par côté si vous voulez une image plus grande, mais la valeur par défaut du bouton a déjà la bonne forme pour les deux niveaux vidéo.

Pourquoi cette scène ? Parce que c'est littéralement le lecteur. Conservez le fichier de sortie, vous en aurez besoin deux fois.

Playground Qwen Image 2.0 Pro sur Atlas Cloud avec le bouton de format 16:9 sélectionné et la première image 1280x720 terminée dans le panneau de sortie

Étape 1 terminée : le bouton 16:9 sélectionné à 1280 x 720, et la première image que les deux niveaux vidéo utiliseront comme point de départ. 0,06 $ sur le bouton Run.

Étape 2 : Animez-la au niveau VRAM 720P

C'est le substitut de ce qu'une véritable configuration locale 24 Go vous offre : 720P, cinq secondes, et c'est le plafond.

Un choix délibéré ici. Plutôt que de changer de modèle entre les deux niveaux, nous exécutons le même modèle aux deux, donc la seule variable dans la comparaison est le niveau de résolution. Chargez l'image de l'étape 1 comme première image dans le playground Wan 2.7 image vers vidéo, puis collez cette invite de mouvement :

textCopy
1L'ingénieur se penche lentement en avant et se frotte les yeux ; la lueur du moniteur vacille tandis que la timeline défile ; la caméra avance légèrement ; les particules de poussière dérivent à travers le faisceau lumineux ; micro-tremblement subtil de la caméra tenue à la main ; plan continu unique, sans coupures.
2

Paramètres : résolution 720P, durée 5s, tout le reste par défaut. Le bouton Run a indiqué 0,50 $, ce qui correspond au tarif catalogue de 0,10 $ par seconde multiplié par cinq secondes. Notez ce nombre, car l'étape 3 va le modifier.

Playground Wan 2.7 image vers vidéo au niveau 720P avec la première image chargée, durée 5s, et le clip terminé dans le panneau de sortie

Étape 2 terminée : le niveau 720P, 5 secondes, devis à 0,50 $, avec un vrai clip dans le panneau de sortie.

Étape 3 : Animez la même image en 1080P sans GPU local

Même page, même première image, même invite de mouvement mot pour mot, même durée de 5 secondes. Changez exactement un contrôle : réglez la résolution sur 1080P.

Le devis Run passe de 0,50 $ à 0,75 $. C'est votre 0,15 $ par seconde, mesuré, sur une page dont le prix catalogue indique 0,10 $.

Deux pièges de paramètres à surveiller, qui nous ont coûté des exécutions réelles pour les apprendre :

• Le contrôle de durée ne s'applique pas toujours. Nous avons réglé la durée sur 10 secondes, le champ affichait 10, et le travail a quand même rendu 5 secondes. Le devis du bouton Run est la seule source de vérité : à 0,15 $ par seconde, un vrai travail 1080P de 10 secondes doit afficher environ 1,50 $, donc un devis de 0,75 $ signifie que vous achetez toujours 5 secondes, quoi que montre le curseur. Lisez le devis, pas le champ.
• Confirmez que votre propre image est chargée. Si l'emplacement de référence contient encore l'image de démonstration prédéfinie de la page, l'exécution produira volontiers quelque chose de sans rapport. Regardez la vignette avant de cliquer.

Playground Wan 2.7 image vers vidéo au niveau 1080P avec le bouton Run indiquant 0,75 $, et le clip 1080P terminé dans le panneau de sortie

Étape 3 terminée au niveau 1080P. Le devis Run est le point clé : 0,75 $ pour les mêmes cinq secondes qui coûtaient 0,50 $ un niveau en dessous, sur une page qui liste 0,10 $ par seconde.

Les deux rendus sont dans le clip en haut de cet article, côte à côte. C'est tout l'argument VRAM en cinq secondes : deux niveaux de sortie, la même invite, et pas un gigaoctet de mémoire vidéo locale impliqué.

Variations intéressantes à essayer. Passez en 480P pour des aperçus bon marché avant de vous engager dans un rendu 1080P. Échangez avec alibaba/wan-2.6/text-to-video à 0,07 $/s lorsque vous n'avez pas de première image et que vous voulez 15 secondes en une seule fois. Utilisez alibaba/wan-2.2/animate-mix à 0,126 $/s pour mettre un personnage différent dans une séquence que vous avez déjà. Et si vous voulez vous rapprocher de 30 secondes, prévoyez deux clips, à cause d'un plafond de 15 secondes par clip que presque aucun tutoriel ne mentionne.

Foire aux questions

Un GPU 24 Go peut-il exécuter Wan 3.0 ?

Pas aujourd'hui, car il n'y a pas de poids à charger. S'ils sont un jour publiés, les calculs du tableau 2 indiquent que 24 Go vous donneront du 480P et des clips courts avec une quantification agressive. Le réglage phare 1080P/30s est d'un ordre de grandeur différent et n'est pas accessible sur une seule carte grand public.

Où puis-je télécharger les poids de Wan 3.0 ?

Nulle part. L'organisation Wan-AI sur Hugging Face s'arrête à Wan2.2, et l'org GitHub Wan-Video n'a pas de dépôt d'inférence 3.0 ni de licence 3.0. Tout site proposant un "téléchargement du point de contrôle Wan 3.0" ne distribue pas ce qu'il prétend.

Wan 3.0 est-il open source ou Apache 2.0 ?

Aucune licence n'a été publiée. La tendance va dans l'autre sens : Wan 2.2 était sous Apache-2.0, Wan 2.5 est passé en API uniquement, et 2.6 et 2.7 n'ont publié aucun poids du tout. Trois générations consécutives se sont fermées. Planifiez en conséquence.

Quel est le modèle Wan à la plus faible VRAM que je puisse réellement exécuter aujourd'hui ?

Wan2.2 TI2V-5B, officiellement 24 Go sur une 4090, produisant 5s de 720P en moins de 9 minutes. En dessous, les chemins quantifiés de WanGP descendent jusqu'à 6 Go sur certains modèles, et vous payez en vitesse et en détails.

Wan 3.0 vs Wan 2.7 : lequel puis-je exécuter localement ?

Ni l'un ni l'autre. Les deux sont uniquement API. Si l'exigence est "fonctionne sur ma machine", vos options sont les familles Wan 2.1 et 2.2. Si l'exigence est une sortie de classe 2.7, c'est un appel hébergé, pas une installation locale.

Si je ne peux pas l'exécuter localement, comment obtenir 30 secondes de 1080P maintenant ?

La bêta propriétaire d'Alibaba facture à la seconde et fournit 30s en un seul clip. En dehors de ces canaux, il y a un plafond strict de 15 secondes par clip, donc 30 secondes signifie assembler deux clips. Lors de nos propres tests de continuation Wan 2.7, les contraintes étaient strictes : le segment source devait durer de 2 à 10 secondes, la sortie devait être strictement plus longue que la source, les images sources n'étaient pas conservées, et l'enchaînement des continuations n'accumulait pas la durée. La plupart des tutoriels ne mentionnent jamais tout cela.

Donc, la version courte de toute la question des exigences VRAM de Wan 3.0 : arrêtez de chercher une carte, car le point de contrôle pour lequel vous l'achèteriez n'existe pas. Exécutez Wan 2.2 localement si vous voulez des poids sur le disque, et louez des secondes 1080P lorsque vous voulez la sortie que les faux tableaux vendaient.