Wan 3.0 Preview está disponível: sem 4K, sem pesos abertos e a barreira dos 15 segundos que encontrei ao tentar fingir

Uma parede de uma sala de correção de cor a mostrar o mesmo plano de um terraço chuvoso em timecodes de 00:00 a 00:30

Trinta segundos de um plano contínuo, distribuídos numa linha temporal. Chegar lá é a história toda.

No dia em que Wan 3.0 Preview entrou em beta pública, fui à procura da sua ficha técnica. A primeira página de resultados dizia-me que fazia 4K nativo, que era lançado sob Apache 2.0 e que tinha um "modo realizador de IA com seis câmaras". Seis sites diferentes, as mesmas afirmações, e nenhum deles ligava para uma fonte primária.

Por isso abri a página do modelo da própria Alibaba. 480P, 720P, 1080P. Nada de 4K. Depois acedi diretamente à API da Hugging Face e puxei todos os repositórios da organização Wan-AI. O mais recente é Wan2.2-Animate-2, enviado no mesmo dia em que Wan 3.0 foi lançado. Não há nenhum 3.0.

Depois fiz a parte que mais ninguém está a fazer. O grande destaque do Wan 3.0 são 30 segundos de vídeo contínuo numa única passagem, e eu não tenho acesso a ele, por isso tentei reproduzir esse resultado com os modelos que consigo realmente chamar hoje. Falhei. A forma como falhei acabou por ser a parte mais útil deste artigo.

Principais conclusões

• Wan 3.0 Preview entrou em beta pública a 6 de agosto de 2026. ID do modelo wan3.0-video, protegido por candidatura no Alibaba Cloud Model Studio e no Qwen Cloud. Não é uma inscrição aberta.
• As especificações reais: até 30 segundos numa única passagem, 480P/720P/1080P, a $0.05/$0.10/$0.20 por segundo de saída.
• Não há 4K nem pesos abertos. Consultei a API da Hugging Face para todos os repositórios em Wan-AI. Não existe nada acima de Wan 2.2 disponível para descarregar.
• Os limites de taxa são o verdadeiro estrangulamento: 2 pedidos concorrentes, 30 RPM, 50 tarefas assíncronas em fila.
• Não é possível fingir o plano-sequência de 30 segundos com Wan 2.7. Três limites não documentados fixam o clipe genuinamente contínuo mais longo nos 15 segundos, e encadear uma segunda continuação faz o modelo entrar em loop para trás em vez de avançar.

A barreira dos 15 segundos: o que Wan 3.0 Preview está realmente a vender

Este é o melhor resultado que consegui obter. Quinze segundos ininterruptos a 1080P: um avanço sobre um letreiro de néon, uma vendedora a fechar uma banca de café num terraço à chuva, depois uma grua descendente até à rua molhada e um táxi. Um único ficheiro gerado contínuo, sem edição, com áudio gerado.

Quinze segundos de vídeo contínuo do Wan 2.7: letreiro de néon, vendedora no terraço, grua descendente para uma rua chuvosa e um táxi

O clipe genuinamente contínuo mais longo que a família Wan 2.7 produziu para mim: 15 segundos, 1080P, um ficheiro. Mostrado aqui como GIF silencioso; o ficheiro entregue inclui áudio estéreo a 44.1kHz.

Isto é bom. Também é exatamente metade do que Wan 3.0 afirma fazer numa chamada, e 15 segundos é onde o teto está soldado. Tudo abaixo mostra como encontrei a soldadura.

Porque é provável que todas as fichas técnicas de Wan 3.0 Preview que leu estejam erradas

Duas coisas tornam este lançamento invulgarmente ruidoso. Primeiro, 30 segundos numa única passagem de geração é uma estreia genuína para a família. Wan2.7-Video fica pelos 15 segundos e a maioria dos modelos de vídeo mainstream situa-se entre 5 e 15 (TNGlobal, agosto de 2026). Segundo, Wan 3.0 aceita entradas de referência que mais ninguém aceita: além de texto, imagem, áudio e vídeo, aceita ficheiros doc, xls, ppt, pdf e md, bem como páginas web, por isso uma apresentação de diapositivos transforma-se num vídeo (AlphaSignal, agosto de 2026).

Essa combinação produziu uma enorme cobertura em sites que nunca abriram a documentação. Eis todas as afirmações amplamente divulgadas, confrontadas com a fonte primária.

Tabela A: verificação das especificações de Wan 3.0 Preview

Os preços e limites de taxa vêm diretamente da página do modelo: 2 pedidos concorrentes, 30 pedidos por minuto e uma fila assíncrona de 50 tarefas (QwenCloud, agosto de 2026). Esse número de concorrência quase não recebe cobertura e é a linha mais importante da página. Dois trabalhos paralelos, cada um a demorar minutos, serve para uma demonstração de lançamento. Não é uma pipeline.

Agora a pergunta que interessa de facto à comunidade open-source. Wan 2.1 e Wan 2.2 disponibilizaram checkpoints descarregáveis. Wan 2.5 prometeu pesos que nunca chegaram, Wan 2.6 foi totalmente fechado, e Wan 2.7 continuou apenas por API. Verifiquei se 3.0 quebra a sequência consultando a API da Hugging Face para todos os modelos da organização Wan-AI, ordenados por data de criação. Os três repositórios mais recentes são todos variantes Wan2.2-Animate-2 criadas a 6 de agosto de 2026, o mesmo dia em que Wan 3.0 foi lançado. O repositório mais descarregado continua a ser Wan2.2-TI2V-5B-Diffusers, com cerca de 179.000 downloads nos últimos 30 dias (Hugging Face, agosto de 2026).

Portanto, a resposta é não, e Wan 2.2 continua a ser o limite dos pesos abertos. Se o seu plano envolvia executá-lo localmente ou fazer fine-tuning, não há nada para executar.

A stack do Wan 3.0 Preview: o que pode realmente executar hoje

A situação divide-se de forma clara. Wan 3.0 está atrás de um formulário de candidatura com um limite de concorrência de dois trabalhos. Tudo o que veio antes, de Wan 2.7 até 2.2, pode ser chamado imediatamente com uma única chave de API, juntamente com Seedance e Kling para comparação entre modelos. Tudo neste artigo foi executado dessa forma, num único separador do browser.

Os preços abaixo vieram do catálogo de modelos da Atlas Cloud em 10 de agosto de 2026, não de qualquer publicação de blog.

Tabela B: Wan 3.0 Preview versus o que está disponível

Os descontos estão ativos em agosto de 2026 e são limitados no tempo, por isso confirme a página do modelo antes de orçamentar com base neles.

Duas coisas saltam dessa tabela. A passagem única de 30 segundos do Wan 3.0 já não é única: Seedance 2.5 já aceita uma duração de 4 a 30 segundos numa chamada, apenas limitada a 720p. E Wan 2.7 é a única linha que oferece 1440P-SR, uma camada de super-resolução faturada a 80% do 1080P nativo de acordo com o seu próprio schema, que Wan 3.0 não tem.

O que Wan 3.0 tem e mais nada tem são 30 segundos a 1080P numa só passagem, além de entradas de referência por documentos. Wan 3.0 tem uma página placeholder na Atlas Cloud marcada como Coming Soon, por isso chegará à mesma chave quando for lançado. Até lá, eis exatamente até onde os modelos mais antigos o levam.

Tutorial de Wan 3.0 Preview, passo 1: escrever o briefing do plano-sequência

O briefing passa entre gerações, por isso escreva-o uma vez. Wan 3.0 recompensa descrições de planos longas e com timecodes, e Wan 2.7 aceita a mesma estrutura dentro de um limite de prompt de 5.000 caracteres.

O template que funciona: Shot [timecode] + subject action + camera move + light + ambient audio. Declare que a tomada é contínua na primeira linha e descreva explicitamente a cama sonora, porque Wan 2.7 gera áudio nativamente e inventará algo pouco útil se a deixar em branco.

Escolhi de propósito uma banca de café num terraço numa noite chuvosa. Testa sob pressão quatro coisas que costumam quebrar ao mesmo tempo: movimento de câmara sustentado, consistência facial ao longo do tempo, reflexos de néon molhado e uma cama de áudio ambiente contínua.

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

Esse é o plano, não o prompt. Os prompts para colar estão abaixo.

Passo 2: gerar a abertura a 1080P

Abra a página Wan 2.7 text-to-video e cole o Beat 1, escrito por extenso.

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

Definições: Resolução 1080P, Aspect ratio 16:9, Duração 10, Prompt extend OFF.

Prompt extend está ativo por predefinição e reescreve o seu prompt antes da geração, o que destrói silenciosamente o controlo de planos por timecode. Desative-o sempre que a divisão dos planos for o ponto central.

Defina a duração para 10 em vez do máximo de 15 segundos. Não é uma decisão de custo, e a razão só se torna visível no passo 3.

Wan 2.7 text-to-video na Atlas Cloud, execução concluída, saída 1080P visível no painel OUTPUT

Passo 2 no playground: prompt colado, 1080P, 16:9, execução concluída com o resultado à direita. Note a cotação do botão Run de $0.75 para um trabalho 1080P de cinco segundos, o que dá $0.15 por segundo em vez dos "a partir de $0.10" do catálogo.

Passo 3: continue-o e observe onde parte

O endpoint image-to-video do Wan 2.7 tem um modo de continuação de vídeo que recebe um clipe existente e continua a filmar. Pegue no URL de saída do passo 2, coloque-o no campo video, defina Duration para 15 e cole o 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

Isto produz o clipe de 15 segundos no topo deste artigo. Agora, os três limites que encontrei, nenhum dos quais está na documentação.

Um: o clipe de origem tem de ter entre 2 e 10 segundos. É por isso que o passo 2 é limitado a 10. Gere uma abertura de 15 segundos e não a poderá estender de todo, porque um ficheiro de 15 segundos não é uma entrada válida.

Dois: a duração pedida tem de exceder a duração da origem. Forneça um clipe de 10 segundos e peça 10 segundos, e a API rejeita-o de imediato: first_clip duration (10s after trim) must be less than the requested duration (10s). Portanto, a saída contém a origem, e o máximo que consegue ganhar numa passagem são 5 segundos.

Três: não preserva o seu clipe de origem. Este é o que importa. Abaixo, a fila de cima é o clipe original de 10 segundos aos 5s e aos 9.9s. A fila de baixo é a saída da continuação nesses mesmos dois timecodes.

Quatro fotogramas a comparar o clipe de origem e a saída da continuação aos 5 segundos e aos 9.9 segundos

Fila de cima: o clipe de origem aos 5s e aos 9.9s. Fila de baixo: a saída da continuação nos mesmos timecodes. Aos 5s coincidem. Aos 9.9s, a origem ainda está na vendedora, enquanto a continuação já cortou para a rua, porque recomprimiu a origem para aproximadamente os seus primeiros seis segundos e gastou o resto em material novo.

Portanto, continuação não é concatenação. Ela re-renderiza o seu clipe mais depressa para abrir espaço, e os últimos segundos da sua performance original simplesmente desaparecem.

O que levanta a ideia óbvia: encadear. Alimentar o resultado de 15 segundos de volta e pedir mais 15. Tentei. Foi isto que voltou.

Uma segunda continuação encadeada que deriva de volta para a vendedora no terraço em vez de fazer a cena avançar

A segunda passagem de continuação. Reproduz a rua e o táxi, depois entra em loop de volta para a vendedora no terraço desde o início da sequência, em vez de avançar. Encadear não acumula.

Essa é a barreira. O limite de saída é 15 segundos, o limite de entrada é 10, e o segundo elo da cadeia corre para trás. Quinze segundos de footage genuinamente contínuo é o teto desta família de modelos. Qualquer coisa mais longa é um corte, não uma tomada, e os cortes são exatamente aquilo que uma passagem única de 30 segundos existe para eliminar.

Uma nota de transparência: a captura do playground para este passo de continuação falhou três vezes porque a imagem de referência predefinida da página continuava a sequestrar a execução, por isso o passo 3 foi executado através da API e não pela interface do playground. O prompt, as definições e as saídas acima são todos dessa execução real.

Quanto custam realmente 30 segundos de Wan 3.0 Preview

O botão Run no passo 2 indicou $0.75 para um trabalho 1080P de cinco segundos. Isso dá $0.15 por segundo, não os $0.10 listados no catálogo, porque o valor listado é um piso e a faturação escala com a resolução. Confie sempre na cotação em vez do cartão.

A essa taxa real, os meus 15 segundos de footage contínuo custaram $1.50 pela abertura de 10 segundos mais $2.25 pela continuação, portanto $3.75 por 15 segundos entregues.

Tabela C: quanto custam 30 segundos, de cinco formas

Leia a quarta linha novamente. Produzir 15 segundos contínuos no Wan 2.7 custou mais do que o Wan 3.0 cobra por 30 segundos contínuos a 720P. A solução alternativa não é a opção barata; é a opção cara que, além disso, não funciona.

Uma ressalva na linha do Seedance: a taxa listada é o piso de 480p e o modelo fatura por área de píxeis, por isso execuções a 720p custam na prática cerca de 2,25 vezes esse valor.

Quanto ao licenciamento, tenha cuidado. Wan 3.0 está em beta, por isso os termos comerciais vêm do contrato de serviço da Alibaba Cloud que aceita no momento da candidatura, e não de qualquer licença de modelo, e podem mudar antes da disponibilidade geral. Sem pesos publicados, deployment local e fine-tuning não são opções. Confirme os requisitos de atribuição e marca de água nos termos da sua própria conta antes de entregar trabalho a clientes.

Perguntas frequentes

Wan 3.0 Preview já está disponível para todos?

Não. Entrou em beta pública a 6 de agosto de 2026, mas o acesso é condicionado por candidatura através do Alibaba Cloud Model Studio e do Qwen Cloud. As contas aprovadas recebem 2 pedidos concorrentes, 30 RPM e uma fila assíncrona de 50 tarefas, dimensionada para avaliação e não para produção.

Wan 3.0 Preview é open source, e onde estão os pesos?

Não existem. Consultar a API da Hugging Face para todos os repositórios da organização Wan-AI não devolve nada acima de Wan 2.2. Os três repositórios mais recentes, todos variantes Wan2.2-Animate-2, foram criados no mesmo dia em que Wan 3.0 foi lançado. Wan 2.2 continua a ser o limite dos pesos abertos.

Wan 3.0 Preview faz mesmo 4K nativo?

Não. A documentação oficial lista 480P, 720P e 1080P. A afirmação de 4K vem de sites agregadores a citarem-se uns aos outros em vez da fonte primária, e contradiz a própria tabela de preços da Alibaba, que tem exatamente três níveis de resolução.

Quanto custa um vídeo de 30 segundos no Wan 3.0 Preview?

A 1080P, $0.20 por segundo de saída dá $6.00 por 30 segundos. A 720P são $3.00 e a 480P são $1.50. Para comparação, 15 segundos contínuos no Wan 2.7 a 1080P custaram-me $3.75 à taxa realmente faturada.

Posso gerar hoje um plano-sequência de 30 segundos sem acesso ao Wan 3.0 Preview?

Não com Wan 2.7. O seu modo de continuação limita a saída a 15 segundos, só aceita clipes de origem de 10 segundos ou menos, e entra em loop para trás quando encadeado. Seedance 2.5 faz 4 a 30 segundos numa única passagem, mas apenas até 720p.

Wan 3.0 Preview versus Wan 2.7: vale a pena esperar?

Se precisar de um plano contínuo com mais de 15 segundos, ou de entradas de referência por documentos e páginas web, sim, e não há solução alternativa. Para tudo o que tenha 15 segundos ou menos, Wan 2.7 é mais prático neste momento, porque um limite de concorrência de 2 pedidos torna o trabalho em lote mais lento no 3.0 do que no modelo que substitui.