Wan 3.0 Preview już działa: bez 4K, bez otwartych wag i z 15-sekundową ścianą, w którą uderzyłem, próbując to obejść

Ściana w studiu korekcji barwnej pokazująca to samo ujęcie deszczowego dachu w kodach czasowych od 00:00 do 00:30

Trzydzieści sekund jednego ciągłego ujęcia rozłożonego na osi czasu. Cała historia polega na tym, jak do tego dojść.

W dniu, w którym Wan 3.0 Preview trafił do publicznej bety, zacząłem szukać jego specyfikacji. Pierwsza strona wyników mówiła mi, że obsługuje natywne 4K, jest wydany na licencji Apache 2.0 i ma „tryb reżysera AI z sześcioma kamerami”. Sześć różnych stron, te same twierdzenia, i ani jedna nie linkowała do źródła pierwotnego.

Otworzyłem więc własną stronę modelu Alibaby. 480P, 720P, 1080P. Żadnego 4K. Potem uderzyłem bezpośrednio w API Hugging Face i pobrałem każde repozytorium w organizacji Wan-AI. Najnowsze to Wan2.2-Animate-2, wypchnięte tego samego dnia, w którym wystartował Wan 3.0. Nie ma żadnego 3.0.

Następnie zrobiłem to, czego nie robi nikt inny. Główną obietnicą Wan 3.0 jest 30 sekund ciągłego wideo w jednym przebiegu, a ja nie mam do niego dostępu, więc spróbowałem odtworzyć ten rezultat za pomocą modeli, które faktycznie mogę dziś wywołać. Nie udało się. Sposób, w jaki mi się nie udało, okazał się najbardziej użyteczną częścią tego artykułu.

Najważniejsze wnioski

• Wan 3.0 Preview wszedł do publicznej bety 6 sierpnia 2026 r. ID modelu wan3.0-video, dostęp za wnioskiem w Alibaba Cloud Model Studio i Qwen Cloud. To nie jest otwarta rejestracja.
• Rzeczywista specyfikacja: do 30 sekund w jednym przebiegu, 480P/720P/1080P, po $0.05/$0.10/$0.20 za sekundę wyjściową.
• Nie ma 4K i nie ma otwartych wag. Odpytałem API Hugging Face o każde repozytorium pod Wan-AI. Nic powyżej Wan 2.2 nie istnieje jako plik do pobrania.
• Prawdziwym wąskim gardłem są limity przepustowości: 2 równoległe żądania, 30 RPM, 50 zadań asynchronicznych w kolejce.
• Nie da się podrobić 30-sekundowego ujęcia bez cięć za pomocą Wan 2.7. Trzy nieudokumentowane limity ograniczają najdłuższy naprawdę ciągły klip do 15 sekund, a dołączenie drugiej kontynuacji sprawia, że model zapętla się do tyłu zamiast iść naprzód.

15-sekundowa ściana: co naprawdę sprzedaje Wan 3.0 Preview

Oto najlepszy wynik, jaki udało mi się uzyskać. Piętnaście nieprzerwanych sekund w 1080P: najazd na neon, sprzedawczyni zamykająca dachowy kiosk z kawą w deszczu, potem zjazd kamerą w dół na mokrą ulicę i taksówkę. Jeden ciągły wygenerowany plik, bez montażu, z wygenerowanym dźwiękiem.

Piętnaście sekund ciągłego wideo Wan 2.7: neon, dachowy sprzedawca, zjazd kamerą na deszczową ulicę i taksówkę

Najdłuższy naprawdę ciągły klip, jaki rodzina Wan 2.7 dla mnie wygenerowała: 15 sekund, 1080P, jeden plik. Tutaj pokazany jako niemy GIF; dostarczony plik ma dźwięk stereo 44.1kHz.

To jest dobre. To jednocześnie dokładnie połowa tego, co Wan 3.0 deklaruje w jednym wywołaniu, a 15 sekund to miejsce, w którym sufit jest zaspawany. Poniżej opisuję, jak znalazłem ten spaw.

Dlaczego prawdopodobnie każda specyfikacja Wan 3.0 Preview, którą czytasz, jest błędna

Dwie rzeczy sprawiają, że ten launch jest wyjątkowo hałaśliwy. Po pierwsze, 30 sekund w jednym przebiegu generowania to dla tej rodziny rzeczywisty przełom. Wan2.7-Video kończy się na 15 sekundach, a większość popularnych modeli wideo mieści się między 5 a 15 sekundami (TNGlobal, sierpień 2026). Po drugie, Wan 3.0 przyjmuje wejścia referencyjne, których inni nie przyjmują: oprócz tekstu, obrazu, audio i wideo akceptuje pliki doc, xls, ppt, pdf i md oraz strony internetowe, więc prezentacja slajdów może stać się filmem (AlphaSignal, sierpień 2026).

Ta kombinacja wywołała ogrom publikacji na stronach, które nigdy nie otworzyły dokumentacji. Oto każde szeroko powielane twierdzenie, sprawdzone względem źródła pierwotnego.

Tabela A: weryfikacja specyfikacji Wan 3.0 Preview

Cennik i limity przepustowości pochodzą bezpośrednio ze strony modelu: 2 równoległe żądania, 30 żądań na minutę i kolejka asynchroniczna na 50 zadań (QwenCloud, sierpień 2026). O tej liczbie równoległych zadań prawie nikt nie pisze, a to najważniejsza linijka na stronie. Dwa równoległe zadania, z których każde trwa minuty, są w porządku do dema premierowego. To nie jest pipeline.

Teraz pytanie, które naprawdę obchodzi społeczność open source. Wan 2.1 i Wan 2.2 dostały checkpointy do pobrania. Wan 2.5 obiecywał wagi, które nigdy się nie pojawiły, Wan 2.6 był w pełni zamknięty, a Wan 2.7 pozostał tylko w API. Sprawdziłem, czy 3.0 przerywa tę serię, odpytując API Hugging Face o każdy model w organizacji Wan-AI, posortowany według daty utworzenia. Trzy najnowsze repozytoria to wszystkie warianty Wan2.2-Animate-2 utworzone 6 sierpnia 2026 r., tego samego dnia, w którym wystartował Wan 3.0. Najczęściej pobieranym repozytorium nadal jest Wan2.2-TI2V-5B-Diffusers z około 179 000 pobrań w ostatnich 30 dniach (Hugging Face, sierpień 2026).

Odpowiedź brzmi więc: nie, a Wan 2.2 pozostaje sufitem dla otwartych wag. Jeśli twój plan zakładał uruchomienie tego lokalnie albo fine-tuning, nie ma czego uruchamiać.

Stos Wan 3.0 Preview: co możesz faktycznie uruchomić dziś

Sytuacja dzieli się czysto. Wan 3.0 siedzi za formularzem zgłoszeniowym z limitem dwóch równoległych zadań. Wszystko przed nim, od Wan 2.7 wstecz do 2.2, można wywołać natychmiast na jednym kluczu API, obok Seedance i Kling do porównań między modelami. Wszystko w tym artykule uruchamiałem właśnie tak, w jednej karcie przeglądarki.

Ceny poniżej pochodzą z katalogu modeli Atlas Cloud z 10 sierpnia 2026 r., a nie z żadnego wpisu blogowego.

Tabela B: Wan 3.0 Preview kontra to, co jest na półce

Zniżki są aktualne na sierpień 2026 r. i ograniczone czasowo, więc przed budżetowaniem na ich podstawie sprawdź stronę modelu.

Z tej tabeli wynikają dwie rzeczy. 30-sekundowy pojedynczy przebieg Wan 3.0 nie jest już unikalny: Seedance 2.5 już przyjmuje czas trwania od 4 do 30 sekund w jednym wywołaniu, tylko z limitem 720p. A Wan 2.7 to jedyny wiersz oferujący 1440P-SR, warstwę superrozdzielczości rozliczaną według własnego schematu na poziomie 80% natywnego 1080P, której Wan 3.0 nie ma.

To, co Wan 3.0 ma jako jedyny, to 30 sekund w 1080P w jednym przebiegu, plus dokumenty jako wejścia referencyjne. Wan 3.0 ma stronę-placeholder w Atlas Cloud oznaczoną Coming Soon, więc gdy się pojawi, trafi pod ten sam klucz. Do tego czasu oto dokładnie, jak daleko zaprowadzą cię starsze modele.

Tutorial Wan 3.0 Preview, krok 1: napisz brief ujęcia bez cięć

Brief przechodzi między generacjami, więc napisz go raz. Wan 3.0 nagradza długie, opisane kodami czasowymi opisy ujęć, a Wan 2.7 akceptuje tę samą strukturę w limicie promptu 5 000 znaków.

Szablon, który działa: Shot [timecode] + subject action + camera move + light + ambient audio. W pierwszej linijce zadeklaruj, że ujęcie jest ciągłe, i opisz wyraźnie tło dźwiękowe, bo Wan 2.7 generuje audio natywnie i wymyśli coś nieprzydatnego, jeśli zostawisz to puste.

Nieprzypadkowo wybrałem dachowy kiosk z kawą w deszczową noc. To test obciążeniowy czterech rzeczy, które zwykle psują się naraz: utrzymanego ruchu kamery, spójności twarzy w czasie, mokrych neonowych odbić i ciągłego tła dźwiękowego.

textCopy
1BEAT 1 (0-10s): Slow dolly-in from a flickering pink-and-cyan neon sign toward a
2young female vendor wiping down a steel counter on a rooftop coffee stall.
3BEAT 2 (10-15s): The camera cranes down over the rooftop edge to the wet street
4below, gliding toward a taxi idling at the curb.
5Constant: heavy rain, neon palette, 35mm anamorphic, film grain, no cuts.
6

To jest plan, nie prompt. Prompty do wklejenia są poniżej.

Krok 2: wygeneruj otwarcie w 1080P

Otwórz stronę Wan 2.7 text-to-video i wklej Beat 1, rozpisany w całości.

textCopy
1Continuous single take, no cuts. A rainy night rooftop coffee stall in Shenzhen.
2Shot [0-4s]: Slow dolly-in from a flickering pink-and-cyan neon sign toward a
3young female vendor wiping down a steel counter, rain streaking through the neon
4glow, steam rising from a kettle.
5Shot [4-10s]: The camera settles at chest height as she looks up and half-smiles,
6shallow depth of field, wet reflections on the counter, raindrops visible against
7the dark sky behind her.
8Audio: steady rain, distant traffic hum, the clink of a ceramic cup.
9Cinematic, anamorphic, 35mm, high dynamic range, fine film grain.
10

Ustawienia: Resolution 1080P, Aspect ratio 16:9, Duration 10, Prompt extend OFF.

Prompt extend jest domyślnie włączony i przepisuje prompt przed generowaniem, co po cichu niszczy kontrolę ujęć opartych na kodach czasowych. Wyłączaj go zawsze, gdy rozpiska ujęcia jest najważniejsza.

Ustaw czas trwania na 10, a nie na maksymalne 15 sekund. To nie jest decyzja kosztowa, a powód stanie się widoczny dopiero w kroku 3.

Wan 2.7 text-to-video w Atlas Cloud, uruchomienie zakończone, wynik 1080P widoczny w panelu OUTPUT

Krok 2 w playgroundzie: prompt wklejony, 1080P, 16:9, uruchomienie zakończone z wynikiem po prawej. Zwróć uwagę na wycenę przycisku Run: $0.75 za pięciosekundowe zadanie 1080P, co daje $0.15 za sekundę, a nie katalogowe „od $0.10”.

Krok 3: kontynuuj i zobacz, gdzie się psuje

Endpoint image-to-video w Wan 2.7 ma tryb kontynuacji wideo, który bierze istniejący klip i kręci dalej. Weź URL wyniku z kroku 2, wstaw go w polu video, ustaw Duration na 15 i wklej Beat 2:

textCopy
1Continue the same unbroken take with identical camera language and lighting.
2The crane-down continues past the rooftop edge to street level, the camera
3gliding forward through the rain toward a taxi idling at the curb, wipers
4sweeping. Keep the rain intensity, neon colour palette, film grain and ambient
5audio identical to the source clip. No cut, no fade, no scene change.
6

To produkuje 15-sekundowy klip z początku tego artykułu. A teraz trzy limity, w które uderzyłem, z których żaden nie jest w dokumentacji.

Jeden: klip źródłowy musi mieć od 2 do 10 sekund. Dlatego krok 2 jest ograniczony do 10. Wygeneruj 15-sekundowe otwarcie i w ogóle nie możesz go przedłużyć, bo 15-sekundowy plik nie jest legalnym wejściem.

Dwa: żądany czas trwania musi przekraczać czas trwania źródła. Podaj 10-sekundowy klip i poproś o 10 sekund, a API odrzuci to wprost: first_clip duration (10s after trim) must be less than the requested duration (10s). Wyjście zawiera więc źródło, a najwięcej, co możesz zyskać w jednym przebiegu, to 5 sekund.

Trzy: model nie zachowuje twojego klipu źródłowego. To jest najważniejsze. Poniżej górny rząd to oryginalny 10-sekundowy klip w 5s i 9.9s. Dolny rząd to wynik kontynuacji w tych samych dwóch kodach czasowych.

Cztery klatki porównujące klip źródłowy i wynik kontynuacji w 5 sekundzie oraz 9.9 sekundy

Górny rząd: klip źródłowy w 5s i 9.9s. Dolny rząd: wynik kontynuacji w tych samych kodach czasowych. Przy 5s pasują do siebie. Przy 9.9s źródło nadal jest na sprzedawczyni, a kontynuacja już przeszła na ulicę, ponieważ skompresowała źródło do mniej więcej pierwszych sześciu sekund i resztę poświęciła na nowy materiał.

Kontynuacja nie jest więc konkatenacją. Renderuje twój klip ponownie szybciej, żeby zrobić miejsce, a ostatnie sekundy oryginalnego występu po prostu znikają.

To prowadzi do oczywistego pomysłu: połączyć to w łańcuch. Podaj 15-sekundowy wynik z powrotem i poproś o kolejne 15. Spróbowałem. Oto co wróciło.

Druga kontynuacja w łańcuchu, która wraca do dachowej sprzedawczyni zamiast popychać scenę naprzód

Drugi przebieg kontynuacji. Odtwarza ulicę i taksówkę, potem zapętla się z powrotem do dachowej sprzedawczyni z samego początku sekwencji zamiast iść dalej. Łączenie w łańcuch nie akumuluje materiału.

To jest ta ściana. Limit wyjścia wynosi 15 sekund, limit wejścia 10, a drugie ogniwo łańcucha biegnie do tyłu. Piętnaście sekund naprawdę ciągłego materiału to sufit tej rodziny modeli. Wszystko dłuższe jest cięciem, nie ujęciem, a cięcia są dokładnie tym, co 30-sekundowy pojedynczy przebieg ma wyeliminować.

Jedno ujawnienie: nagranie ekranu z playgroundu dla tego kroku kontynuacji nie powiodło się trzy razy, ponieważ presetowy obraz referencyjny strony przejmował uruchomienie, więc krok 3 wykonałem przez API, a nie przez UI playgroundu. Prompt, ustawienia i wyniki powyżej pochodzą z tego rzeczywistego uruchomienia.

Ile naprawdę kosztuje 30 sekund Wan 3.0 Preview

Przycisk Run w kroku 2 wycenił $0.75 za pięciosekundowe zadanie 1080P. To $0.15 za sekundę, a nie $0.10 z katalogu, ponieważ podana kwota jest ceną minimalną, a rozliczenie skaluje się z rozdzielczością. Zawsze ufaj wycenie bardziej niż karcie katalogowej.

Przy tej rzeczywistej stawce moje 15 sekund ciągłego materiału kosztowało $1.50 za 10-sekundowe otwarcie plus $2.25 za kontynuację, czyli $3.75 za 15 dostarczonych sekund.

Tabela C: ile kosztuje 30 sekund, na pięć sposobów

Przeczytaj czwarty wiersz jeszcze raz. Wyprodukowanie 15 ciągłych sekund w Wan 2.7 kosztowało więcej niż Wan 3.0 pobiera za 30 ciągłych sekund w 720P. Obejście nie jest tanią opcją; jest drogą opcją, która na dodatek nie działa.

Jedno zastrzeżenie dotyczące wiersza Seedance: podana stawka to minimum dla 480p, a model rozlicza się według powierzchni pikseli, więc uruchomienia 720p kosztują w praktyce około 2,25 raza więcej.

W kwestii licencji zachowaj ostrożność. Wan 3.0 jest w becie, więc warunki komercyjne wynikają z umowy usługi Alibaba Cloud, którą akceptujesz przy zgłoszeniu, a nie z jakiejkolwiek licencji modelu, i mogą się zmienić przed ogólną dostępnością. Bez opublikowanych wag lokalne wdrożenie i fine-tuning nie są opcjami. Zanim wyślesz pracę klientowi, potwierdź wymagania dotyczące atrybucji i znaków wodnych względem warunków własnego konta.

Najczęściej zadawane pytania

Czy Wan 3.0 Preview jest już dostępny dla wszystkich?

Nie. Wszedł do publicznej bety 6 sierpnia 2026 r., ale dostęp wymaga zgłoszenia przez Alibaba Cloud Model Studio i Qwen Cloud. Zatwierdzone konta dostają 2 równoległe żądania, 30 RPM i kolejkę asynchroniczną na 50 zadań, co jest wymiarowane raczej pod ewaluację niż produkcję.

Czy Wan 3.0 Preview jest open source i gdzie są wagi?

Nie ma ich. Odpytanie API Hugging Face o każde repozytorium pod organizacją Wan-AI nie zwraca nic powyżej Wan 2.2. Trzy najnowsze repozytoria, wszystkie warianty Wan2.2-Animate-2, zostały utworzone tego samego dnia, w którym wystartował Wan 3.0. Wan 2.2 pozostaje sufitem dla otwartych wag.

Czy Wan 3.0 Preview naprawdę robi natywne 4K?

Nie. Oficjalna dokumentacja wymienia 480P, 720P i 1080P. Twierdzenie o 4K pochodzi z agregatorów cytujących siebie nawzajem zamiast źródła pierwotnego i przeczy własnej tabeli cen Alibaby, która ma dokładnie trzy poziomy rozdzielczości.

Ile kosztuje 30-sekundowe wideo Wan 3.0 Preview?

W 1080P, $0.20 za sekundę wyjściową daje $6.00 za 30 sekund. W 720P jest to $3.00, a w 480P $1.50. Dla porównania, 15 ciągłych sekund w Wan 2.7 w 1080P kosztowało mnie $3.75 według rzeczywiście naliczonej stawki.

Czy mogę dziś wygenerować 30-sekundowe ujęcie bez cięć bez dostępu do Wan 3.0 Preview?

Nie za pomocą Wan 2.7. Jego tryb kontynuacji ogranicza wyjście do 15 sekund, akceptuje tylko klipy źródłowe o długości 10 sekund lub mniej i przy łączeniu w łańcuch zapętla się do tyłu. Seedance 2.5 zrobi od 4 do 30 sekund w jednym przebiegu, ale tylko do 720p.

Wan 3.0 Preview kontra Wan 2.7: czy warto czekać?

Jeśli potrzebujesz jednego ciągłego ujęcia dłuższego niż 15 sekund albo dokumentów i stron internetowych jako wejść referencyjnych, tak — i nie ma obejścia. Przy wszystkim, co ma 15 sekund lub mniej, Wan 2.7 jest teraz praktyczniejszy, bo limit 2 równoległych żądań sprawia, że praca wsadowa na 3.0 jest wolniejsza niż na modelu, który zastępuje.