Wan 3.0 vs Wan 2.7: ho aperto i file demo di Alibaba. Tre specifiche che tutti hanno copiato sono sbagliate.

Due monitor di una suite di editing affiancati, quello a sinistra mostra un mostro marino che emerge da una tempesta, quello a destra mostra la stessa tempesta interrotta bruscamente

Riproduci la clip di 30 secondi del mostro marino che Alibaba ha incluso nella beta di Wan 3.0. Peschereccio da traino, pioggia torrenziale, fulmini, poi l'oceano esplode verso l'alto. Dieci inquadrature distinte. Nessun taglio. La colonna sonora orchestrale di sottofondo è stata scritta dal modello.

La tua prima reazione non è "wow". È "cosa manca esattamente al mio Wan 2.7?"

Così sono andato a cercare la risposta, e la prima cosa che ho scoperto è che la maggior parte di internet sta rispondendo male. Cerca wan 3.0 vs wan 2.7 e i primi risultati ti dicono con sicurezza che Wan 3.0 produce nativo 4K e che i pesi sono su Hugging Face. Nessuna delle due è vera. Ho scaricato i file demo ufficiali su un laptop e li ho letti con ffmpeg, poi ho controllato i registri dei modelli e le fasce di prezzo pubblicate. Il vero aggiornamento è grande. Solo che non è l'aggiornamento che la gente descrive.

Wan 3.0 vs Wan 2.7: punti chiave

• La durata è il punto principale. Wan 3.0 genera 30 secondi in un unico passaggio con una raccomandazione automatica di "durata intelligente". Wan 2.7 ha un limite di 15 secondi per testo-video e immagine-video, e 10 secondi per riferimento-video e modifica video.
• I riferimenti passano da una manciata a una folla. Wan 2.7 accetta fino a 5 elementi di riferimento. Wan 3.0 accetta fino a 20, e per la prima volta accetta file doc, xls, ppt, pdf e md, oltre a pagine web, come input per la generazione.
• Non c'è il 4K. La lista dei prezzi API di Alibaba ha esattamente tre fasce: 480P, 720P e 1080P. Su Atlas Cloud, Wan 2.7 offre effettivamente un tetto più alto grazie alle opzioni di super-risoluzione 1080P-SR e 1440P-SR.
• I pesi non sono aperti. L'organizzazione Wan-AI su Hugging Face è ancora ferma a Wan 2.2. Non esiste un repository 3.0, né 2.7, né 2.5.
• Wan 3.0 è solo beta e solo di prima parte. Funziona su Alibaba Cloud Bailian, sul sito Wanxiang, sull'app desktop Qianwen Creation e su alcuni prodotti fratelli. Se hai bisogno di un'API da chiamare in produzione questa settimana, Wan 2.7 è ancora la generazione che risponde.
• Vuoi vedere il formato prima di imparare la grammatica dei prompt? Atlas Cloud ha un generatore gratuito di sketch pubblicitari AI che trasforma una descrizione di prodotto in uno spot comico di 15 secondi con due personaggi e dialoghi parlati. Una generazione gratuita, senza filigrana.

La sequenza completa del kaiju di 30 secondi, generata da Alibaba su Wan 3.0 durante la beta pubblica e pubblicata nel manuale ufficiale del creatore Wan 3.0. Non abbiamo generato questa clip. Attiva l'audio: la colonna sonora fa parte dell'output, non è una base musicale aggiunta successivamente. File come consegnato: 1920x1072, 24fps, 30.07s, 44.1kHz stereo AAC.

Ecco la prima cosa che le schede tecniche tralasciano. Quel file è 1920x1072, non 1920x1080. Ogni demo "1080p" nel manuale ufficiale arriva a 1072 pixel di altezza, e molte delle altre demo pubblicate sono semplicemente 1280x720. Dodici delle diciannove clip nel manuale durano da 30.05 a 30.07 secondi, il che ti dice che il limite di 30 secondi è un vero arresto forzato e non un numero tondo di marketing.

Perché la domanda Wan 3.0 vs Wan 2.7 è più difficile di quanto sembri

La risposta onesta è che quasi nessuno ha eseguito entrambi i modelli sullo stesso prompt, perché quasi nessuno può. Wan 3.0 è stato aperto alla beta pubblica il 6 agosto 2026 e vive sulle superfici proprietarie di Alibaba (QbitAI, agosto 2026). Le piattaforme di inferenza di terze parti non lo hanno ancora adottato. Quindi i contenuti di confronto che esistono sono scheda tecnica contro scheda tecnica, e le schede tecniche sono state copiate lateralmente fino a quando gli errori non si sono calcificati.

Tre "fatti" su Wan 3.0 vs Wan 2.7 che sono semplicemente sbagliati

"Wan 3.0 è nativo 4K." Non lo è. La lista dei prezzi API pubblicata prevede 480P, 720P e 1080P a ¥0,3, ¥0,6 e ¥1,2 al secondo. Tre fasce, nessuna quarta. Nel frattempo, Atlas Cloud espone 1080P-SR e 1440P-SR su Wan 2.7, quindi per puro tetto di pixel la generazione più vecchia attualmente vince.

"I pesi di Wan 3.0 sono aperti." Non lo sono. Sfoglia Hugging Face e la famiglia più recente rilasciata dall'organizzazione Wan-AI è Wan 2.2, incluse le varianti Animate e S2V. La linea video principale non ha rilasciato pesi dalla 2.2. Se vuoi qualcosa per un grafico ComfyUI locale, le tue opzioni sono 2.1 e 2.2, e questo non è cambiato.

"La grammatica dei prompt si trasferisce direttamente." Questa è vera a metà in un modo che ti brucerà. Le parole si trasferiscono. La struttura no. I prompt ufficiali di Wan 3.0 sono script multi-inquadratura con timestamp: il prompt del kaiju è dieci inquadrature numerate, il prompt del cartellone pubblicitario è quattro battute etichettate con intervalli di secondi espliciti. Incolla uno script di dieci inquadrature in un modello da 15 secondi e non seleziona elegantemente sei inquadrature. Comprime.

Perché non puoi semplicemente scambiare i prompt tra Wan 3.0 e Wan 2.7

C'è una seconda trappola sotto quella, ed è la ragione per cui "basta unire due clip" non ti salva.

Wan 2.7 ha una modalità di continuazione video. Sembra una strada verso 30 secondi. Non lo è. La clip sorgente che gli fornisci deve essere da 2 a 10 secondi, quindi una generazione di 15 secondi non può essere il seme. L'output ricodifica la sorgente, il che mangia la coda della clip che hai inserito. E concatenare continuazioni tende a far deriva verso il battito di apertura anziché far avanzare la storia. Quindici secondi è il tetto massimo per un singolo file Wan 2.7 continuo. Qualsiasi cosa più lunga è un montaggio, non una generazione.

Questo è il vero costo di migrazione tra queste due generazioni, e nessuna tabella di confronto te lo mostrerà.

Wan 3.0 vs Wan 2.7: scheda tecnica e dove eseguirlo effettivamente

Per testare tutto questo hai bisogno di un posto che esegua testo-video, riferimento-video e modifica video sullo stesso account, con fatturazione al secondo in modo che una ripresa fallita ti costi secondi invece di un abbonamento. Tutto ciò che riguarda Wan 2.7 in questo articolo viene eseguito su Atlas Cloud, che ospita i quattro endpoint di Wan 2.7 e il modello immagine utilizzato per il test di riferimento. Wan 3.0 non è su Atlas Cloud né su nessun'altra piattaforma di terze parti al momento, ed è esattamente per questo che il materiale Wan 3.0 in questo articolo proviene dalle pubblicazioni beta ufficiali di Alibaba.

Tabella 1: Wan 3.0 vs Wan 2.7, generazione per generazione

Tabella 2: gli endpoint Wan 2.7 utilizzati in questo articolo

Un dettaglio sui prezzi da interiorizzare prima di eseguire qualsiasi cosa: la cifra "$0,1 al secondo" è la baseline 720P. La pagina di modifica video documenta un moltiplicatore 1,5x per 1080P esplicitamente, e il pulsante Esegui cita il numero reale per la fascia che hai selezionato. Leggi il pulsante, non l'intestazione.

Esegui tu stesso il test Wan 3.0 vs Wan 2.7

Quattro passaggi. Due utilizzano il materiale pubblicato da Alibaba come punto di riferimento fisso, due sono esecuzioni che fai tu. Niente qui richiede l'accesso alla beta di Wan 3.0.

Passaggio 1: prendi la clip Wan 3.0 e il suo prompt originale

Il lato Wan 3.0 di questo test non è qualcosa che generi. È qualcosa che leggi. Il prompt completo del kaiju è pubblicato nel manuale ufficiale del creatore Wan 3.0, insieme alla clip finita, sotto l'esempio "灾难电影". È uno script in lingua cinese con dieci inquadrature numerate e un paragrafo separato che descrive la colonna sonora.

Leggilo una volta prima di fare qualsiasi altra cosa. La struttura è la lezione: dieci inquadrature, ciascuna con la propria fotocamera, soggetto e nota di illuminazione, che terminano con un brief per la colonna sonora. Ecco come appare un prompt di generazione a passaggio singolo di 30 secondi.

Passaggio 2: esegui lo stesso prompt attraverso Wan 2.7 testo-video

Apri il playground di Wan 2.7 testo-video e incolla la versione inglese di quello stesso script. Non accorciarlo ancora. Vuoi vedere cosa fa il modello quando l'intento supera il limite.

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.

Impostazioni: Risoluzione 1080P, Durata 15s (il massimo), Aspect ratio 16:9, audio lasciato acceso in modo che il modello lo componga da solo. Lascia vuoto lo slot audio di riferimento.

Playground di Wan 2.7 testo-video su Atlas Cloud con il prompt del kaiju caricato e la clip finita di 15 secondi nel pannello OUTPUT

Playground di Wan 2.7 testo-video su Atlas Cloud, prompt incollato, 1080P e 16:9 selezionati. Il pulsante Esegui quota $0,75 per questa breve ripresa di prova, che equivale a $0,15 al secondo: il moltiplicatore 1,5x per 1080P in piena vista, su una pagina modello il cui numero di intestazione è $0,1.

Quindi eseguilo una seconda volta con una riga aggiunta al prompt:

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

Quella singola riga è il lavoro di migrazione in miniatura. Uno script di 30 secondi deve essere riscritto come un'intenzione di 15 secondi, e sei tu a decidere quali sette inquadrature muoiono.

Sinistra: l'output ufficiale di Wan 3.0, 30 secondi. Destra: Wan 2.7 su Atlas Cloud che esegue lo stesso prompt, fermandosi al suo limite di 15 secondi.

Passaggio 3: costruisci le immagini di riferimento per il test di identità Wan 3.0 vs Wan 2.7

La durata è l'aggiornamento più rumoroso. La coerenza a livello di pixel è quella che cambia effettivamente il lavoro di produzione, e puoi testarla con due gatti.

Il manuale di Alibaba include un pastiche di Wes Anderson in cui lo stesso gatto ragdoll e lo stesso gatto nero devono sopravvivere a cinque ambienti molto diversi: un corridoio d'albergo simmetrico, una vista laterale in sezione, un cestello di lavatrice, un nastro bagagli aeroportuale e una cabina telefonica rossa. Entrambi i gatti sono fissati con tag di riferimento @Image1 e @Image2.

Prima genera le tue due immagini di riferimento. Usa GPT Image 2 con qualità impostata su alta e un fotogramma 16:9, ed eseguilo due volte.

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.

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.

Playground di GPT Image 2 su Atlas Cloud con qualità impostata su alta e la scheda di riferimento del gatto ragdoll renderizzata nel pannello OUTPUT

GPT Image 2 con qualità alta, 16:9. Esegui il secondo prompt allo stesso modo per ottenere il gatto nero.

Passaggio 4: esegui il test di identità su Wan 2.7 riferimento-video

Carica entrambi i gatti nell'endpoint riferimento-video di Wan 2.7. Risoluzione 1080P, aspect ratio 16:9, durata 10 secondi, che è il massimo di questo endpoint. Il prompt qui sotto è l'elenco delle inquadrature del manuale compresso da cinque battute a tre, perché dieci secondi non contengono cinque.

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.

Playground di Wan 2.7 riferimento-video su Atlas Cloud con entrambi i riferimenti dei gatti caricati e la clip finita nel pannello OUTPUT

Wan 2.7 riferimento-video: entrambi i gatti caricati negli slot di riferimento immagine, risoluzione impostata su 1080P, e il pulsante Esegui che quota la ripresa prima che inizi. Due riferimenti sono già una porzione significativa di ciò che questo endpoint accetta. Wan 3.0 ne accetta 20.

Ora mettili fianco a fianco.

La clip ufficiale di blocco dell'identità di Wan 3.0: lo stesso gatto ragdoll e gatto nero mantenuti coerenti in un corridoio d'albergo, una parete in sezione, un cestello di lavatrice, un nastro bagagli e una cabina telefonica rossa

Generato da Alibaba su Wan 3.0 durante la beta pubblica e pubblicato nel manuale ufficiale del creatore. Cinque ambienti, 19,9 secondi, entrambi i gatti fissati dal tag di riferimento. Mostrato qui come GIF silenziosa; il file consegnato porta audio stereo 44.1kHz.

Il risultato di Wan 2.7 riferimento-video con lo stesso brief, tre inquadrature all'interno del limite di 10 secondi

Wan 2.7 riferimento-video su Atlas Cloud, gli stessi due riferimenti, mostrato qui come GIF silenziosa. Questa è la ripresa predefinita di 5 secondi dell'endpoint anziché i 10 completi: vale la pena sapere che il controllo della durata non sempre applica ciò che imposti, quindi leggi la quotazione del pulsante Esegui prima di premere. Osserva le marcature dei gatti e la maschera del ragdoll; è quella la dimensione di cui parla l'affermazione "coerenza a livello di pixel".

Altri quattro prompt Wan 3.0 vs Wan 2.7 che vale la pena rieseguire

La clip del kaiju mette alla prova durata e fisica. Questi tre mettono alla prova cose diverse, e ciascuno si scontra con un limite diverso di Wan 2.7. Tutti e tre sono output beta ufficiali di Alibaba dal manuale ufficiale.

Wan 3.0, output beta ufficiale: una singola carrellata indietro di 30 secondi lungo un corridoio d'ospedale illuminato da luce fluorescente, con una gradazione monocromatica verde pallido, e l'attrice che urla chiedendo aiuto. Audio attivo. La performance, i passi e il ronzio delle attrezzature sono tutti generati dal modello.

Tabella 3: cosa richiede ogni prompt e dove Wan 2.7 lo limita

Una versione gratuita di 15 secondi della stessa idea

Guarda di nuovo la clip della stazione di servizio. Quel formato, uno sketch comico breve con due personaggi, un colpo di scena e una battuta finale, è dove il tempo extra di Wan 3.0 ripaga di più. È anche il formato più probabile per vendere qualcosa.

L'inghippo è il prompt. Gli esempi di commedia del manuale arrivano a 800 parole con timestamp e blocking espliciti. È una vera abilità e ci vuole un fine settimana per impararla.

Se vuoi solo scoprire se il formato funziona per il tuo prodotto prima di investire quel fine settimana, Atlas Cloud ha uno strumento gratuito che salta del tutto l'ingegneria dei prompt. Descrivi il prodotto, carica facoltativamente fino a quattro foto del prodotto da 8 MB ciascuna, scegli uno dei sei toni (meme divertente, colpo di scena, sitcom, commovente, lusso o vendita aggressiva), e lo strumento scrive lo script a due personaggi, assegna le voci, genera i dialoghi e gli effetti sonori, e restituisce uno spot pubblicitario finito di 15 secondi come una scena continua. I download sono puliti, senza filigrana. Devi aver effettuato l'accesso e ottieni una generazione gratuita prima di ricaricare crediti.

Una riga di testo del prodotto in input, uno spot comico finito di 15 secondi in output: il generatore gratuito di sketch pubblicitari AI di Atlas Cloud

Il Generatore gratuito di sketch pubblicitari AI : una descrizione del prodotto in input, uno spot di 15 secondi con due personaggi in output.

Un output reale del generatore gratuito. Audio attivo: lo script, le due voci e gli effetti sonori provengono tutti da un'unica esecuzione.

Quanto costa eseguire un confronto Wan 3.0 vs Wan 2.7

Al secondo, le due generazioni sono nella stessa fascia al livello 720P. La differenza di costo è strutturale: una clip che prima era di 15 secondi ora è di 30, quindi un pezzo finito costa circa il doppio.

Tabella 4: la stessa sequenza del kaiju, quattro modi

Due avvertenze. I prezzi beta non sono prezzi di disponibilità generale, e Alibaba ha detto che l'API sarà aperta più ampiamente presto, quindi tratta le cifre in ¥ come un'istantanea della beta pubblica piuttosto che una tariffa impegnativa. E per quanto riguarda Atlas Cloud, leggi sempre la quotazione in tempo reale sul pulsante Esegui prima di impegnarti, perché il moltiplicatore di risoluzione viene applicato lì e non nel prezzo di intestazione.

Alibaba è stato anche insolitamente diretto su dove Wan 3.0 è ancora debole, dicendo che il modello "ha ancora margini di miglioramento nella qualità audio e nella precisione del testo". Questo corrisponde a ciò che mostrano i file: l'audio sulle demo ufficiali è stereo 44.1kHz ma codificato a un modesto 32 kb/s, che va bene per un'anteprima ma è scarso per un master di consegna.

Wan 3.0 vs Wan 2.7: licenze, cosa puoi effettivamente distribuire

Versione breve, e per favore verificala con i termini attuali tu stesso prima di mettere qualsiasi cosa di fronte a un cliente.

Wan 3.0 è in beta pubblica e i suoi termini commerciali non sono stabiliti. Poiché i pesi non sono stati rilasciati, non esiste alcuna strada self-hosted; qualsiasi cosa tu crei passa attraverso l'API di Alibaba o le sue superfici consumer, e sei vincolato da qualunque termine dicano quelle condizioni il giorno in cui generi. Wan 2.7 è la stessa storia per quanto riguarda i pesi, ma è stato in produzione abbastanza a lungo che i termini API della piattaforma sono stabili. Se lo esegui tramite una piattaforma di terze parti, i tuoi diritti commerciali derivano dai termini di servizio di quella piattaforma, quindi leggi quelli che effettivamente si applicano al tuo account. Nessuno di questi paragrafi costituisce consulenza legale.

Wan 3.0 vs Wan 2.7 FAQ

Wan 3.0 è open source? Posso eseguirlo in ComfyUI?

No. Ad agosto 2026 non esiste alcun repository Wan 3.0 sotto l'organizzazione Wan-AI su Hugging Face, e nessuno sul GitHub Wan-Video. La famiglia Wan più recente con pesi rilasciati è Wan 2.2, incluse le varianti Animate e S2V. Per un grafico ComfyUI locale sei ancora su 2.1 o 2.2. Wan 3.0 è solo API e web.

Wan 3.0 vs Wan 2.7 risoluzione: Wan 3.0 genera davvero 4K?

No. La lista dei prezzi API pubblicata ha tre fasce di risoluzione: 480P, 720P e 1080P. Diversi post di confronto ampiamente condivisi affermano il 4K nativo e si sbagliano. In termini di tetto di output grezzo, Wan 2.7 su Atlas Cloud arriva effettivamente più in alto attraverso le sue opzioni di super-risoluzione 1080P-SR e 1440P-SR.

Posso ottenere 30 secondi da Wan 2.7 estendendo le clip?

Non come un singolo file continuo. La modalità di continuazione richiede una clip sorgente da 2 a 10 secondi, quindi una generazione di 15 secondi non può essere il seme. L'output ricodifica e taglia la coda di qualsiasi cosa tu inserisca, e le continuazioni concatenate tendono a tornare al battito di apertura. Oltre i 15 secondi stai montando, non generando.

Wan 3.0 vs Wan 2.7: dove posso eseguirli oggi?

Wan 3.0 è in beta pubblica sulle superfici proprietarie di Alibaba: Alibaba Cloud Bailian, Wanjing Yike, il sito Wanxiang, il client desktop Qianwen Creation, IF STUDIO e Duiyou, con accesso graduale nell'app Qianwen. Nessuna piattaforma di inferenza di terze parti lo ospita ancora. Wan 2.7 è la generazione che puoi ancora chiamare direttamente, attraverso gli endpoint testo-video, immagine-video, riferimento-video e modifica video.

Wan 3.0 vs Wan 2.7 prezzi: quale costa di più per clip finita?

Al secondo al livello 720P sono simili. Per clip finita, aspettati circa il doppio, perché la lunghezza naturale dell'output è passata da 15 secondi a 30. Pianifica il cambiamento di durata piuttosto che il cambiamento di tariffa, e ricorda che i prezzi beta potrebbero non sopravvivere alla disponibilità generale.

Devo riscrivere i miei prompt di Wan 2.7 per Wan 3.0?

Sì, e la riscrittura è strutturale piuttosto che lessicale. I prompt di Wan 2.7 descrivono una singola ripresa continua in dettaglio ricco. I prompt di Wan 3.0 sono elenchi di inquadrature con timestamp, a volte con un paragrafo separato per la colonna sonora, e il modello può anche leggere un pdf o una presentazione come input. Regola pratica: per Wan 2.7 scrivi un paragrafo su una singola inquadratura; per Wan 3.0 scrivi una suddivisione della scena numerata con intervalli di secondi.