Wan 3.0 VRAM-vereisten: Waarom 80GB niet genoeg is, en wat er vandaag daadwerkelijk draait

Nieuwste update: Wan 3.0 is live sinds 24 augustus 2026.

Je opende zes tabbladen. Elk gaf je een nette tabel: 1.3B op 8GB, 14B op 24GB, Apache-2.0, uitgebracht in april 2026. Dus je opende de Wan-AI-pagina op Hugging Face om het checkpoint te pakken.

27 repositories. De nieuwste is Wan2.2.

Die tabellen zijn niet verouderd. Ze zijn verzonnen. Wan 3.0 VRAM-vereisten kunnen niet zijn gemeten door iemand buiten Alibaba, want Wan 3.0 is pas op 6 augustus 2026 in openbare bèta gegaan en heeft nooit een gewichtsbestand uitgebracht. Er was niets om in april uit te brengen.

Dus wat is het echte antwoord? Niemand heeft het gebenchmarkt. Maar Wan 3.0's eigen specificatieblad bakent het antwoord hard in, en wij hebben die berekening hieronder gedaan.

Belangrijkste conclusies

• Er bestaan nergens Wan 3.0-gewichten. Elke VRAM-tabel ervoor op het web van vandaag is verzonnen.
• Wan 3.0 is een first-party API-bèta: max 30s, max 1080P, geen 4K-tier.
• De eigen specificaties impliceren 13,5x de latente sequentie van een 5s 720P clip, wat een ~180x aandacht-rekening is.
• De echte lokale grens vandaag is Wan2.2 TI2V-5B op 24GB, of 6GB met community-kwantificatie.
• Voor 1080P-output deze week, huur seconden in plaats van VRAM te kopen.

Wan VRAM-vereisten zichtbaar gemaakt: dezelfde eerste frame geanimeerd op de 720P-tier links en de 1080P-tier rechts, beide gerenderd zonder lokale GPU

Zelfde eerste frame, zelfde bewegingsprompt, zelfde model. Alleen de resolutietier verandert: 720P links voor $0,50 voor 5 seconden, 1080P rechts voor $0,75. Beide zijn gerenderd op Wan 2.7 met nul lokaal VRAM, en de prijs op elk label is de offerte die de Run-knop ons daadwerkelijk gaf. Weergegeven als stille GIF.

Daar gaat dit hele argument over. Niet gigabytes. Pixels.

Waarom Elke Wan 3.0 VRAM-vereistentabel Die Je Vindt Verzinsel Is

Conclusie eerst: de best scorende pagina's voor dit trefwoord hebben Wan 2.1- en Wan 2.2-getallen gerecycled, "3.0" erop geplakt en een releasedatum verzonnen. Je kunt het allemaal weerleggen in ongeveer 60 seconden.

Kijk maar.

Wan-AI organisatiepagina op Hugging Face met 27 repositories waarvan Wan2.2 de hoogste versie is, wat bewijst dat er geen Wan 3.0-gewichten bestaan voor lokaal VRAM-testen

De officiële Wan-AI-organisatie op Hugging Face, tabblad modellen, gesorteerd op nieuwste eerst. 27 repos, en het hoogste versienummer ergens op de lijst is 2.2 (Hugging Face, augustus 2026).

Er is geen Wan3.0-repo. Er is ook geen Wan2.7-, Wan2.6- of Wan2.5-repo. Het nieuwste in de organisatie is Wan2.2-Animate-2-14B-Diffusers, zeven dagen geleden bijgewerkt (Hugging Face, augustus 2026).

Hier is de claim-voor-claim uitsplitsing.

Tabel 1: wat de handleidingen beweren vs wat verifieerbaar is

Wat Alibaba daadwerkelijk in augustus 2026 uitbracht, is een API-en-webproduct, geen checkpoint. Eén generatie duurt tot 30 seconden, resolutie stopt bij 1080P, en het accepteert tekst, afbeeldingen, audio, video en zelfs documenten (doc, xls, ppt, pdf, md) als referentie-invoer. API-prijzen zijn ¥0,3 / ¥0,6 / ¥1,2 per seconde voor 480P / 720P / 1080P (QbitAI, augustus 2026).

Let op wat ontbreekt in die lijst: een downloadlink.

Wan 3.0 VRAM-vereisten, Berekend Vanuit Zijn Eigen Specificaties

Belofte: aan het einde van deze sectie weet je waarom "haal gewoon een 32GB-kaart" niet kan werken, met getallen die je zelf kunt afleiden. Bewijs: de berekening heeft slechts twee gepubliceerde feiten nodig, Wan's VAE-compressieverhouding en Wan 3.0's 1080P/30s-plafond.

Laten we beginnen.

Het is de sequentielengte, niet het aantal parameters. Iedereen staart naar het B-getal. Dat is de verkeerde variabele.

Het geheugen en de rekencapaciteit van een video-diffusietransformer schalen met hoeveel latente tokens het moet overzien, en dat aantal komt van resolutie maal duur, niet van parameters. Wan2.2's VAE comprimeert op 4x16x16 in tijd, hoogte en breedte, en de DiT patchificeert daarbovenop, dus elk latent token beslaat ongeveer een 4x32x32 blok pixels (Wan2.2 README, augustus 2026). De oudere Wan2.1-generatie VAE comprimeert op 4x8x8, dus met patchify is het 4x16x16 per token, vier keer zoveel tokens voor dezelfde clip.

Voer Wan 3.0's eigen plafond hierdoor en dit is wat eruit komt.

Tabel 2: latent token aantal per doelclip (onze berekening, 24fps)

Lees de laatste rij nog eens. Wan 3.0's hoofdcapaciteit is 13,5x de sequentielengte van de 5-seconden 720P-clip waar je 4090 momenteel op zweet.

En zelf-aandacht is kwadratisch in sequentielengte. 13,5 in het kwadraat is ongeveer 180. Dus het aandachtswerk voor één 30s 1080P-clip is ruwweg 180x het aandachtswerk van één 5s 720P-clip, voordat je iets anders meetelt.

Dat is het getal dat niemand in de SERP berekende. Het is ook waarom "koop 8 extra gigabytes" geen plan is.

Dus wat betekent dat in gigabytes? Gewichten zijn het saaie deel. Een 27B-totaal MoE bij fp8 is ongeveer 27GB resident, bf16 ongeveer 54GB. MoE helpt alleen bij de compute per stap (Wan2.2's A14B activeert 14B van 27B parameters per stap), niet wat in het geheugen moet blijven.

Het interessante deel is activeringen. De hidden state van één transformerlaag bij model dim 5120 in bf16 kost tokens x 5120 x 2 bytes:

• 5s 720P (27.280 tokens): 0,28 GB per laag
• 30s 1080P (369.240 tokens): 3,8 GB per laag
• 30s 1080P op een 2.1-generatie VAE (1.476.960 tokens): 15,1 GB per laag

Per laag. Vermenigvuldig met hoeveel lagen je aandachtsimplementatie live moet houden, voeg de tekstencoder toe, voeg de VAE-decodepass toe, en het 80GB-getal stopt er niet conservatief uit te zien.

Tabel 3: geschat VRAM als gewichten ooit uitkomen (SCHATTING, niet gemeten)

Elke cel in die tabel is een SCHATTING afgeleid van Tabel 2 plus gepubliceerde checkpointgroottes. Echte getallen zijn afhankelijk van de aandachtskern, de offloadstrategie en of Alibaba ooit gewichten uitbrengt. Beschouw het als de vorm van het probleem, niet als een specificatieblad.

De vorm is duidelijk genoeg: de vlaggenschipinstelling was nooit een consumenten-GPU-werklast.

De Wan VRAM-vereisten Die Je Vandaag Echt Kunt Halen

Hier is het deel dat de verzonnen tabellen pretenderen te zijn. Deze getallen zijn gepubliceerd door het Wan-team en ze zijn echt.

Tabel 4: echte Wan VRAM-tiers, augustus 2026

Twee dingen in die tabel verdienen een tweede blik.

Ten eerste: de A14B-rij heeft al beide geheugenbesparende vlaggen ingeschakeld en wil nog steeds 80GB. Dat is het officiële enkele-GPU-getal, niet een naïeve. Ten tweede: de 5B-rij is het eerlijke consumentenantwoord, en zijn eigen README citeert 5 seconden van 720P in minder dan 9 minuten op een 4090.

Onder 24GB zit je in community-territorium. WanGP (het deepbeepmeep/Wan2GP-project, dat zichzelf beschrijft als generatieve modellen "toegankelijk voor de GPU-arme") krijgt geselecteerde modellen tot 6GB met behulp van int8, fp8, gguf, NVFP4 en Nunchaku-kwantificatie. Het ondersteunt Wan 2.1 en 2.2. Het ondersteunt geen 3.0, omdat er niets is om te ondersteunen.

Nu het deel dat je aankoopbeslissing zou moeten veranderen: de aanname "de volgende versie wordt open" is drie keer op rij mislukt. Wan 2.2 was Apache-2.0. Wan 2.5 ging alleen API. Wan 2.6 en 2.7 hebben nooit gewichten uitgebracht. Wan 3.0 heeft helemaal geen licentiebestand.

Een kaart kopen vandaag op de weddenschap dat 3.0-gewichten morgen landen, is wedden tegen een trend van drie generaties.

Voor een huidige gehoste run, open Wan 3.0 op Atlas Cloud en test een prompt zoals de onderstaande voordat je de workflow publiceert.

Wan 3.0 prompt-naar-resultaat screenshot: Geen-GPU renderpad.

Sla de VRAM-vereisten Over: De Geen-GPU Wan-workflow

Laat me eerst duidelijk zijn over de grens, omdat de meeste pagina's in deze niche dat niet zullen zijn.

Niemand host Wan 3.0. Noch Atlas Cloud, noch iemand anders. Er zijn geen gewichten, dus er is geen third-party inferentie. Als een pagina je "Wan 3.0 API-toegang" aanbiedt, verkoopt het je iets anders.

Wat je nu kunt krijgen, is de rest van de familie, gehost, per seconde gefactureerd, zonder VRAM in de vergelijking. Atlas Cloud draait Wan 2.2 tot en met 2.7 achter één API en één browsertabblad, en Wan 2.7 op 1080P is het dichtst bij 3.0-klasse output dat beschikbaar is buiten Alibaba's eigen bètakanalen.

Voor de lezer voor wie dit artikel is geschreven, lost dat een specifiek probleem op. Je stond op het punt vier cijfers uit te geven aan een kaart om een checkpoint te achtervolgen dat niet bestaat. Seconden huren betekent dat je ontdekt hoe de output er daadwerkelijk uitziet voordat je iets koopt, en als 3.0-gewichten nooit komen, heb je niets verloren behalve een paar dollar.

Tabel 5: de gehoste Wan-familie (lijstprijzen per augustus 2026)

Eén waarschuwing vóór de tutorial, omdat het op je factuur zal verschijnen: de lijstprijs is een vloer. Wan 2.7's pagina citeert $0,10 per seconde. In onze runs van augustus 2026 citeerde dezelfde vijf seconden taak $0,50 op de 720P-tier en $0,75 op 1080P, dus de vlaggenschip-tier factureert tegen $0,15 per seconde, anderhalf keer de vermelde prijs. Lees altijd de offerte die de knop je geeft voordat je erop klikt.

Tabel 6: vier routes naar 30 seconden van 1080P

Doe de deling. Bij ongeveer $4,50 per 30 seconden van 1080P heeft een $2.000-kaart ongeveer 440 dertig-seconden renders nodig om break-even te draaien, en hij kan er nog geen enkele produceren.

Dat is het argument. Hier is nu de driedelige run zodat je de output zelf kunt beoordelen.

Stap 1: Vergrendel het Eerste Frame op 16:9

Elke eerlijke VRAM-vergelijking heeft één variabele nodig. Dus we fixeren het eerste frame, voeren dan het identieke frame en de identieke bewegingsprompt in voor beide tiers. Elk verschil dat je daarna ziet, is de tier, niet de dobbelsteen.

Open de Qwen Image 2.0 Pro tekst-naar-afbeelding speeltuin en plak dit:

textCopy
1Cinematische groothoekopname in een donkere thuiswerkplek om 2 uur 's nachts: een jonge ingenieur in een grijze hoodie leunt achterover in een bureaustoel, gezicht alleen verlicht door een drie-monitor opstelling met een gepauzeerde videotijdlijn. Naast het bureau gloeit een open pc-behuizing, een enkele overmaatse grafische kaart zichtbaar binnenin, ventilatoren draaien. Stofdeeltjes in de lucht, teal-en-amber kleurcorrectie, ondiepe scherptediepte, 35mm anamorfe lens, fotorealistisch, zeer gedetailleerd, 16:9
2

Instellingen: klik op de 16:9 formaatknop, die het frame op 1280 x 720 zet, en laat al het andere standaard. Kosten zijn $0,06 per afbeelding (momenteel 20% korting op $0,075). De breedte- en hoogtevelden gaan tot 2048 per zijde als je een groter frame wilt, maar de standaard van de knop is al de juiste vorm voor beide videotiers.

Waarom deze scène? Omdat het letterlijk de lezer is. Bewaar het uitvoerbestand, je hebt het twee keer nodig.

Qwen Image 2.0 Pro speeltuin op Atlas Cloud met de 16:9 formaatknop geselecteerd en het voltooide 1280x720 eerste frame in het uitvoerpaneel

Stap 1 voltooid: de 16:9-knop geselecteerd op 1280 x 720, en het eerste frame waar beide videotiers van start gaan. $0,06 op de Run-knop.

Stap 2: Animeer het op de 720P VRAM-tier

Dit is de plaatsvervanger voor wat een echte 24GB lokale opstelling je geeft: 720P, vijf seconden, en dat is het plafond.

Een bewuste keuze hier. In plaats van modellen te wisselen tussen de twee tiers, draaien we hetzelfde model op beide, zodat de enige variabele in de vergelijking de resolutietier is. Laad de afbeelding van Stap 1 als eerste frame in de Wan 2.7 image-to-video speeltuin en plak dan deze bewegingsprompt:

textCopy
1De ingenieur leunt langzaam naar voren en wrijft in zijn ogen; de monitor-gloed flikkert terwijl de tijdlijn doorloopt; de camera duwt lichtjes in; stofdeeltjes drijven door de lichtstraal; subtiele handheld micro-shake; enkele continue opname, geen cuts.
2

Instellingen: resolutie 720P, duur 5s, al het andere standaard. De Run-knop citeerde $0,50, wat het $0,10 per seconde lijstarief is maal vijf seconden. Schrijf dat getal op, want Stap 3 gaat het veranderen.

Wan 2.7 image-to-video speeltuin op de 720P-tier met het eerste frame geladen, 5s duur, en de voltooide clip in het uitvoerpaneel

Stap 2 voltooid: de 720P-tier, 5 seconden, gequoteerd op $0,50, met een echte clip in het uitvoerpaneel.

Stap 3: Animeer hetzelfde Frame op 1080P Zonder Lokale GPU

Zelfde pagina, zelfde eerste frame, zelfde bewegingsprompt woord voor woord, zelfde 5 seconden duur. Verander precies één bediening: stel resolutie in op 1080P.

De Run-offerte gaat van $0,50 naar $0,75. Dat is jouw $0,15 per seconde, gemeten, op een pagina waarvan de lijstprijs $0,10 zegt.

Twee instellingsvalkuilen om op te letten, die ons allebei echte runs hebben gekost om te leren:

• De duurregeling wordt niet altijd doorgevoerd. We stelden duur in op 10 seconden, het veld toonde 10, en de taak renderde nog steeds 5. De offerte van de Run-knop is de enige bron van waarheid: tegen $0,15 per seconde moet een echte 10 seconden 1080P-taak ongeveer $1,50 zijn, dus een offerte van $0,75 betekent dat je nog steeds 5 seconden koopt, ongeacht wat de schuifregelaar toont. Lees de offerte, niet het veld.
• Bevestig dat je eigen afbeelding is geladen. Als de referentiesleuf nog de vooraf ingestelde demo-afbeelding van de pagina bevat, zal de run vrolijk iets ongerelateerds produceren. Kijk naar de thumbnail voordat je klikt.

Wan 2.7 image-to-video speeltuin op de 1080P-tier met de Run-knop die $0,75 citeert, en de voltooide 1080P-clip in het uitvoerpaneel

Stap 3 voltooid op de 1080P-tier. De Run-offerte is het punt: $0,75 voor dezelfde vijf seconden die $0,50 kostten één tier lager, op een pagina die $0,10 per seconde vermeldt.

Beide renders zijn in de clip bovenaan dit artikel, naast elkaar. Dat is het hele VRAM-argument in vijf seconden: twee tiers van output, dezelfde prompt, en geen gigabyte lokaal videogeheugen betrokken.

Variaties die het proberen waard zijn. Ga naar 480P voor goedkope voorproefjes voordat je je vastlegt op een 1080P-render. Wissel in alibaba/wan-2.6/text-to-video tegen $0,07/s als je geen eerste frame hebt en 15 seconden in één keer wilt. Gebruik alibaba/wan-2.2/animate-mix tegen $0,126/s om een ander karakter in beeldmateriaal te plaatsen dat je al hebt. En als je dichter bij 30 seconden wilt, budgetteer dan voor twee clips, vanwege een 15 seconden per clip-plafond dat bijna geen tutorial noemt.

Veelgestelde Vragen

Kan een 24GB GPU Wan 3.0 draaien?

Vandaag niet, omdat er geen gewichten zijn om te laden. Als ze ooit uitkomen, zegt de wiskunde in Tabel 2 dat 24GB je 480P en korte clips geeft onder agressieve kwantisering. De vlaggenschipinstelling 1080P/30s is een andere orde van grootte en is niet haalbaar op een enkele consumentenkaart.

Waar kan ik Wan 3.0-gewichten downloaden?

Nergens. De Wan-AI-organisatie op Hugging Face stopt bij Wan2.2, en de Wan-Video GitHub-organisatie heeft geen 3.0-inferentierepo en geen 3.0-licentie. Elke site die een "Wan 3.0 checkpoint download" aanbiedt, verspreidt niet wat het beweert.

Is Wan 3.0 open source of Apache 2.0?

Er is geen licentie gepubliceerd. De trend gaat de andere kant op: Wan 2.2 was Apache-2.0, Wan 2.5 ging alleen API, en 2.6 en 2.7 hebben helemaal geen gewichten uitgebracht. Drie opeenvolgende generaties gesloten. Plan dienovereenkomstig.

Wat is het Wan-model met het laagste VRAM dat ik vandaag echt kan draaien?

Wan2.2 TI2V-5B, officieel 24GB op een 4090, doet 5s van 720P in minder dan 9 minuten. Daaronder bereiken WanGP's gekwantiseerde paden tot 6GB op geselecteerde modellen, en je betaalt ervoor in snelheid en detail.

Wan 3.0 vs Wan 2.7: welke kan ik lokaal draaien?

Geen van beide. Beide zijn alleen API. Als de vereiste "draait op mijn machine" is, zijn je opties de Wan 2.1- en 2.2-families. Als de vereiste 2.7-klasse output is, is dat een gehoste oproep, geen lokale installatie.

Als ik het niet lokaal kan draaien, hoe krijg ik dan nu 30 seconden van 1080P?

Alibaba's first-party bèta factureert per seconde en levert 30s in één clip. Buiten die kanalen is er een hard plafond van 15 seconden per clip, dus 30 seconden betekent twee aan elkaar zetten. In ons eigen Wan 2.7-vervolgtests waren de beperkingen streng: het bronsegment moest 2 tot 10 seconden zijn, de output moest strikt langer zijn dan de bron, de bronframes werden niet bewaard, en het aan elkaar koppelen van vervolgen leverde geen lengte op. De meeste tutorials noemen dat nooit.

Dus de korte versie van de hele Wan 3.0 VRAM-vereisten vraag: stop met winkelen voor een kaart, want het checkpoint waarvoor je hem zou kopen, bestaat niet. Draai Wan 2.2 lokaal als je gewichten op schijf wilt, en huur 1080P-seconden wanneer je de output wilt die de neptabellen verkochten.