Persyaratan VRAM Wan 3.0: Mengapa 80GB Tidak Cukup, dan Apa yang Sebenarnya Berjalan Saat Ini

Pembaruan terbaru: Wan 3.0 sudah live per 24 Agustus 2026.

Anda membuka enam tab. Masing-masing memberi Anda grafik yang bersih: 1.3B pada 8GB, 14B pada 24GB, Apache-2.0, dirilis April 2026. Jadi Anda membuka halaman Wan-AI di Hugging Face untuk mengambil checkpoint.

27 repositori. Yang terbaru adalah Wan2.2.

Grafik-grafik itu tidak usang. Itu dibuat-buat. Persyaratan VRAM Wan 3.0 tidak mungkin diukur oleh siapa pun di luar Alibaba, karena Wan 3.0 baru memasuki beta publik pada 6 Agustus 2026 dan tidak pernah merilis file bobot. Tidak ada yang bisa dirilis di bulan April.

Jadi apa jawaban sebenarnya? Tidak ada yang melakukan benchmark. Tetapi lembar spesifikasi Wan 3.0 sendiri mengunci jawabannya dengan keras, dan kami melakukan perhitungan itu di bawah.

Poin-poin penting

• Tidak ada bobot Wan 3.0 di mana pun. Setiap tabel VRAM untuknya di web saat ini adalah palsu.
• Wan 3.0 adalah beta API pihak pertama: maks 30 detik, maks 1080P, tidak ada tingkatan 4K.
• Spesifikasinya sendiri menyiratkan 13,5x urutan laten dari klip 5 detik 720P, yang merupakan tagihan perhatian ~180x.
• Batas lokal sebenarnya saat ini adalah Wan2.2 TI2V-5B pada 24GB, atau 6GB dengan kuantisasi komunitas.
• Untuk output 1080P minggu ini, sewa detik alih-alih membeli VRAM.

Persyaratan VRAM Wan terlihat: bingkai pertama yang sama dianimasikan pada tingkatan 720P di kiri dan tingkatan 1080P di kanan, keduanya dirender tanpa GPU lokal

Bingkai pertama yang sama, prompt gerakan yang sama, model yang sama. Hanya tingkatan resolusi yang berubah: 720P di kiri seharga $0,50 untuk 5 detik, 1080P di kanan seharga $0,75. Keduanya dirender pada Wan 2.7 dengan VRAM lokal nol, dan harga di setiap label adalah kutipan yang benar-benar diberikan oleh tombol Run. Ditampilkan sebagai GIF diam.

Itulah inti perdebatan ini. Bukan gigabyte. Piksel.

Mengapa Setiap Tabel Persyaratan VRAM Wan 3.0 yang Anda Temukan adalah Fiksi

Kesimpulan pertama: halaman-halaman peringkat teratas untuk kata kunci ini menggunakan kembali angka Wan 2.1 dan Wan 2.2, menempelkan "3.0" padanya, dan menciptakan tanggal rilis. Anda bisa menyangkal semuanya dalam waktu sekitar 60 detik.

Lihat ini.

Halaman organisasi Wan-AI Hugging Face yang menampilkan 27 repositori dengan Wan2.2 sebagai versi tertinggi, membuktikan tidak ada bobot Wan 3.0 untuk pengujian VRAM lokal

Organisasi resmi Wan-AI di Hugging Face, tab model, diurutkan dari yang terbaru. 27 repo, dan nomor versi tertinggi di mana pun dalam daftar adalah 2.2 (Hugging Face, Agustus 2026).

Tidak ada repo Wan3.0. Tidak ada repo Wan2.7, Wan2.6, atau Wan2.5 juga. Hal terbaru di organisasi adalah Wan2.2-Animate-2-14B-Diffusers, diperbarui tujuh hari lalu (Hugging Face, Agustus 2026).

Berikut rincian klaim demi klaim.

Tabel 1: apa yang diklaim panduan vs apa yang dapat diverifikasi

Apa yang sebenarnya dikirim Alibaba pada Agustus 2026 adalah produk API-dan-web, bukan checkpoint. Satu generasi berlangsung hingga 30 detik, resolusi maksimal di 1080P, dan menerima teks, gambar, audio, video, dan bahkan dokumen (doc, xls, ppt, pdf, md) sebagai input referensi. Harga API adalah ¥0,3 / ¥0,6 / ¥1,2 per detik untuk 480P / 720P / 1080P (QbitAI, Agustus 2026).

Perhatikan apa yang hilang dari daftar itu: tautan unduhan.

Persyaratan VRAM Wan 3.0, Dihitung dari Spesifikasinya Sendiri

Janji: pada akhir bagian ini Anda akan tahu mengapa "beli saja kartu 32GB" tidak bisa berhasil, dengan angka yang dapat Anda turunkan sendiri. Bukti: perhitungan hanya membutuhkan dua fakta yang diterbitkan, rasio kompresi VAE Wan dan batas 1080P/30s Wan 3.0.

Mari kita mulai.

Ini tentang panjang urutan, bukan jumlah parameter. Semua orang menatap angka B. Itu variabel yang salah.

Memori dan komputasi transformer difusi video berskala dengan berapa banyak token laten yang harus diperhatikan, dan jumlah itu berasal dari resolusi dikalikan durasi, bukan dari parameter. VAE Wan2.2 mengompresi pada 4x16x16 dalam waktu, tinggi, dan lebar, dan DiT melakukan patchify di atasnya, sehingga setiap token laten mencakup kira-kira blok 4x32x32 piksel (README Wan2.2, Agustus 2026). VAE generasi Wan2.1 yang lebih lama mengompresi pada 4x8x8, jadi dengan patchify menjadi 4x16x16 per token, empat kali lebih banyak token untuk klip yang sama.

Jalankan batas Wan 3.0 sendiri melalui itu dan inilah yang keluar.

Tabel 2: jumlah token laten berdasarkan klip target (perhitungan kami, 24fps)

Baca baris terakhir lagi. Kemampuan utama Wan 3.0 adalah 13,5x panjang urutan klip 5 detik 720P yang saat ini membuat 4090 Anda berkeringat.

Dan perhatian diri adalah kuadrat dalam panjang urutan. 13,5 kuadrat kira-kira 180. Jadi pekerjaan perhatian untuk satu klip 30s 1080P kira-kira 180x pekerjaan perhatian dari satu klip 5s 720P, sebelum Anda menghitung apa pun.

Itu adalah angka yang tidak dihitung oleh siapa pun di SERP. Itu juga mengapa "beli 8 gigabyte lagi" bukanlah sebuah rencana.

Jadi apa artinya itu dalam gigabyte? Bobot adalah bagian yang membosankan. MoE total 27B pada fp8 sekitar 27GB residen, bf16 sekitar 54GB. MoE hanya membantu komputasi per langkah (A14B Wan2.2 mengaktifkan 14B dari 27B parameter per langkah), bukan apa yang harus hidup di memori.

Bagian yang menarik adalah aktivasi. Keadaan tersembunyi satu lapisan transformer pada dimensi model 5120 dalam bf16 berbiaya token x 5120 x 2 byte:

• 5s 720P (27.280 token): 0,28 GB per lapisan
• 30s 1080P (369.240 token): 3,8 GB per lapisan
• 30s 1080P pada VAE generasi 2.1 (1.476.960 token): 15,1 GB per lapisan

Per lapisan. Kalikan dengan berapa banyak lapisan yang harus dijaga tetap hidup oleh implementasi perhatian Anda, tambahkan encoder teks, tambahkan lintasan decode VAE, dan angka 80GB tidak lagi terlihat konservatif.

Tabel 3: perkiraan VRAM jika bobot pernah dirilis (PERKIRAAN, bukan diukur)

Setiap sel dalam tabel itu adalah PERKIRAAN yang diturunkan dari Tabel 2 ditambah ukuran checkpoint yang diterbitkan. Angka sebenarnya tergantung pada kernel perhatian, strategi offload, dan apakah Alibaba pernah mengirim bobot sama sekali. Anggap itu sebagai bentuk masalah, bukan lembar spesifikasi.

Bentuknya cukup jelas: pengaturan flagship tidak pernah menjadi beban kerja GPU konsumen.

Persyaratan VRAM Wan yang Benar-Benar Dapat Anda Capai Hari Ini

Inilah bagian yang dibuat-buat oleh tabel palsu. Angka-angka ini diterbitkan oleh tim Wan dan itu nyata.

Tabel 4: tingkatan VRAM Wan nyata, Agustus 2026

Dua hal dalam tabel itu layak dilihat lagi.

Pertama: baris A14B sudah memiliki kedua bendera penghemat memori diaktifkan dan masih menginginkan 80GB. Itu adalah angka GPU tunggal resmi, bukan yang naif. Kedua: baris 5B adalah jawaban konsumen yang jujur, dan README-nya sendiri mengutip 5 detik 720P dalam waktu kurang dari 9 menit pada 4090.

Di bawah 24GB, Anda berada di wilayah komunitas. WanGP (proyek deepbeepmeep/Wan2GP, yang menggambarkan dirinya sebagai model generatif "dapat diakses oleh GPU Miskin") mendapatkan model tertentu hingga 6GB menggunakan kuantisasi int8, fp8, gguf, NVFP4, dan Nunchaku. Ini mendukung Wan 2.1 dan 2.2. Ini tidak mendukung 3.0, karena tidak ada yang bisa didukung.

Sekarang bagian yang harus mengubah keputusan pembelian Anda: asumsi "versi berikutnya akan terbuka" telah gagal tiga kali berturut-turut. Wan 2.2 adalah Apache-2.0. Wan 2.5 menjadi API saja. Wan 2.6 dan 2.7 tidak pernah mengirim bobot. Wan 3.0 tidak memiliki file lisensi sama sekali.

Membeli kartu hari ini dengan taruhan bahwa bobot 3.0 mendarat besok adalah bertaruh melawan tren tiga generasi.

Untuk menjalankan yang dihosting saat ini, buka Wan 3.0 di Atlas Cloud dan uji prompt seperti di bawah ini sebelum Anda menerbitkan alur kerja.

Tangkapan layar prompt-ke-hasil Wan 3.0: Jalur render tanpa GPU.

Lewati Persyaratan VRAM: Alur Kerja Wan Tanpa GPU

Biarkan saya terus terang tentang batasnya terlebih dahulu, karena sebagian besar halaman di niche ini tidak akan melakukannya.

Tidak ada yang menghosting Wan 3.0. Bukan Atlas Cloud, bukan siapa pun. Tidak ada bobot, jadi tidak ada inferensi pihak ketiga. Jika sebuah halaman menawarkan "akses API Wan 3.0", itu menjual sesuatu yang lain kepada Anda.

Apa yang bisa Anda dapatkan sekarang adalah sisa keluarga, dihosting, ditagih per detik, tanpa VRAM dalam persamaan. Atlas Cloud menjalankan Wan 2.2 hingga 2.7 di belakang satu API dan satu tab browser, dan Wan 2.7 pada 1080P adalah hal terdekat dengan output kelas 3.0 yang tersedia di luar saluran beta Alibaba sendiri.

Untuk pembaca yang artikel ini ditulis, itu memecahkan masalah tertentu. Anda akan menghabiskan empat digit untuk kartu untuk mengejar checkpoint yang tidak ada. Menyewa detik berarti Anda mencari tahu seperti apa output sebenarnya sebelum Anda membeli apa pun, dan jika bobot 3.0 tidak pernah turun, Anda tidak kehilangan apa pun selain beberapa dolar.

Tabel 5: keluarga Wan yang dihosting (daftar harga per Agustus 2026)

Satu peringatan sebelum tutorial, karena akan muncul di faktur Anda: harga daftar adalah lantai. Halaman Wan 2.7 mengutip $0,10 per detik. Dalam menjalankan Agustus 2026 kami, pekerjaan lima detik yang sama mengutip $0,50 pada tingkatan 720P dan $0,75 pada 1080P, jadi tingkatan flagship menagih pada $0,15 per detik, satu setengah kali lipat dari tarif yang terdaftar. Selalu baca kutipan yang diberikan tombol sebelum Anda mengkliknya.

Tabel 6: empat rute menuju 30 detik 1080P

Lakukan pembagian. Dengan harga sekitar $4,50 per 30 detik 1080P, kartu senilai $2.000 membutuhkan sekitar 440 render tiga puluh detik untuk mencapai titik impas, dan masih belum dapat menghasilkan satu pun dari mereka.

Itulah argumennya. Sekarang inilah tiga langkah menjalankan sehingga Anda dapat menilai outputnya sendiri.

Langkah 1: Kunci Bingkai Pertama pada 16:9

Setiap perbandingan VRAM yang jujur membutuhkan satu variabel. Jadi kami memperbaiki bingkai pertama, lalu memberikan bingkai yang identik dan prompt gerakan yang identik ke kedua tingkatan. Perbedaan apa pun yang Anda lihat setelahnya adalah tingkatan, bukan dadu.

Buka taman bermain Qwen Image 2.0 Pro text-to-image dan tempel ini:

textCopy
1Bidikan lebar sinematik di dalam kantor rumahan yang redup pada jam 2 pagi: seorang insinyur muda dengan hoodie abu-abu bersandar di kursi kantor, wajah hanya diterangi oleh rig tiga monitor yang menunjukkan garis waktu video yang dijeda. Di samping meja, kasing PC terbuka bersinar, satu kartu grafis berukuran besar terlihat di dalamnya, kipas berputar. Partikel debu di udara, gradasi warna teal dan amber, kedalaman bidang dangkal, lensa anamorphic 35mm, fotorealistis, sangat detail, 16:9
2

Pengaturan: klik chip ukuran 16:9, yang menjepret bingkai ke 1280 x 720, dan biarkan yang lain default. Biaya $0,06 per gambar (saat ini diskon 20 persen dari $0,075). Kotak lebar dan tinggi naik hingga 2048 per sisi jika Anda menginginkan bingkai yang lebih besar, tetapi default chip sudah merupakan bentuk yang tepat untuk kedua tingkatan video.

Mengapa adegan ini? Karena itu benar-benar pembaca. Simpan file output, Anda membutuhkannya dua kali.

Taman bermain Qwen Image 2.0 Pro di Atlas Cloud dengan chip ukuran 16:9 dipilih dan bingkai pertama 1280x720 yang sudah jadi di panel output

Langkah 1 selesai: chip 16:9 dipilih pada 1280 x 720, dan bingkai pertama yang akan dimulai oleh kedua tingkatan video. $0,06 pada tombol Run.

Langkah 2: Animasi pada Tingkatan VRAM 720P

Ini adalah pengganti untuk apa yang didapatkan oleh pengaturan lokal 24GB nyata: 720P, lima detik, dan itulah batasnya.

Satu pilihan yang disengaja di sini. Alih-alih mengganti model di antara kedua tingkatan, kami menjalankan model yang sama pada keduanya, sehingga satu-satunya variabel dalam perbandingan adalah tingkatan resolusi. Muat gambar Langkah 1 sebagai bingkai pertama di taman bermain Wan 2.7 image-to-video, lalu tempel prompt gerakan ini:

textCopy
1Insinyur itu perlahan bersandar ke depan dan menggosok matanya; cahaya monitor berkedip saat garis waktu bergulir; kamera mendorong sedikit; partikel debu melayang melalui sinar cahaya; guncangan mikro genggam yang halus; bidikan kontinu tunggal, tanpa potongan.
2

Pengaturan: resolusi 720P, durasi 5s, yang lain default. Tombol Run mengutip $0,50, yang merupakan tarif daftar $0,10 per detik dikalikan lima detik. Catat nomor itu, karena Langkah 3 akan mengubahnya.

Taman bermain Wan 2.7 image-to-video pada tingkatan 720P dengan bingkai pertama dimuat, durasi 5s, dan klip jadi di panel output

Langkah 2 selesai: tingkatan 720P, 5 detik, dikutip pada $0,50, dengan klip nyata di panel output.

Langkah 3: Animasi Bingkai yang Sama pada 1080P Tanpa GPU Lokal

Halaman yang sama, bingkai pertama yang sama, prompt gerakan yang sama kata demi kata, durasi 5 detik yang sama. Ubah tepat satu kontrol: atur resolusi ke 1080P.

Kutipan Run berubah dari $0,50 menjadi $0,75. Itu adalah $0,15 per detik Anda, terukur, pada halaman yang harga daftarnya mengatakan $0,10.

Dua jebakan pengaturan yang harus diwaspadai, keduanya membuat kami kehilangan banyak percobaan nyata untuk dipelajari:

• Kontrol durasi tidak selalu berkomitmen. Kami mengatur durasi ke 10 detik, bidang menunjukkan 10, dan pekerjaan masih merender 5. Kutipan tombol Run adalah satu-satunya sumber kebenaran: pada $0,15 per detik, pekerjaan 1080P 10 detik asli harus terbaca sekitar $1,50, jadi kutipan $0,75 berarti Anda masih membeli 5 detik terlepas dari apa yang ditunjukkan slider. Baca kutipan, bukan bidang.
• Konfirmasi gambar Anda sendiri dimuat. Jika slot referensi masih menyimpan gambar demo preset halaman, proses akan dengan senang hati menghasilkan sesuatu yang tidak terkait. Lihat thumbnail sebelum Anda klik.

Taman bermain Wan 2.7 image-to-video pada tingkatan 1080P dengan tombol Run mengutip $0,75, dan klip 1080P jadi di panel output

Langkah 3 selesai pada tingkatan 1080P. Kutipan Run adalah intinya: $0,75 untuk lima detik yang sama yang berharga $0,50 satu tingkatan di bawah, pada halaman yang mencantumkan $0,10 per detik.

Kedua render ada di klip di bagian atas artikel ini, berdampingan. Itulah seluruh argumen VRAM dalam lima detik: dua tingkatan output, prompt yang sama, dan tidak ada satu gigabyte memori video lokal yang terlibat.

Variasi yang patut dicoba. Turun ke 480P untuk melihat-lihat murah sebelum berkomitmen pada render 1080P. Tukar ke alibaba/wan-2.6/text-to-video pada $0,07/dtk ketika Anda tidak memiliki bingkai pertama dan menginginkan 15 detik dalam satu kali jalan. Gunakan alibaba/wan-2.2/animate-mix pada $0,126/dtk untuk menempatkan karakter yang berbeda ke dalam rekaman yang sudah Anda miliki. Dan jika Anda menginginkan mendekati 30 detik, anggarkan untuk dua klip, karena batas 15 detik per klip hampir tidak disebutkan dalam tutorial.

Pertanyaan yang Sering Diajukan

Bisakah GPU 24GB menjalankan Wan 3.0?

Tidak hari ini, karena tidak ada bobot untuk dimuat. Jika mereka pernah dikirim, matematika di Tabel 2 mengatakan 24GB mendapatkan 480P dan klip pendek di bawah kuantisasi agresif. Pengaturan flagship 1080P/30s adalah urutan besarnya berbeda dan tidak dapat dicapai pada satu kartu konsumen.

Di mana saya bisa mengunduh bobot Wan 3.0?

Tidak ada. Organisasi Wan-AI di Hugging Face berhenti di Wan2.2, dan org GitHub Wan-Video tidak memiliki repo inferensi 3.0 dan tidak ada lisensi 3.0. Situs mana pun yang menawarkan "unduhan checkpoint Wan 3.0" tidak mendistribusikan apa yang diklaimnya.

Apakah Wan 3.0 sumber terbuka atau Apache 2.0?

Tidak ada lisensi yang diterbitkan. Trennya berjalan ke arah sebaliknya: Wan 2.2 adalah Apache-2.0, Wan 2.5 menjadi API saja, dan 2.6 dan 2.7 tidak mengirim bobot sama sekali. Tiga generasi berturut-turut ditutup. Rencanakan dengan tepat.

Apa model Wan dengan VRAM terendah yang benar-benar bisa saya jalankan hari ini?

Wan2.2 TI2V-5B, secara resmi 24GB pada 4090, melakukan 5 detik 720P dalam waktu kurang dari 9 menit. Di bawah itu, jalur kuantisasi WanGP mencapai hingga 6GB pada model tertentu, dan Anda membayarnya dalam kecepatan dan detail.

Wan 3.0 vs Wan 2.7: mana yang bisa saya jalankan secara lokal?

Tidak keduanya. Keduanya hanya API. Jika persyaratannya adalah "berjalan di mesin saya", opsi Anda adalah keluarga Wan 2.1 dan 2.2. Jika persyaratannya adalah output kelas 2.7, itu adalah panggilan yang dihosting, bukan instalasi lokal.

Jika saya tidak bisa menjalankannya secara lokal, bagaimana cara mendapatkan 30 detik 1080P sekarang?

Beta pihak pertama Alibaba menagih per detik dan memberikan 30 detik dalam satu klip. Di luar saluran tersebut ada batas keras 15 detik per klip, jadi 30 detik berarti menggabungkan dua. Dalam pengujian kelanjutan Wan 2.7 kami sendiri, kendalanya ketat: segmen sumber harus 2 hingga 10 detik, output harus benar-benar lebih panjang dari sumber, bingkai sumber tidak dipertahankan, dan merantai kelanjutan tidak mengakumulasi panjang. Hampir tidak ada tutorial yang menyebutkan semua itu.

Jadi versi singkat dari seluruh pertanyaan Persyaratan VRAM Wan 3.0: berhenti berbelanja kartu, karena checkpoint yang akan Anda beli untuk itu tidak ada. Jalankan Wan 2.2 secara lokal jika Anda menginginkan bobot di disk, dan sewa detik 1080P ketika Anda menginginkan output yang dijual oleh tabel palsu.