Wan 3.0 Requisiti di VRAM: Perché 80GB non sono sufficienti, e cosa funziona effettivamente oggi

Ultimo aggiornamento: Wan 3.0 è ora disponibile dal 24 agosto 2026.

Hai aperto sei schede. Ognuna ti ha mostrato un grafico pulito: 1.3B su 8GB, 14B su 24GB, Apache-2.0, rilasciato ad aprile 2026. Quindi hai aperto la pagina Wan-AI su Hugging Face per scaricare il checkpoint.

27 repository. Il più recente è Wan2.2.

Quei grafici non sono obsoleti. Sono stati inventati. I requisiti di VRAM di Wan 3.0 non possono essere stati misurati da nessuno al di fuori di Alibaba, perché Wan 3.0 è entrato in beta pubblica solo il 6 agosto 2026 e non ha mai rilasciato un file di pesi. Non c'era nulla da rilasciare ad aprile.

Quindi qual è la risposta reale? Nessuno lo ha benchmarkato. Ma la scheda tecnica di Wan 3.0 stessa racchiude la risposta in modo chiaro, e abbiamo fatto i calcoli di seguito.

Punti chiave

• Non esistono pesi di Wan 3.0 da nessuna parte. Ogni tabella VRAM per esso sul web oggi è fabbricata.
• Wan 3.0 è una beta API di prima parte: massimo 30s, massimo 1080P, nessun livello 4K.
• Le sue stesse specifiche implicano 13,5 volte la sequenza latente di un clip 5s 720P, che equivale a un carico di attenzione di circa 180x.
• Il vero limite locale oggi è Wan2.2 TI2V-5B su 24GB, o 6GB con quantizzazione della community.
• Per l'output 1080P di questa settimana, noleggia secondi invece di acquistare VRAM.

Requisiti VRAM di Wan resi visibili: lo stesso primo fotogramma animato al livello 720P a sinistra e al livello 1080P a destra, entrambi renderizzati senza GPU locale

Stesso primo fotogramma, stesso prompt di movimento, stesso modello. Cambia solo il livello di risoluzione: 720P a sinistra a $0,50 per 5 secondi, 1080P a destra a $0,75. Entrambi sono stati renderizzati su Wan 2.7 con zero VRAM locale, e il prezzo su ogni etichetta è il preventivo che il pulsante Run ci ha effettivamente dato. Mostrato come GIF silenziosa.

Questo è il fulcro di tutta questa discussione. Non gigabyte. Pixel.

Perché Ogni Tabella dei Requisiti VRAM di Wan 3.0 Che Hai Trovato è Fittizia

Conclusione prima: le pagine con il posizionamento più alto per questa parola chiave hanno riciclato i numeri di Wan 2.1 e Wan 2.2, ci hanno messo sopra "3.0" e hanno inventato una data di rilascio. Puoi smentire tutto in circa 60 secondi.

Guarda qui.

Pagina dell'organizzazione Wan-AI su Hugging Face che mostra 27 repository con Wan2.2 come versione più alta, dimostrando che non esistono pesi Wan 3.0 per test locali di VRAM

L'organizzazione ufficiale Wan-AI su Hugging Face, scheda modelli, ordinati dal più recente. 27 repo, e il numero di versione più alto in qualsiasi punto dell'elenco è 2.2 (Hugging Face, agosto 2026).

Non esiste un repo Wan3.0. Non esiste nemmeno un repo Wan2.7, Wan2.6 o Wan2.5. La cosa più recente nell'organizzazione è Wan2.2-Animate-2-14B-Diffusers, aggiornato sette giorni fa (Hugging Face, agosto 2026).

Ecco la suddivisione rivendicazione per rivendicazione.

Tabella 1: cosa affermano le guide vs cosa è verificabile

Ciò che Alibaba ha effettivamente rilasciato ad agosto 2026 è un prodotto API e web, non un checkpoint. Una generazione arriva fino a 30 secondi, la risoluzione massima è 1080P, e accetta testo, immagini, audio, video e persino documenti (doc, xls, ppt, pdf, md) come input di riferimento. I prezzi API sono ¥0,3 / ¥0,6 / ¥1,2 al secondo per 480P / 720P / 1080P (QbitAI, agosto 2026).

Nota cosa manca da quell'elenco: un link per il download.

Requisiti VRAM di Wan 3.0, Calcolati dalle Sue Stesse Specifiche

Promessa: entro la fine di questa sezione saprai perché "prendi solo una scheda da 32GB" non può funzionare, con numeri che puoi ricalcolare da solo. Prova: il calcolo ha bisogno solo di due fatti pubblicati, il rapporto di compressione VAE di Wan e il limite di 1080P/30s di Wan 3.0.

Iniziamo.

È la lunghezza della sequenza, non il numero di parametri. Tutti fissano il numero B. Quella è la variabile sbagliata.

La memoria e il calcolo di un trasformatore di diffusione video scalano con quanti token latenti deve elaborare, e quel conteggio deriva dalla risoluzione moltiplicata per la durata, non dai parametri. Il VAE di Wan2.2 comprime a 4x16x16 in tempo, altezza e larghezza, e il DiT patchifica sopra, quindi ogni token latente copre approssimativamente un blocco di 4x32x32 pixel (README Wan2.2, agosto 2026). Il VAE della generazione Wan2.1 più vecchia comprime a 4x8x8, quindi con patchify è 4x16x16 per token, quattro volte i token per lo stesso clip.

Applica il limite di Wan 3.0 a questo ed ecco cosa viene fuori.

Tabella 2: numero di token latenti per clip target (nostro calcolo, 24fps)

Leggi di nuovo l'ultima riga. La capacità di punta di Wan 3.0 è 13,5 volte la lunghezza della sequenza del clip da 5 secondi a 720P su cui la tua 4090 attualmente fatica.

E l'auto-attenzione è quadratica nella lunghezza della sequenza. 13,5 al quadrato è circa 180. Quindi il lavoro di attenzione per un clip 30s 1080P è approssimativamente 180x il lavoro di attenzione di un clip 5s 720P, prima di considerare qualsiasi altra cosa.

Questo è il numero che nessuno nella SERP ha calcolato. È anche il motivo per cui "compra 8 gigabyte in più" non è un piano.

Quindi cosa significa in gigabyte? I pesi sono la parte noiosa. Un MoE totale da 27B in fp8 è circa 27GB residente, bf16 circa 54GB. MoE aiuta solo il calcolo per passo (A14B di Wan2.2 attiva 14B dei 27B parametri per passo), non ciò che deve stare in memoria.

La parte interessante sono le attivazioni. Lo stato nascosto di uno strato trasformatore con dimensione modello 5120 in bf16 costa token x 5120 x 2 byte:

• 5s 720P (27.280 token): 0,28 GB per strato
• 30s 1080P (369.240 token): 3,8 GB per strato
• 30s 1080P su un VAE di generazione 2.1 (1.476.960 token): 15,1 GB per strato

Per strato. Moltiplica per quanti strati la tua implementazione di attenzione deve mantenere attivi, aggiungi il codificatore di testo, aggiungi il passaggio di decodifica VAE, e la cifra di 80GB smette di sembrare conservativa.

Tabella 3: VRAM stimata se i pesi venissero mai rilasciati (STIMA, non misurata)

Ogni cella in quella tabella è una STIMA derivata dalla Tabella 2 più le dimensioni dei checkpoint pubblicati. Le cifre reali dipendono dal kernel di attenzione, dalla strategia di offload e dal fatto che Alibaba rilasci mai i pesi. Trattala come la forma del problema, non una scheda tecnica.

La forma è abbastanza chiara: l'impostazione di punta non è mai stata un carico di lavoro per GPU consumer.

I Requisiti VRAM di Wan Che Puoi Effettivamente Raggiungere Oggi

Ecco la parte che le tabelle fabbricate fingevano di essere. Questi numeri sono pubblicati dal team Wan e sono reali.

Tabella 4: livelli VRAM reali di Wan, agosto 2026

Due cose in quella tabella meritano un secondo sguardo.

Primo: la riga A14B ha già entrambi i flag di risparmio memoria attivati e ancora richiede 80GB. Questa è la cifra ufficiale per singola GPU, non una ingenua. Secondo: la riga 5B è la risposta consumer onesta, e il suo stesso README cita 5 secondi di 720P in meno di 9 minuti su una 4090.

Sotto i 24GB sei in territorio community. WanGP (il progetto deepbeepmeep/Wan2GP, che si descrive come modelli generativi "accessibili ai poveri di GPU") porta modelli selezionati fino a 6GB usando quantizzazione int8, fp8, gguf, NVFP4 e Nunchaku. Supporta Wan 2.1 e 2.2. Non supporta 3.0, perché non c'è nulla da supportare.

Ora la parte che dovrebbe cambiare la tua decisione di acquisto: l'ipotesi che "la prossima versione sarà aperta" è fallita tre volte di seguito. Wan 2.2 era Apache-2.0. Wan 2.5 è diventato solo API. Wan 2.6 e 2.7 non hanno mai rilasciato pesi. Wan 3.0 non ha alcun file di licenza.

Acquistare una scheda oggi scommettendo che i pesi 3.0 arrivino domani significa scommettere contro un trend di tre generazioni.

Per un'esecuzione ospitata corrente, apri Wan 3.0 su Atlas Cloud e testa un prompt come quello qui sotto prima di pubblicare il workflow.

Screenshot di Wan 3.0 da prompt a risultato: percorso di rendering senza GPU.

Salta i Requisiti VRAM: Il Workflow Wan Senza GPU

Lasciami essere diretto prima sul confine, perché la maggior parte delle pagine in questa nicchia non lo farà.

Nessuno ospita Wan 3.0. Non Atlas Cloud, né nessun altro. Non ci sono pesi, quindi non c'è inferenza di terze parti. Se una pagina ti offre "accesso API Wan 3.0", ti sta vendendo qualcos'altro.

Quello che puoi ottenere subito è il resto della famiglia, ospitato, fatturato al secondo, senza VRAM nell'equazione. Atlas Cloud esegue Wan 2.2 fino a 2.7 dietro una singola API e una scheda del browser, e Wan 2.7 a 1080P è la cosa più vicina all'output di classe 3.0 disponibile al di fuori dei canali beta di Alibaba stessa.

Per il lettore per cui è scritto questo articolo, questo risolve un problema specifico. Stavi per spendere quattro cifre per una scheda per inseguire un checkpoint che non esiste. Noleggiare secondi significa che scopri come appare effettivamente l'output prima di acquistare qualsiasi cosa, e se i pesi 3.0 non arrivano mai, non hai perso nulla se non qualche dollaro.

Tabella 5: la famiglia Wan ospitata (prezzi di listino ad agosto 2026)

Un avvertimento prima del tutorial, perché apparirà sulla tua fattura: il prezzo di listino è un minimo. La pagina di Wan 2.7 cita $0,10 al secondo. Nelle nostre esecuzioni di agosto 2026, lo stesso lavoro di cinque secondi citava $0,50 al livello 720P e $0,75 a 1080P, quindi il livello di punta fattura a $0,15 al secondo, una volta e mezza la tariffa elencata. Leggi sempre il preventivo che il pulsante ti dà prima di cliccarlo.

Tabella 6: quattro percorsi per 30 secondi di 1080P

Fai la divisione. A circa $4,50 per 30 secondi di 1080P, una scheda da $2.000 ha bisogno di circa 440 render da trenta secondi per pareggiare, e ancora non può produrne nemmeno uno.

Questo è l'argomento. Ora ecco l'esecuzione in tre passaggi in modo che tu possa giudicare l'output da solo.

Passaggio 1: Blocca il Primo Fotogramma a 16:9

Ogni confronto VRAM onesto ha bisogno di una variabile. Quindi fissiamo il primo fotogramma, poi alimentiamo lo stesso fotogramma e lo stesso prompt di movimento a entrambi i livelli. Qualsiasi differenza che vedi dopo è il livello, non il dado.

Apri il playground Qwen Image 2.0 Pro text-to-image e incolla questo:

textCopy
1Inquadratura ampia cinematografica all'interno di un ufficio domestico buio alle 2 di notte: un giovane ingegnere con una felpa grigia si appoggia all'indietro su una sedia da scrivania, viso illuminato solo da un setup a tre monitor che mostra una timeline video in pausa. Accanto alla scrivania un case PC aperto brilla, una singola scheda grafica oversize visibile all'interno, ventole che girano. Granelli di polvere nell'aria, gradazione cromatica teal e ambra, profondità di campo ridotta, obiettivo anamorfico 35mm, fotorealistico, altamente dettagliato, 16:9
2

Impostazioni: clicca il chip delle dimensioni 16:9, che blocca il fotogramma a 1280 x 720, e lascia tutto il resto predefinito. Il costo è $0,06 per immagine (attualmente sconto del 20% su $0,075). Le caselle larghezza e altezza arrivano fino a 2048 per lato se vuoi un fotogramma più grande, ma il valore predefinito del chip è già la forma giusta per entrambi i livelli video.

Perché questa scena? Perché è letteralmente il lettore. Conserva il file di output, ti serve due volte.

Playground Qwen Image 2.0 Pro su Atlas Cloud con il chip delle dimensioni 16:9 selezionato e il primo fotogramma 1280x720 finito nel pannello di output

Passaggio 1 completato: il chip 16:9 selezionato a 1280 x 720, e il primo fotogramma da cui partiranno entrambi i livelli video. $0,06 sul pulsante Run.

Passaggio 2: Animarlo al Livello VRAM 720P

Questo è il sostituto di ciò che un vero setup locale da 24GB ottiene: 720P, cinque secondi, e questo è il limite.

Una scelta deliberata qui. Invece di cambiare modello tra i due livelli, eseguiamo lo stesso modello a entrambi, quindi l'unica variabile nel confronto è il livello di risoluzione. Carica l'immagine del Passaggio 1 come primo fotogramma nel playground Wan 2.7 image-to-video, poi incolla questo prompt di movimento:

textCopy
1L'ingegnere si sporge lentamente in avanti e si strofina gli occhi; il bagliore del monitor tremola mentre la timeline scorre; la fotocamera si avvicina leggermente; granelli di polvere fluttuano attraverso il fascio di luce; micro-scossa a mano sottile; singola ripresa continua, senza tagli.
2

Impostazioni: risoluzione 720P, durata 5s, tutto il resto predefinito. Il pulsante Run ha citato $0,50, che è la tariffa di listino di $0,10 al secondo moltiplicata per cinque secondi. Prendi nota di quel numero, perché il Passaggio 3 lo cambierà.

Playground Wan 2.7 image-to-video al livello 720P con il primo fotogramma caricato, durata 5s, e il clip finito nel pannello di output

Passaggio 2 completato: il livello 720P, 5 secondi, preventivato a $0,50, con un clip reale nel pannello di output.

Passaggio 3: Animare lo Stesso Fotogramma a 1080P Senza GPU Locale

Stessa pagina, stesso primo fotogramma, stesso prompt di movimento parola per parola, stessa durata di 5 secondi. Cambia esattamente un controllo: imposta la risoluzione su 1080P.

Il preventivo Run passa da $0,50 a $0,75. Questo è il tuo $0,15 al secondo, misurato, su una pagina il cui prezzo di listino dice $0,10.

Due trappole di impostazioni da tenere d'occhio, entrambe ci sono costate esecuzioni reali per impararle:

• Il controllo della durata non sempre si impegna. Abbiamo impostato la durata a 10 secondi, il campo mostrava 10, e il lavoro ha comunque renderizzato 5. Il preventivo del pulsante Run è l'unica fonte di verità: a $0,15 al secondo un vero lavoro 1080P da 10 secondi deve leggere circa $1,50, quindi un preventivo di $0,75 significa che stai ancora acquistando 5 secondi indipendentemente da ciò che mostra il cursore. Leggi il preventivo, non il campo.
• Conferma che la tua immagine sia caricata. Se lo slot di riferimento contiene ancora l'immagine demo preimpostata della pagina, l'esecuzione produrrà felicemente qualcosa di non correlato. Guarda la miniatura prima di cliccare.

Playground Wan 2.7 image-to-video al livello 1080P con il pulsante Run che cita $0,75, e il clip 1080P finito nel pannello di output

Passaggio 3 completato al livello 1080P. Il preventivo Run è il punto: $0,75 per gli stessi cinque secondi che costavano $0,50 un livello sotto, su una pagina che elenca $0,10 al secondo.

Entrambi i render sono nel clip all'inizio di questo articolo, affiancati. Questo è l'intero argomento VRAM in cinque secondi: due livelli di output, lo stesso prompt, e nemmeno un gigabyte di memoria video locale coinvolto.

Variazioni che vale la pena provare. Scendi a 480P per sguardi economici prima di impegnarti in un render 1080P. Scambia con alibaba/wan-2.6/text-to-video a $0,07/s quando non hai un primo fotogramma e vuoi 15 secondi in una volta. Usa alibaba/wan-2.2/animate-mix a $0,126/s per mettere un personaggio diverso in filmati che già possiedi. E se vuoi avvicinarti a 30 secondi, metti in conto due clip, a causa di un limite di 15 secondi per clip che quasi nessun tutorial menziona.

Domande Frequenti

Una GPU da 24GB può eseguire Wan 3.0?

Oggi no, perché non ci sono pesi da caricare. Se mai dovessero essere rilasciati, la matematica nella Tabella 2 dice che 24GB ti danno 480P e clip brevi sotto quantizzazione aggressiva. L'impostazione di punta 1080P/30s è un ordine di grandezza diverso e non è raggiungibile su una singola scheda consumer.

Dove posso scaricare i pesi di Wan 3.0?

Da nessuna parte. L'organizzazione Wan-AI su Hugging Face arriva al massimo a Wan2.2, e l'organizzazione GitHub Wan-Video non ha un repo di inferenza 3.0 né una licenza 3.0. Qualsiasi sito che offra un "download del checkpoint Wan 3.0" non sta distribuendo ciò che afferma.

Wan 3.0 è open source o Apache 2.0?

Nessuna licenza è stata pubblicata. La tendenza va nella direzione opposta: Wan 2.2 era Apache-2.0, Wan 2.5 è diventato solo API, e 2.6 e 2.7 non hanno rilasciato alcun peso. Tre generazioni consecutive chiuse. Pianifica di conseguenza.

Qual è il modello Wan con il minor VRAM che posso effettivamente eseguire oggi?

Wan2.2 TI2V-5B, ufficialmente 24GB su una 4090, che produce 5s di 720P in meno di 9 minuti. Al di sotto, i percorsi quantizzati di WanGP arrivano fino a 6GB su modelli selezionati, e paghi in velocità e dettaglio.

Wan 3.0 vs Wan 2.7: quale posso eseguire localmente?

Nessuno dei due. Entrambi sono solo API. Se il requisito è "funziona sulla mia macchina", le tue opzioni sono le famiglie Wan 2.1 e 2.2. Se il requisito è un output di classe 2.7, quella è una chiamata ospitata, non un'installazione locale.

Se non posso eseguirlo localmente, come ottengo 30 secondi di 1080P ora?

La beta di prima parte di Alibaba fattura al secondo e fornisce 30s in un unico clip. Al di fuori di quei canali c'è un limite rigido di 15 secondi per clip, quindi 30 secondi significa unire due. Nei nostri test di continuazione di Wan 2.7, i vincoli erano severi: il segmento sorgente doveva essere da 2 a 10 secondi, l'output doveva essere strettamente più lungo della sorgente, i fotogrammi sorgente non venivano preservati, e concatenare continuazioni non accumulava lunghezza. La maggior parte dei tutorial non menziona mai nulla di tutto ciò.

Quindi la versione breve di tutta la questione dei requisiti VRAM di Wan 3.0: smetti di cercare una scheda, perché il checkpoint per cui la compreresti non esiste. Esegui Wan 2.2 localmente se vuoi pesi su disco, e noleggia secondi 1080P quando vuoi l'output che le tabelle false stavano vendendo.