Wan 3.0 vs Wan 2.7: Abri os próprios arquivos de demonstração da Alibaba. Três especificações que todo mundo copiou estão erradas.

Dois monitores de suíte de edição lado a lado, o da esquerda mostrando um monstro marinho emergindo em uma tempestade, o da direita mostrando a mesma tempestade interrompida

Reproduza o clipe de 30 segundos do monstro marinho que a Alibaba enviou com a versão beta do Wan 3.0. Navio de pesca, chuva torrencial, relâmpagos, então o oceano explode para cima. Dez tomadas distintas. Nem um único corte. A trilha orquestral que o acompanha foi escrita pelo modelo.

Sua primeira reação não é "uau". É "o que exatamente está faltando no meu Wan 2.7?"

Então fui procurar a resposta, e a primeira coisa que descobri é que a maior parte da internet está respondendo errado. Pesquise wan 3.0 vs wan 2.7 e os principais resultados afirmam confiantemente que o Wan 3.0 renderiza em 4K nativo e que os pesos estão no Hugging Face. Nenhuma das duas afirmações é verdadeira. Baixei os arquivos de demonstração oficiais em um laptop e os li com ffmpeg, depois verifiquei os registros do modelo e as faixas de preço publicadas. A atualização real é grande. Só não é a atualização que as pessoas estão descrevendo.

Wan 3.0 vs Wan 2.7: principais conclusões

• A duração é o destaque. O Wan 3.0 gera 30 segundos em uma única passagem com uma recomendação automática de "duração inteligente". O Wan 2.7 tem limite de 15 segundos para texto-para-vídeo e imagem-para-vídeo, e 10 segundos para referência-para-vídeo e edição de vídeo.
• As referências saltam de um punhado para uma multidão. O Wan 2.7 aceita até 5 itens de referência. O Wan 3.0 aceita até 20 e, pela primeira vez, aceita arquivos doc, xls, ppt, pdf e md, além de páginas da web, como entradas para geração.
• Não há 4K. A própria lista de preços da API da Alibaba tem exatamente três faixas: 480P, 720P e 1080P. No Atlas Cloud, o Wan 2.7 na verdade oferece um teto mais alto através de suas opções de super-resolução 1080P-SR e 1440P-SR.
• Os pesos não são abertos. A organização Wan-AI no Hugging Face ainda está no máximo no Wan 2.2. Não há repositório 3.0, nem 2.7, nem 2.5.
• O Wan 3.0 é apenas beta e apenas de primeira parte. Ele é executado no Alibaba Cloud Bailian, no site Wanxiang, no aplicativo de desktop Qianwen Creation e em alguns produtos similares. Se você precisa de uma API que possa chamar em produção esta semana, o Wan 2.7 ainda é a geração que responde.
• Quer ver o formato antes de aprender a gramática do prompt? O Atlas Cloud tem um gerador gratuito de esquetes de anúncios com IA que transforma uma descrição de produto em um anúncio de comédia de 15 segundos com dois personagens e diálogo falado. Uma geração gratuita, sem marca d'água.

A sequência completa de 30 segundos do kaiju, gerada pela Alibaba no Wan 3.0 durante o beta público e publicada no manual oficial do criador do Wan 3.0. Nós não geramos este clipe. Ligue o som: a trilha sonora faz parte da saída, não é uma base musical adicionada depois. Arquivo conforme entregue: 1920x1072, 24fps, 30,07s, AAC estéreo 44,1kHz.

Aqui está a primeira coisa que as fichas técnicas perdem. Esse arquivo tem 1920x1072, não 1920x1080. Cada demonstração "1080p" no manual oficial cai em 1072 pixels de altura, e várias outras demonstrações publicadas são simplesmente 1280x720. Doze dos dezenove clipes do manual duram de 30,05 a 30,07 segundos, o que indica que o teto de 30 segundos é um limite rígido real e não um número redondo de marketing.

Por que a pergunta Wan 3.0 vs Wan 2.7 é mais difícil do que parece

A resposta honesta é que quase ninguém executou ambos os modelos no mesmo prompt, porque quase ninguém pode. O Wan 3.0 foi aberto para beta público em 6 de agosto de 2026 e vive nas próprias superfícies da Alibaba (QbitAI, agosto de 2026). Plataformas de inferência de terceiros não o adotaram. Portanto, o conteúdo de comparação que existe é de ficha técnica para ficha técnica, e as fichas técnicas foram copiadas lateralmente até que os erros se calcificaram.

Três "fatos" sobre Wan 3.0 vs Wan 2.7 que estão simplesmente errados

"Wan 3.0 é 4K nativo." Não é. A lista de preços da API publicada tem 480P, 720P e 1080P a ¥0,3, ¥0,6 e ¥1,2 por segundo. Três faixas, nenhuma quarta. Enquanto isso, o Atlas Cloud expõe 1080P-SR e 1440P-SR no Wan 2.7, então, no teto de pixels puro, a geração mais antiga atualmente vence.

"Os pesos do Wan 3.0 são abertos." Não são. Navegue pelo Hugging Face e a família mais recente lançada pela organização Wan-AI é a Wan 2.2, incluindo as variantes Animate e S2V. A linha principal de vídeo não enviou pesos desde o 2.2. Se você quer algo para um gráfico local do ComfyUI, 2.1 e 2.2 são suas opções e isso não mudou.

"A gramática do prompt é transferida diretamente." Esta é metade verdade de uma forma que vai te queimar. As palavras se transferem. A estrutura não. Os prompts oficiais do Wan 3.0 são scripts de várias tomadas com carimbos de data/hora: o prompt do kaiju são dez tomadas numeradas, o prompt do outdoor são quatro batidas nomeadas com intervalos de segundos explícitos. Cole um script de dez tomadas em um modelo de 15 segundos e ele não escolhe graciosamente seis tomadas. Ele comprime.

Por que você não pode simplesmente trocar prompts entre Wan 3.0 e Wan 2.7

Há uma segunda armadilha abaixo dessa, e é a razão pela qual "apenas junte dois clipes" não te salva.

O Wan 2.7 tem um modo de continuação de vídeo. Parece um caminho para 30 segundos. Não é. O clipe de origem que você alimenta tem que ter de 2 a 10 segundos, então uma geração de 15 segundos não pode ser a semente. A saída recodifica a origem, o que come o final do clipe que você inseriu. E encadear continuações tende a derivar de volta para a batida de abertura em vez de mover a história para frente. Quinze segundos é o teto duro para um único arquivo contínuo do Wan 2.7. Qualquer coisa mais longa é uma edição, não uma geração.

Esse é o verdadeiro custo de migração entre essas duas gerações, e nenhuma tabela de comparação vai te mostrar isso.

Ficha técnica Wan 3.0 vs Wan 2.7, e onde executá-lo de fato

Para testar qualquer coisa disso, você precisa de algum lugar que execute texto-para-vídeo, referência-para-vídeo e edição de vídeo na mesma conta, com cobrança por segundo para que uma tentativa falha custe segundos em vez de uma assinatura. Tudo do lado Wan 2.7 deste artigo é executado no Atlas Cloud, que hospeda os quatro endpoints do Wan 2.7 e o modelo de imagem usado para o teste de referência. O Wan 3.0 não está no Atlas Cloud nem em nenhuma outra plataforma de terceiros ainda, que é exatamente a razão pela qual o material do Wan 3.0 neste artigo vem das próprias publicações beta da Alibaba.

Tabela 1: Wan 3.0 vs Wan 2.7, geração a geração

Tabela 2: os endpoints do Wan 2.7 usados neste artigo

Um detalhe de preço que vale a pena internalizar antes de executar qualquer coisa: o título "$0,1 por segundo" é a linha de base 720P. A página de edição de vídeo documenta um multiplicador de 1,5x para 1080P diretamente, e o botão Executar cita o número real para a faixa que você selecionou. Leia o botão, não o cabeçalho.

Execute você mesmo o teste Wan 3.0 vs Wan 2.7

Quatro etapas. Duas delas usam o material publicado da Alibaba como ponto de referência fixo, duas são execuções que você mesmo faz. Nada aqui requer acesso ao beta do Wan 3.0.

Etapa 1: Pegue o clipe do Wan 3.0 e seu prompt original

O lado Wan 3.0 deste teste não é algo que você gera. É algo que você lê. O prompt completo do kaiju está publicado no manual oficial do criador do Wan 3.0, junto com o clipe finalizado, sob o exemplo "灾难电影". É um script em chinês com dez tomadas numeradas e um parágrafo separado descrevendo a trilha sonora.

Leia uma vez antes de fazer qualquer outra coisa. A estrutura é a lição: dez tomadas, cada uma com sua própria câmera, assunto e nota de iluminação, terminando com um briefing de trilha sonora. É assim que se parece um prompt de geração de 30 segundos em uma única passagem.

Etapa 2: Execute o mesmo prompt no Wan 2.7 texto-para-vídeo

Abra o playground de texto-para-vídeo do Wan 2.7 e cole a tradução em inglês desse mesmo script. Não encurte ainda. Você quer ver o que o modelo faz quando a intenção ultrapassa o teto.

PlainCopy
1Uma sequência cinematográfica foto-realista de 30 segundos: um kaiju de águas profundas emerge à noite em uma tempestade violenta. Abre em um pequeno e maltratado navio de pesca com as letras brancas "WAN" no casco, lutando através de ondas enormes sob chuva torrencial; relâmpagos iluminam brevemente todo o oceano. Aproxime para um plano médio fechado no convés: ondas quebram sobre a proa, cordas, redes e corrimãos de metal chicoteiam ao vento, a chuva risca a lente. Então o mar à frente incha de forma não natural, um enorme vórtice se forma, e uma vasta forma escura passa sob o barco, levantando-o. Um tripulante com uma jaqueta encharcada segura o corrimão, aterrorizado, e se vira em direção à água. Finalmente a superfície explode para cima e um colossal monstro marinho ao estilo Pacífico-Rim emerge: pele molhada, cicatrizada, estriada, mandíbulas enormes, dezenas de metros de spray. Close em sua cabeça rugindo sob o relâmpago. O navio é quase engolido. Termina em um plano geral: o kaiju dominando o mar revolto, o barco minúsculo em primeiro plano, um último relâmpago. Trilha sonora de filme de desastre de Hollywood: rugido grave de subwoofer e cordas esparsas crescendo para metais e percussão pesada na brecha, terminando em um acorde grave sustentado opressivo. Escala foto-realista, água volumétrica, iluminação de tempestade de alto contraste.

Configurações: Resolução 1080P, Duração 15s (o máximo), Proporção 16:9, áudio ligado para que o modelo mesmo componha a trilha. Deixe o slot de referência de áudio vazio.

Playground de texto-para-vídeo do Wan 2.7 no Atlas Cloud com o prompt do kaiju carregado e o clipe finalizado de 15 segundos no painel OUTPUT

Texto-para-vídeo Wan 2.7 no Atlas Cloud, prompt colado, 1080P e 16:9 selecionados. O botão Executar cita $0,75 para esta pequena tomada de teste, o que dá $0,15 por segundo: o multiplicador 1,5x 1080P à vista, em uma página de modelo cujo número principal é $0,1.

Em seguida, execute uma segunda vez com uma linha anexada ao prompt:

PlainCopy
1Tomada contínua única, sem cortes. Priorize o momento da brecha; comprima a preparação.

Essa única linha é o trabalho de migração em miniatura. Um script de 30 segundos precisa ser reescrito como uma intenção de 15 segundos, e é você quem decide quais sete tomadas morrem.

Esquerda: a saída oficial do Wan 3.0, 30 segundos. Direita: Wan 2.7 no Atlas Cloud executando o mesmo prompt, parando em seu teto de 15 segundos.

Etapa 3: Construa as imagens de referência para o teste de identidade Wan 3.0 vs Wan 2.7

Duração é a atualização barulhenta. Consistência em nível de pixel é a que realmente muda o trabalho de produção, e você pode testá-la com dois gatos.

O manual da Alibaba inclui uma paródia de Wes Anderson na qual o mesmo gato ragdoll e o mesmo gato preto precisam sobreviver a cinco ambientes drasticamente diferentes: um corredor de hotel simétrico, uma vista lateral em corte, um tambor de máquina de lavar, uma esteira de bagagem de aeroporto e uma cabine telefônica vermelha. Ambos os gatos são fixados com tags de referência @Image1 e @Image2.

Gere suas próprias duas referências primeiro. Use o GPT Image 2 com qualidade alta e um quadro 16:9, e execute duas vezes.

PlainCopy
1Um retrato de estúdio de um gato ragdoll fofo com olhos azuis e máscara escura, sentado ereto de frente para a câmera, iluminado uniformemente contra um fundo rosa claro liso, detalhe de pelo nítido, corpo inteiro visível, enquadramento limpo de folha de referência.

PlainCopy
1Um retrato de estúdio de um pequeno gato preto elegante com olhos âmbar brilhantes, em pé de perfil voltado para a direita, iluminado uniformemente contra um fundo rosa claro liso, detalhe de pelo nítido, corpo inteiro visível, enquadramento limpo de folha de referência.

Playground GPT Image 2 no Atlas Cloud com qualidade definida como alta e a folha de referência do gato ragdoll renderizada no painel OUTPUT

GPT Image 2 com qualidade alta, 16:9. Execute o segundo prompt da mesma forma para obter o gato preto.

Etapa 4: Execute o teste de identidade no Wan 2.7 referência-para-vídeo

Carregue ambos os gatos no endpoint referência-para-vídeo do Wan 2.7. Resolução 1080P, proporção 16:9, duração 10 segundos, que é o máximo deste endpoint. O prompt abaixo é a lista de tomadas do manual comprimida de cinco batidas para três, porque dez segundos não comportam cinco.

PlainCopy
1Estilo Wes Anderson, perfeitamente simétrico, composições frontais planas, paleta pastel. A imagem de referência 1 é o gato ragdoll, a imagem de referência 2 é o gato preto; mantenha ambos os gatos idênticos em todas as tomadas. Tomada 1: um corredor de hotel infinito e simétrico, o gato ragdoll correndo direto em direção à câmera com expressão solene, o gato preto correndo para longe ao fundo com a cabeça virada 180 graus. Tomada 2: uma vista lateral em corte do corredor, papel de parede rosa estampado e molduras douradas, o ragdoll andando da esquerda para a direita e o gato preto cruzando da direita para a esquerda. Tomada 3: macro frontal de uma porta de máquina de lavar vintage verde menta, ambos os gatos flutuando rigidamente dentro do tambor entre espuma, olhos vazios, garrafas de detergente ordenadas por arco-íris atrás. Horizontais e verticais rígidas, sem inclinação de câmera, humor absurdo inexpressivo.

Playground referência-para-vídeo do Wan 2.7 no Atlas Cloud com ambas as referências de gato carregadas e o clipe finalizado no painel OUTPUT

Referência-para-vídeo Wan 2.7: ambos os gatos carregados nos slots de referência de imagem, resolução definida para 1080P, e o botão Executar citando a tomada antes de começar. Duas referências já é uma parte significativa do que este endpoint aceita. O Wan 3.0 aceita 20 itens de referência.

Agora coloque os dois lado a lado.

O clipe oficial de bloqueio de identidade do Wan 3.0: o mesmo ragdoll e gato preto mantidos consistentes em um corredor de hotel, uma parede em corte, um tambor de máquina de lavar, uma esteira de bagagem e uma cabine telefônica vermelha

Gerado pela Alibaba no Wan 3.0 durante o beta público e publicado no manual oficial do criador. Cinco ambientes, 19,9 segundos, ambos os gatos fixados por tag de referência. Mostrado aqui como um GIF silencioso; o arquivo entregue carrega áudio estéreo 44,1kHz.

O resultado do referência-para-vídeo do Wan 2.7 na mesma instrução, três tomadas dentro do teto de 10 segundos

Referência-para-vídeo Wan 2.7 no Atlas Cloud, as mesmas duas referências, mostrado aqui como um GIF silencioso. Esta é a tomada padrão de 5 segundos do endpoint, em vez dos 10 completos: vale a pena saber que o controle de duração nem sempre compromete o que você define, então leia a cotação do botão Executar antes de pressioná-lo. Observe as marcações dos gatos e a máscara do ragdoll; essa é a dimensão sobre a qual a afirmação de "consistência em nível de pixel" se trata.

Mais quatro prompts Wan 3.0 vs Wan 2.7 que valem a pena reexecutar

O clipe do kaiju enfatiza duração e física. Esses três enfatizam coisas diferentes, e cada um colide com um limite diferente do Wan 2.7. Todos os três são saídas beta oficiais da Alibaba do manual oficial.

Saída oficial beta do Wan 3.0: um único movimento de recuo de 30 segundos por um corredor de hospital iluminado por fluorescência, gradação monocromática verde pálido, com a atriz gritando por socorro. Ligue o som. A performance, os passos e o zumbido do equipamento são todos gerados pelo modelo.

Tabela 3: o que cada prompt exige e onde o Wan 2.7 limita

Uma versão gratuita de 15 segundos da mesma ideia

Olhe para o clipe do posto de gasolina novamente. Esse formato, um pequeno esquete de comédia com dois personagens, uma reviravolta e uma piada final, é onde o tempo extra de execução do Wan 3.0 compensa mais. É também o formato com maior probabilidade de vender algo.

O problema é o prompt. Os exemplos de comédia do manual têm 800 palavras com carimbos de data/hora explícitos e marcação de cena. Isso é uma habilidade real e leva um fim de semana para aprender.

Se você só quer descobrir se o formato funciona para o seu produto antes de investir esse fim de semana, o Atlas Cloud tem uma ferramenta gratuita que pula totalmente a engenharia de prompt. Você descreve o produto, opcionalmente envia até quatro fotos do produto com 8MB cada, escolhe um de seis tons (meme engraçado, reviravolta, sitcom, emocionante, luxo ou venda agressiva), e ela escreve o script de dois personagens, seleciona as vozes, gera o diálogo e os efeitos sonoros, e retorna um anúncio finalizado de 15 segundos como uma cena contínua. Os downloads são limpos, sem marca d'água. Você precisa estar logado e ganha uma geração gratuita antes de adicionar créditos.

Uma linha de cópia do produto entra, um anúncio de comédia finalizado de 15 segundos sai: o Gerador Gratuito de Esquetes de Anúncios com IA do Atlas Cloud

O Gerador Gratuito de Esquetes de Anúncios com IA : uma descrição de produto entra, um anúncio de 15 segundos com dois personagens sai.

Uma saída real do gerador gratuito. Ligue o som: o script, as duas vozes e os efeitos sonoros saem todos de uma única execução.

Quanto custa executar uma comparação Wan 3.0 vs Wan 2.7

Por segundo, as duas gerações estão na mesma vizinhança na faixa 720P. A diferença de custo é estrutural: um clipe que costumava ter 15 segundos agora tem 30, então uma peça finalizada aproximadamente dobra.

Tabela 4: a mesma sequência do kaiju, quatro maneiras

Duas ressalvas. O preço beta não é o preço de disponibilidade geral, e a Alibaba disse que a API será aberta mais amplamente em breve, então trate os valores em ¥ como um instantâneo do beta público, não uma taxa comprometida. E do lado do Atlas Cloud, sempre leia a cotação ao vivo no botão Executar antes de se comprometer, porque o multiplicador de resolução é aplicado lá e não no preço principal.

A Alibaba também foi excepcionalmente direta sobre onde o Wan 3.0 ainda é fraco, dizendo que o modelo "ainda tem espaço para melhoria na qualidade do som e precisão do texto." Isso corresponde ao que os arquivos mostram: o áudio nas demonstrações oficiais é estéreo 44,1kHz, mas codificado a uma modesta taxa de 32 kb/s, o que é bom para uma prévia e fino para um master de entrega.

Licenciamento Wan 3.0 vs Wan 2.7: o que você pode realmente distribuir

Versão curta, e por favor verifique-a com os termos atuais antes de colocar qualquer coisa na frente de um cliente.

O Wan 3.0 está em beta público e seus termos comerciais não estão definidos. Como os pesos não foram lançados, não há caminho auto-hospedado; qualquer coisa que você fizer passa pela API da Alibaba ou suas superfícies de consumo, e você está vinculado ao que esses termos disserem no dia em que gerar. O Wan 2.7 é a mesma história em relação aos pesos, mas está em produção há tempo suficiente para que os termos da API da plataforma estejam estáveis. Se você está executando através de uma plataforma de terceiros, seus direitos comerciais vêm dos termos de serviço dessa plataforma, então leia os que realmente se aplicam à sua conta. Nenhum desses parágrafos é aconselhamento jurídico.

Perguntas frequentes sobre Wan 3.0 vs Wan 2.7

O Wan 3.0 é open source? Posso executá-lo no ComfyUI?

Não. Em agosto de 2026, não há repositório Wan 3.0 sob a organização Wan-AI no Hugging Face, e nenhum no GitHub Wan-Video também. A família Wan mais recente com pesos lançados é Wan 2.2, incluindo as variantes Animate e S2V. Para um gráfico local do ComfyUI, você ainda está no 2.1 ou 2.2. O Wan 3.0 é apenas API e web.

Resolução Wan 3.0 vs Wan 2.7: o Wan 3.0 realmente gera 4K?

Não. A lista de preços da API publicada tem três faixas de resolução: 480P, 720P e 1080P. Vários posts de comparação amplamente compartilhados afirmam 4K nativo e estão errados. No teto de saída bruto, o Wan 2.7 no Atlas Cloud na verdade vai mais alto através de suas opções de super-resolução 1080P-SR e 1440P-SR.

Posso obter 30 segundos do Wan 2.7 estendendo clipes?

Não como um arquivo contínuo. O modo de continuação requer um clipe de origem de 2 a 10 segundos, então uma geração completa de 15 segundos não pode servir como semente. A saída recodifica e corta o final do que você inserir, e continuações encadeadas tendem a voltar para a batida de abertura. Acima de 15 segundos você está editando, não gerando.

Wan 3.0 vs Wan 2.7: onde posso realmente executar cada um hoje?

O Wan 3.0 está em beta público nas superfícies próprias da Alibaba: Alibaba Cloud Bailian, Wanjing Yike, o site Wanxiang, o cliente de desktop Qianwen Creation, IF STUDIO e Duiyou, com acesso em escala de cinza no aplicativo Qianwen. Nenhuma plataforma de inferência de terceiros o hospeda ainda. O Wan 2.7 é a geração que você ainda pode chamar diretamente, através dos endpoints texto-para-vídeo, imagem-para-vídeo, referência-para-vídeo e edição de vídeo.

Preços Wan 3.0 vs Wan 2.7: qual custa mais por clipe finalizado?

Por segundo na faixa 720P eles são próximos. Por clipe finalizado, espere aproximadamente o dobro, porque a duração natural da saída passou de 15 segundos para 30. Faça o orçamento para a mudança no tempo de execução, em vez da mudança na taxa, e lembre-se de que os preços beta podem não sobreviver à disponibilidade geral.

Preciso reescrever meus prompts do Wan 2.7 para o Wan 3.0?

Sim, e a reescrita é estrutural, não lexical. Os prompts do Wan 2.7 descrevem uma única tomada contínua em detalhes ricos. Os prompts do Wan 3.0 são listas de tomadas com carimbo de data/hora, às vezes com um parágrafo de trilha sonora separado, e o modelo também lerá um pdf ou uma apresentação como entrada. Regra geral: para o Wan 2.7, escreva um parágrafo sobre uma tomada; para o Wan 3.0, escreva um detalhamento de cena numerado com intervalos de segundos.