Wan 3.0 vs Wan 2.7: アリババのデモファイルを開いてみた。皆がコピーした3つの仕様は間違っている。

編集スイートのモニターが2台並んでおり、左側は嵐の中に現れる海の怪物、右側は同じ嵐が途中で途切れた映像。

AlibabaがWan 3.0ベータ版に同梱した30秒の海の怪物クリップを再生してください。漁船、豪雨、稲妻、そして海が爆発的に盛り上がる。10の異なるショット。カットは一切なし。その下で流れるオーケストラスコアはモデルが書き上げたものです。

最初の反応は「すごい」ではありません。「私のWan 2.7には何が足りないのか？」です。

そこで答えを探し始めたところ、最初にわかったのは、インターネット上の大半が間違った答えをしていることです。wan 3.0 vs wan 2.7 と検索すると、上位の結果は自信満々に「Wan 3.0はネイティブ4Kをレンダリングする」「重みはHugging Faceにある」と述べています。どちらも真実ではありません。公式デモファイルをラップトップに取り込み、ffmpegで読み取り、モデルレジストリと公開価格帯を確認しました。実際のアップグレードは大きいです。ただ、人々が説明しているようなアップグレードではありません。

Wan 3.0 vs Wan 2.7：重要なポイント

• 長さが目玉。 Wan 3.0は1回のパスで30秒を生成し、自動の「スマート長さ」推奨機能を備えています。Wan 2.7はテキストから動画、画像から動画で最大15秒、参照から動画と動画編集で最大10秒です。
• 参照数が一握りから多数へ。 Wan 2.7は最大5つの参照アイテムを受け付けます。Wan 3.0は最大20個を受け付け、初めてdoc、xls、ppt、pdf、mdファイル、さらにWebページを生成入力として受け付けます。
• 4Kはありません。 Alibaba自身のAPI料金表には、480P、720P、1080Pの3つのティアしかありません。Atlas Cloudでは、Wan 2.7は1080P-SRと1440P-SRのスーパーレゾリューションオプションにより、実際にはより高い上限を提供しています。
• 重みは公開されていません。 Hugging FaceのWan-AI組織は、依然としてWan 2.2が最新です。3.0リポジトリも、2.7リポジトリも、2.5リポジトリもありません。
• Wan 3.0はベータ版かつファーストパーティのみ。 Alibaba Cloud Bailian、Wanxiangサイト、Qianwen作成デスクトップアプリ、およびいくつかの関連製品で実行されます。今週プロダクションで呼び出せるAPIが必要な場合、Wan 2.7が依然として応答する世代です。
• プロンプトの文法を学ぶ前にフォーマットを見たいですか？ Atlas Cloudには、1つの製品説明を15秒の2キャラクターコメディ広告に変換する無料のAI広告スキットジェネレーターがあります。無料で1回生成、透かしなし。

30秒の怪獣シーンの全編。AlibabaがWan 3.0の公開ベータ中に生成し、公式のWan 3.0クリエイターハンドブックに掲載されたものです。このクリップは弊社が生成したものではありません。音声をオンにしてください：スコアは出力の一部であり、後から追加された音楽ではありません。ファイルの仕様：1920x1072、24fps、30.07秒、44.1kHzステレオAAC。

仕様書が見落としている最初の点はこれです。このファイルは1920x1072であり、1920x1080ではありません。公式ハンドブックのすべての「1080p」デモは高さ1072ピクセルで、他の公開デモのいくつかは単なる1280x720です。ハンドブックの19クリップのうち12クリップは30.05～30.07秒で動作しており、30秒の上限はマーケティング上の丸め数字ではなく、実際のハードストップであることがわかります。

Wan 3.0 vs Wan 2.7の質問が難しい理由

正直な答えは、ほとんど誰も同じプロンプトで両方のモデルを実行したことがないということです。なぜなら、ほとんど誰も実行できないからです。Wan 3.0は2026年8月6日に公開ベータ版を開始し、Alibaba自身のサーフェス上で動作しています（QbitAI、2026年8月）。サードパーティの推論プラットフォームはまだ採用していません。そのため、存在する比較コンテンツは仕様書と仕様書の比較であり、仕様書はエラーが固まるまで横滑りにコピーされてきました。

3つの間違った「Wan 3.0 vs Wan 2.7の事実」

「Wan 3.0はネイティブ4K」 違います。公開API料金表は480P、720P、1080Pで、それぞれ1秒あたり0.3元、0.6元、1.2元です。3ティア、4番目はありません。一方、Atlas CloudはWan 2.7で1080P-SRと1440P-SRを公開しているため、純粋なピクセル上限では古い世代が現在勝っています。

「Wan 3.0の重みは公開されている」 違います。Hugging Faceを閲覧すると、Wan-AI組織の最新リリースファミリーはWan 2.2で、AnimateとS2Vバリアントを含みます。コアのビデオラインは2.2以降、重みをリリースしていません。ローカルのComfyUIグラフ用に何かが必要な場合、2.1と2.2が選択肢であり、それは変わっていません。

「プロンプトの文法はそのまま使える」 これは半分真実で、あなたを焼く方法でそうなっています。単語はそのまま使えます。構造は使えません。Wan 3.0の公式プロンプトはタイムスタンプ付きのマルチショットスクリプトです。怪獣プロンプトは10の番号付きショット、ビルボードプロンプトは明示的な秒数範囲を持つ4つのラベル付きビートです。10ショットのスクリプトを15秒のモデルに貼り付けても、優雅に6ショットを選ぶことはありません。圧縮されます。

Wan 3.0とWan 2.7の間でプロンプトを単純に交換できない理由

その下には2つ目の落とし穴があり、それが「2つのクリップを繋ぎ合わせるだけ」では救われない理由です。

Wan 2.7にはビデオ継続モードがあります。30秒への道筋のように見えます。しかし、そうではありません。入力するソースクリップは2～10秒でなければならないため、15秒の生成はシードとして使用できません。出力はソースを再エンコードし、入力したクリップの末尾を食いつぶします。また、継続を連鎖させると、ストーリーを前に進めるのではなく、冒頭のビートに戻る傾向があります。15秒は、1つの連続したWan 2.7ファイルのハードな上限です。それより長いものは編集であり、生成ではありません。

これが、これら2世代間の真の移行コストであり、比較表では示されません。

Wan 3.0 vs Wan 2.7仕様書、そして実際に実行する場所

これをテストするには、テキストから動画、参照から動画、動画編集を同じアカウントで実行でき、秒単位の課金で失敗したテイクのコストが秒単位で済む場所が必要です。この記事のWan 2.7側のすべては、Atlas Cloudで実行されます。Atlas Cloudは4つのWan 2.7エンドポイントと、参照テストに使用される画像モデルをホストしています。Wan 3.0はAtlas Cloudや他のサードパーティプラットフォームにはまだありません。そのため、この記事のWan 3.0に関する資料はAlibaba自身のベータ版公開から来ています。

表1: Wan 3.0 vs Wan 2.7、世代間比較

表2: この記事で使用したWan 2.7エンドポイント

何かを実行する前に把握しておくべき価格の詳細が1つあります。「1秒あたり0.1ドル」という見出しは720Pベースラインです。動画編集ページには1080Pの1.5倍の乗数が明記されており、実行ボタンは選択したティアの実際の金額を表示します。ヘッダーではなくボタンを読んでください。

Wan 3.0 vs Wan 2.7のテストを自分で実行する

4つのステップ。そのうち2つはAlibabaの公開資料を固定参照点として使用し、残りの2つは自分で実行します。Wan 3.0ベータ版へのアクセスは必要ありません。

ステップ1: Wan 3.0クリップと元のプロンプトを入手する

このテストのWan 3.0側は生成するものではありません。読むものです。完全な怪獣プロンプトは、公式Wan 3.0クリエイターハンドブックに「災難电影」の例として、完成したクリップとともに公開されています。これは中国語のスクリプトで、10の番号付きショットと、スコアを説明する別の段落で構成されています。

何かをする前に一度読んでください。構造が重要です。10のショット、それぞれに独自のカメラ、被写体、照明ノートがあり、最後にスコアリングの概要があります。それが30秒の1パス生成プロンプトの姿です。

ステップ2: 同じプロンプトをWan 2.7テキストから動画で実行する

Wan 2.7テキストから動画プレイグラウンドを開き、同じスクリプトの英語版を貼り付けます。まだ短くしないでください。意図が上限を超えたときにモデルが何をするかを見たいのです。

PlainCopy
130秒のフォトリアルな映画シーケンス：深海の怪獣が嵐の夜に出現する。冒頭は、船体に白い文字で「WAN」と書かれた小さな傷だらけの漁船が、豪雨の中、巨大な波と戦っている。稲妻が一瞬、海全体を照らす。デッキのミドルクローズショットに寄る：波が船首を砕き、ロープ、網、金属製の手すりが風に揺れ、雨がレンズに筋を描く。その後、前方の海が不自然に盛り上がり、巨大な渦が形成され、広大な暗い影が船の下を通り過ぎ、船を持ち上げる。ずぶ濡れのレインジャケットを着た乗組員が手すりにしがみつき、恐怖に震えながら水面に向かう。最後に、海面が爆発的に盛り上がり、巨大なパシフィック・リムスタイルの海の怪物が現れる：濡れた傷跡のある隆起した皮膚、巨大な顎、数十メートルの水しぶき。稲妻の中で咆哮する頭部のクローズアップ。漁船は飲み込まれそうになる。最後はワイドショットで：怪獣が荒れ狂う海にそびえ立ち、前景に小さな船、最後の稲妻の一撃。ハリウッドのディザスタームービーのスコアリング：低音のサブベースランブルとまばらなストリングスが、ブリーチで金管楽器と重いパーカッションに発展し、抑圧的な持続低音の和音で終わる。フォトリアルなスケール、ボリューメトリックウォーター、高コントラストのストームライティング。

設定：解像度1080P、長さ15秒（最大）、アスペクト比16:9、音声はオンにしてモデル自身がスコアリングするようにします。参照音声スロットは空のままにします。

Atlas Cloud上のWan 2.7テキストから動画プレイグラウンド。怪獣プロンプトが読み込まれ、完成した15秒クリップがOUTPUTパネルに表示されています。

Atlas Cloud上のWan 2.7テキストから動画。プロンプトを貼り付け、1080Pと16:9を選択。この短いテストテイクの実行ボタンは0.75ドルと表示しており、これは1秒あたり0.15ドルに相当します。見出しの数字が0.1ドルのモデルページで、1080Pの1.5倍乗数が明確に表示されています。

次に、プロンプトに1行追加して2回目を実行します。

PlainCopy
1シングルコンティニュアス・テイク、カットなし。ブリーチの瞬間を優先し、セットアップを圧縮すること。

この1行は、移行作業を縮小したものです。30秒のスクリプトは15秒の意図として再作成する必要があり、どの7つのショットを削除するかを決めるのはあなたです。

左：公式Wan 3.0出力、30秒。右：Atlas Cloud上のWan 2.7が同じプロンプトで実行され、15秒の上限で停止。

ステップ3: Wan 3.0 vs Wan 2.7の同一性テスト用の参照画像を作成する

長さは顕著なアップグレードです。ピクセルレベルの一貫性は、実際にプロダクション作業を変えるものであり、2匹の猫でテストできます。

Alibabaのハンドブックには、同じラグドール猫と黒猫が5つの全く異なる環境（対称的なホテルの廊下、カットアウェイの側面図、洗濯機のドラム、空港の手荷物受取ベルト、赤い電話ボックス）を生き残らなければならないウェス・アンダーソンのパスティーシュが含まれています。両方の猫は@Image1と@Image2の参照タグで固定されています。

最初に独自の2つの参照を生成します。品質を高に設定し、16:9のフレームでGPT Image 2を使用し、2回実行します。

PlainCopy
1青い目と暗いマスクを持つふわふわのラグドール猫のスタジオポートレート。カメラに向かって直立して座り、均一な照明の無地の淡いピンクの背景の前で、毛のディテールが鮮明、全身が見える、クリーンな参照シートのフレーミング。

PlainCopy
1明るい琥珀色の目を持つ小さくスマートな黒猫のスタジオポートレート。右を向いて横向きに立ち、均一な照明の無地の淡いピンクの背景の前で、毛のディテールが鮮明、全身が見える、クリーンな参照シートのフレーミング。

Atlas Cloud上のGPT Image 2プレイグラウンド。品質を高に設定し、ラグドール猫の参照シートがOUTPUTパネルにレンダリングされています。

品質高、16:9のGPT Image 2。2番目のプロンプトも同じ方法で実行して黒猫を取得します。

ステップ4: Wan 2.7参照から動画で同一性テストを実行する

両方の猫をWan 2.7参照から動画エンドポイントにアップロードします。解像度1080P、アスペクト比16:9、長さ10秒（このエンドポイントの最大値）。以下のプロンプトは、ハンドブックのショットリストを5ビートから3ビートに圧縮したものです。10秒では5ビートは収まりません。

PlainCopy
1ウェス・アンダーソンスタイル、完全に対称、フラットな正面構図、パステルパレット。参照画像1はラグドール猫、参照画像2は黒猫。すべてのショットで両方の猫を同一に保つこと。ショット1：無限の対称的なホテルの廊下、ラグドール猫が厳粛な表情でカメラに向かって走ってくる、背景で黒猫が頭を180度ひねって全力で逃げる。ショット2：廊下のカットアウェイ側面図、ピンクのパターン壁紙と金の額縁、ラグドールが左から右へ歩き、黒猫が右から左へ横切る。ショット3：ミントグリーンのビンテージ洗濯機のドアの正面マクロ、両方の猫が泡の中でドラム内に硬直して浮かんでいる、目は虚ろ、後ろに虹色の洗剤ボトルが並んでいる。  rigid horizontal and vertical lines, no camera tilt, deadpan absurd humor.

Atlas Cloud上のWan 2.7参照から動画プレイグラウンド。両方の猫の参照が読み込まれ、完成したクリップがOUTPUTパネルに表示されています。

Wan 2.7参照から動画：両方の猫が画像参照スロットに読み込まれ、解像度が1080Pに設定され、実行ボタンが開始前にテイクの金額を表示。2つの参照は、このエンドポイントが受け付けるもののかなりの割合です。Wan 3.0は20個の参照アイテムを受け付けます。

次に、2つを並べてみましょう。

公式Wan 3.0のアイデンティティロッククリップ：同じラグドール猫と黒猫が、ホテルの廊下、カットアウェイの壁、洗濯機のドラム、手荷物ベルト、赤い電話ボックスで一貫して保持されています。

AlibabaがWan 3.0の公開ベータ中に生成し、公式クリエイターハンドブックに掲載。5つの環境、19.9秒、両方の猫が参照タグで固定。ここでは無音のGIFとして表示。配信ファイルには44.1kHzステレオ音声が含まれます。

同じ概要に対するWan 2.7参照から動画の結果、10秒の上限内で3つのショット。

Atlas Cloud上のWan 2.7参照から動画、同じ2つの参照。ここでは無音のGIFとして表示。これはエンドポイントのデフォルトの5秒テイクであり、10秒の完全版ではありません。長さコントロールが設定したとおりに常にコミットされるとは限らないため、実行ボタンの引用を押す前に読む価値があります。猫の模様とラグドールのマスクに注目してください。それが「ピクセルレベルの一貫性」という主張が対象とする次元です。

再実行する価値のある4つのWan 3.0 vs Wan 2.7プロンプト

怪獣クリップは長さと物理を強調します。これら3つは異なるものを強調し、それぞれが異なるWan 2.7の制限に衝突します。3つすべては公式ハンドブックからのAlibaba自身のベータ出力です。

Wan 3.0、公式ベータ出力：蛍光灯照明の病院の廊下を30秒間押し戻す1つの連続テイク、淡い緑のモノクロームグレード、女優が助けを叫ぶ。音声をオンに。パフォーマンス、足音、機器のハム音はすべてモデル生成です。

表3: 各プロンプトが要求するものと、Wan 2.7が上限とする場所

同じアイデアの無料の15秒バージョン

ガソリンスタンドのクリップをもう一度見てください。そのフォーマット、2人のキャラクター、逆転、オチのある短いコメディスキットは、Wan 3.0の追加ランタイムが最も効果を発揮する場所です。また、何かを売る可能性が最も高いフォーマットでもあります。

問題はプロンプトです。ハンドブックのコメディ例は、明示的なタイムスタンプとブロッキングを含む800語です。これは実際のスキルであり、習得には週末が必要です。

その週末を投資する前に、フォーマットがあなたの製品に効果的かどうかを知りたいだけなら、Atlas Cloudにはプロンプトエンジニアリングを完全にスキップする無料ツールがあります。製品を説明し、オプションで最大4枚の製品写真（各8MB）をアップロードし、6つのトーン（面白いミーム、プロットツイスト、シットコム、心温まる、ラグジュアリー、ハードセール）から1つを選ぶと、2キャラクターのスクリプトを書き、声をキャスティングし、台詞と効果音を生成し、1つの連続したシーンとして完成した15秒の広告を返します。ダウンロードはクリーンで、透かしはありません。サインインが必要で、クレジットをチャージする前に1回の無料生成が可能です。

1行の製品コピーを入力すると、完成した15秒のコメディ広告が出力されます：Atlas Cloudの無料AI広告スキットジェネレーター。

無料AI広告スキットジェネレーター：1つの製品説明を入力すると、1つの15秒の2キャラクター広告が出力されます。

無料ジェネレーターからの実際の出力。音声をオンに：スクリプト、2つの声、効果音はすべて1回の実行で生成されます。

Wan 3.0 vs Wan 2.7の比較を実行するのにかかるコスト

1秒あたりでは、720Pティアで2つの世代は同じくらいのコストです。コストの違いは構造的です。以前は15秒だったクリップが30秒になるため、完成品は約2倍になります。

表4: 同じ怪獣シーケンス、4つの方法

2つの注意点。ベータ版の価格は一般提供時の価格ではなく、AlibabaはAPIがまもなくより広く開放されると述べているため、元の数字は確定レートではなく公開ベータのスナップショットとして扱ってください。また、Atlas Cloud側では、コミットする前に実行ボタンのライブ引用を常に読んでください。解像度乗数はそこで適用され、見出し価格には含まれていません。

Alibabaはまた、Wan 3.0がまだ弱い点について異常に率直で、「音質とテキスト精度にはまだ改善の余地がある」と述べています。これはファイルが示す内容と一致しています。公式デモの音声は44.1kHzステレオですが、控えめな32kb/sでエンコードされており、プレビューには十分ですが、配信マスターとしては薄いです。

Wan 3.0 vs Wan 2.7ライセンス：実際に出荷できるもの

短いバージョンです。ただし、クライアントに提示する前に、現在の利用規約を自分で確認してください。

Wan 3.0は公開ベータ版であり、商用条件は確定していません。重みがリリースされていないため、セルフホストのパスはまったくありません。作成するものはすべてAlibabaのAPIまたはそのコンシューマーサーフェスを通過し、生成した日のそれらの条件に拘束されます。Wan 2.7は重みに関して同じ状況ですが、プロダクションで十分に長く稼働しており、プラットフォームAPIの条件は安定しています。サードパーティのプラットフォームを通じて実行している場合、商業的権利はそのプラットフォームの利用規約に由来するため、自分のアカウントに実際に適用されるものを読んでください。これらの段落はどちらも法的アドバイスではありません。

Wan 3.0 vs Wan 2.7 FAQ

Wan 3.0はオープンソースですか？ComfyUIで実行できますか？

いいえ。2026年8月現在、Hugging FaceのWan-AI組織の下にWan 3.0リポジトリはなく、Wan-Video GitHubにもありません。重みがリリースされている最新のWanファミリーはWan 2.2で、AnimateとS2Vバリアントを含みます。ローカルのComfyUIグラフの場合、まだ2.1または2.2を使用しています。Wan 3.0はAPIとWebのみです。

Wan 3.0 vs Wan 2.7の解像度：Wan 3.0は本当に4Kを生成しますか？

いいえ。公開API料金表には3つの解像度ティアがあります：480P、720P、1080P。広く共有されているいくつかの比較投稿はネイティブ4Kを主張していますが、間違っています。生の出力上限では、Atlas Cloud上のWan 2.7は、1080P-SRと1440P-SRのスーパーレゾリューションオプションを通じて、実際にはより高くなります。

Wan 2.7でクリップを拡張して30秒を得ることはできますか？

1つの連続ファイルとしてはできません。継続モードでは2～10秒のソースクリップが必要なため、15秒の完全な生成はシードとして使用できません。出力は入力したものを再エンコードして末尾をトリミングし、連鎖した継続は冒頭のビートにループバックする傾向があります。15秒を超えると、編集であり生成ではありません。

Wan 3.0 vs Wan 2.7：それぞれ今日どこで実際に実行できますか？

Wan 3.0はAlibaba自身のサーフェスで公開ベータ版です：Alibaba Cloud Bailian、Wanjing Yike、Wanxiangサイト、Qianwen作成デスクトップクライアント、IF STUDIO、Duiyou、Qianwenアプリでのグレイスケールアクセス。まだサードパーティの推論プラットフォームはホストしていません。Wan 2.7は、テキストから動画、画像から動画、参照から動画、動画編集のエンドポイント全体で、まだ直接呼び出せる世代です。

Wan 3.0 vs Wan 2.7の価格：完成したクリップあたりどちらが高くつきますか？

720Pティアでの1秒あたりのコストは近いです。完成したクリップあたりでは、自然な出力長が15秒から30秒になったため、約2倍になると予想されます。レート変更ではなく、実行時間の変更に予算を組み、ベータ版の価格は一般提供時まで維持されない可能性があることを覚えておいてください。

Wan 3.0用にWan 2.7のプロンプトを書き換える必要がありますか？

はい、そして書き換えは語彙的ではなく構造的です。Wan 2.7のプロンプトは、1つの連続したショットを豊富な詳細で説明します。Wan 3.0のプロンプトはタイムスタンプ付きのショットリストであり、場合によっては別のスコアリング段落があり、モデルは入力としてPDFやデッキも読み取ります。経験則：Wan 2.7の場合は1つのショットについて1つの段落を書き、Wan 3.0の場合は秒数範囲付きの番号付きシーン内訳を書きます。