Wan 3.0 vs Wan 2.7: Jag öppnade Alibabas egna demofiler. Tre specifikationer som alla kopierade är fel.

Senaste uppdateringen: Wan 3.0 är nu live sedan 24 augusti 2026.

Två redigeringsmonitorer sida vid sida, den vänstra visar ett sjömonster som bryter igenom en storm, den högra visar samma storm avkortad

Spela 30-sekundersklippet med sjömonstret som Alibaba skickade med Wan 3.0-betan. Fisketrålare, ösregn, blixtar, sedan exploderar havet uppåt. Tio distinkta tagningar. Inte en enda klippning. Den orkestrala musiken under skrevs av modellen.

Din första reaktion är inte "wow". Det är "vad exakt saknar min Wan 2.7?"

Så jag började leta efter svaret, och det första jag upptäckte var att större delen av internet svarar fel. Sök på wan 3.0 vs wan 2.7 och de bästa resultaten berättar självsäkert att Wan 3.0 renderar nativ 4K och att vikterna finns på Hugging Face. Inget av det stämmer. Jag laddade ner de officiella demofilerna till en bärbar dator och läste dem med ffmpeg, sedan kollade jag modellregistren och de publicerade prisnivåerna. Den verkliga uppgraderingen är stor. Den är bara inte den uppgradering folk beskriver.

Wan 3.0 vs Wan 2.7: viktiga slutsatser

• Längd är huvudnyheten. Wan 3.0 genererar 30 sekunder i ett enda pass med en automatisk "smart duration"-rekommendation. Wan 2.7 har max 15 sekunder för text-till-video och bild-till-video, och 10 sekunder för referens-till-video och videoredigering.
• Referenser från en handfull till en hel skara. Wan 2.7 accepterar upp till 5 referensobjekt. Wan 3.0 accepterar upp till 20, och för första gången accepteras doc-, xls-, ppt-, pdf- och md-filer, samt webbsidor, som indata för generering.
• Det finns ingen 4K. Alibabas egen API-prislista har exakt tre nivåer: 480P, 720P och 1080P. På Atlas Cloud erbjuder Wan 2.7 faktiskt ett högre tak genom sina 1080P-SR och 1440P-SR superupplösningsalternativ.
• Vikterna är inte öppna. Wan-AI-organisationen på Hugging Face har fortfarande som högst Wan 2.2. Det finns inget 3.0-repository, inget 2.7-repository och inget 2.5-repository.
• Wan 3.0 är endast beta och endast första parts. Det körs på Alibaba Cloud Bailian, Wanxiang-sajten, Qianwen-skrivbordsappen och några syskonprodukter. Om du behöver ett API du kan anropa i produktion denna vecka, är Wan 2.7 fortfarande den generation som svarar.
• Vill du se formatet innan du lär dig promptgrammatiken? Atlas Cloud har en gratis AI-reklamskitgenerator som omvandlar en produktbeskrivning till en 15-sekunders komedireklam med två karaktärer och talad dialog. En gratis generation, utan vattenstämpel.

Hela 30-sekunders kaijusekvensen, genererad av Alibaba på Wan 3.0 under den offentliga betan och publicerad i den officiella Wan 3.0-skaparhandboken. Vi har inte genererat detta klipp. Sätt på ljudet: musiken är en del av utdata, inte en musikbakgrund som lagts till i efterhand. Filen som levererades: 1920x1072, 24fps, 30.07s, 44.1kHz stereo AAC.

Här är det första som specifikationsbladen missar. Den filen är 1920x1072, inte 1920x1080. Varje "1080p"-demo i den officiella handboken landar på 1072 pixlar i höjd, och flera av de andra publicerade demofilerna är vanliga 1280x720. Tolv av de nitton klippen i handboken varar 30.05 till 30.07 sekunder, vilket talar om för dig att 30-sekunderstaket är en verklig hård gräns och inte en avrundad marknadsföringssiffra.

Varför frågan Wan 3.0 vs Wan 2.7 är svårare än den ser ut

Det ärliga svaret är att nästan ingen har kört båda modellerna på samma prompt, eftersom nästan ingen kan. Wan 3.0 öppnades för offentlig beta den 6 augusti 2026 och finns på Alibabas egna ytor (QbitAI, augusti 2026). Tredjepartsinferensplattformar har inte plockat upp det. Så det jämförelseinnehåll som finns är specifikation mot specifikation, och specifikationsbladen har kopierats i sidled tills felen förstenats.

Tre Wan 3.0 vs Wan 2.7-"fakta" som helt enkelt är fel

"Wan 3.0 är nativ 4K." Det är det inte. Den publicerade API-prislistan har 480P, 720P och 1080P till ¥0,3, ¥0,6 och ¥1,2 per sekund. Tre nivåer, ingen fjärde. Under tiden exponerar Atlas Cloud 1080P-SR och 1440P-SR på Wan 2.7, så rent pixelmässigt vinner den äldre generationen för närvarande.

"Wan 3.0-vikterna är öppna." Det är de inte. Bläddra på Hugging Face och Wan-AI-organisationens senaste släppta familj är Wan 2.2, inklusive Animate- och S2V-varianterna. Huvudvideolinjen har inte levererat vikter sedan 2.2. Om du vill ha något för ett lokalt ComfyUI-graf är 2.1 och 2.2 dina alternativ, och det har inte ändrats.

"Promptgrammatiken överförs rakt av." Detta är halvsant på ett sätt som kommer att bränna dig. Orden överförs. Strukturen gör det inte. Wan 3.0:s officiella prompts är tidsstämplade flertagningmanus: kaijuprompten är tio numrerade tagningar, skyltprompten är fyra markerade beats med explicita sekundintervall. Klistra in ett tiotagningmanus i en 15-sekundersmodell och den väljer inte graciöst sex tagningar. Den komprimerar.

Varför du inte bara kan byta prompts mellan Wan 3.0 och Wan 2.7

Det finns en andra fälla under den, och det är anledningen till att "bara sy ihop två klipp" inte räddar dig.

Wan 2.7 har ett videofortsättningsläge. Det ser ut som en väg till 30 sekunder. Det är det inte. Källklippet du matar in måste vara 2 till 10 sekunder, så en 15-sekundersgenerering kan inte vara fröet. Utmatningen omkodar källan, vilket äter svansen på klippet du matade in. Och att kedja fortsättningar tenderar att driva tillbaka mot den inledande takten snarare än att föra berättelsen framåt. Femton sekunder är det hårda taket för en kontinuerlig Wan 2.7-fil. Allt längre är en redigering, inte en generering.

Det är den verkliga migrationskostnaden mellan dessa två generationer, och ingen jämförelsetabell kommer att visa dig det.

Wan 3.0 vs Wan 2.7 specifikationsblad, och var du faktiskt kan köra det

För att testa något av detta behöver du någonstans som kör text-till-video, referens-till-video och videoredigering på samma konto, med per-sekund-fakturering så att en misslyckad tagning kostar dig sekunder istället för en prenumeration. Allt på Wan 2.7-sidan av denna artikel körs på Atlas Cloud, som är värd för de fyra Wan 2.7-slutpunkterna och bildmodellen som används för referenstestet. Wan 3.0 finns inte på Atlas Cloud eller någon annan tredjepartsplattform än, vilket är precis anledningen till att Wan 3.0-materialet i denna artikel kommer från Alibabas egna betapublikationer.

Tabell 1: Wan 3.0 vs Wan 2.7, generation för generation

Tabell 2: Wan 2.7-slutpunkterna som används i denna artikel

En prisdetalj värd att internalisera innan du kör något: rubriken "$0,1 per sekund" är 720P-baslinjen. Videoredigeringssidan dokumenterar en 1,5x multiplikator för 1080P direkt, och Kör-knappen visar det verkliga priset för den nivå du har valt. Läs knappen, inte rubriken.

För en aktuell värdkörning, öppna Wan 3.0 på Atlas Cloud och testa en prompt som den nedan innan du publicerar arbetsflödet.

Wan 3.0 prompt-till-resultat skärmdump: Matchad modelljämförelse.

Kör Wan 3.0 vs Wan 2.7-testet själv

Fyra steg. Två av dem använder Alibabas publicerade material som den fasta referenspunkten, två av dem är körningar du gör själv. Inget här kräver åtkomst till Wan 3.0-betan.

Steg 1: Hämta Wan 3.0-klippet och dess ursprungliga prompt

Wan 3.0-sidan av detta test är inte något du genererar. Det är något du läser. Hela kaijuprompten finns publicerad i den officiella Wan 3.0-skaparhandboken, tillsammans med det färdiga klippet, under exemplet "灾难电影". Det är ett kinesiskspråkigt manus med tio numrerade tagningar och ett separat stycke som beskriver musiken.

Läs det en gång innan du gör något annat. Strukturen är lärdomen: tio tagningar, var och en med sin egen kamera, motiv och ljusnotering, som slutar med en musikanvisning. Det är så en 30-sekunders enpassgenereringsprompt ser ut.

Steg 2: Kör samma prompt genom Wan 2.7 text-till-video

Öppna Wan 2.7 text-till-video-lekplatsen och klistra in den engelska återgivningen av samma manus. Förkorta det inte än. Du vill se vad modellen gör när avsikten överskrider taket.

PlainCopy
1En 30-sekunders fotorealistisk filmsekvens: ett djuphavskaiju dyker upp på natten i en rasande storm. Öppna på en liten, sliten fisketrålare med de vita bokstäverna "WAN" på skrovet, som kämpar genom enorma vågor under ösregn; blixtar lyser upp hela havet kort. Tryck till en halvnärbild på däck: vågor slår över fören, rep, nät och metallräcken piskar i vinden, regn rinner över linsen. Sedan sväller havet framför onaturligt, en enorm virvel bildas, och en stor mörk form passerar under båten och lyfter den. En besättningsman i en genomblöt regnjacka griper tag i räcket, livrädd, och vänder sig mot vattnet. Slutligen exploderar ytan uppåt och ett kolossalt Pacific-Rim-liknande sjömonster bryter igenom: våt, ärrad, åsad hud, enorma käkar, tiotals meter av stänk. Närbild på dess huvud som vrålar i blixten. Trålaren är nästan uppslukad. Avsluta med en vid bild: kaijun tornande över det stormande havet, båten liten i förgrunden, en sista blixt. Hollywood-katastroffilmsmusik: låg subbasrumble och sparsamma stråkar som byggs upp till brass och tungt slagverk vid genombrottet, som slutar på ett tryckande, ihållande lågt ackord. Fotorealistisk skala, volymetriskt vatten, högkontrastig stormbelysning.
2

Inställningar: Upplösning 1080P, Längd 15s (maximalt), Bildförhållande 16:9, ljud på så att modellen komponerar själv. Lämna referensljudplatsen tom.

Wan 2.7 text-till-video-lekplats på Atlas Cloud med kaijuprompten inläst och det färdiga 15-sekundersklippet i OUTPUT-panelen

Wan 2.7 text-till-video på Atlas Cloud, prompt inklistrad, 1080P och 16:9 valda. Kör-knappen visar $0,75 för detta korta test, vilket blir $0,15 per sekund: 1,5x 1080P-multiplikatorn i klartext, på en modelsida vars rubriksiffra är $0,1.

Kör den sedan en andra gång med en rad tillagd i prompten:

PlainCopy
1En enda kontinuerlig tagning, inga klipp. Prioritera genombrottsmomentet; komprimera uppbyggnaden.
2

Den raden är migrationsarbetet i miniatyr. Ett 30-sekundersmanus måste skrivas om till en 15-sekundersavsikt, och du är den som bestämmer vilka sju tagningar som dör.

Vänster: det officiella Wan 3.0-resultatet, 30 sekunder. Höger: Wan 2.7 på Atlas Cloud som kör samma prompt, stannar vid sitt 15-sekunders tak.

Steg 3: Bygg referensbilderna för Wan 3.0 vs Wan 2.7 identitetstestet

Längd är den högljudda uppgraderingen. Pixel-nivå-konsistens är den som faktiskt förändrar produktionsarbetet, och du kan testa det med två katter.

Alibabas handbok innehåller en Wes Anderson-pastisch där samma ragdollkatt och samma svarta katt måste överleva fem helt olika miljöer: en symmetrisk hotellkorridor, en genomskärningsvy från sidan, en tvättmaskinstrumma, ett flygplatsbagageband och en röd telefonkiosk. Båda katterna är märkta med @Image1 och @Image2 referenstaggar.

Generera dina egna två referenser först. Använd GPT Image 2 med kvalitet inställd på hög och en 16:9-bild, och kör den två gånger.

PlainCopy
1Ett studioporträtt av en fluffig ragdollkatt med blå ögon och en mörk mask, sittande upprätt vänd mot kameran, jämnt belyst mot en enfärgad ljusrosa bakgrund, skarp pälsdetalj, hela kroppen synlig, ren referensbladsinramning.
2

PlainCopy
1Ett studioporträtt av en liten slank svart katt med ljusa bärnstensögon, stående i profil vänd mot höger, jämnt belyst mot en enfärgad ljusrosa bakgrund, skarp pälsdetalj, hela kroppen synlig, ren referensbladsinramning.
2

GPT Image 2-lekplats på Atlas Cloud med kvalitet inställd på hög och ragdollkattens referensblad renderat i OUTPUT-panelen

GPT Image 2 med kvalitet hög, 16:9. Kör den andra prompten på samma sätt för att få den svarta katten.

Steg 4: Kör identitetstestet på Wan 2.7 referens-till-video

Ladda upp båda katterna till Wan 2.7 referens-till-video-slutpunkten. Upplösning 1080P, bildförhållande 16:9, längd 10 sekunder, vilket är max för denna slutpunkt. Prompten nedan är handbokens tagningslista komprimerad från fem beats till tre, eftersom tio sekunder inte rymmer fem.

PlainCopy
1Wes Anderson-stil, perfekt symmetriska, plana frontala kompositioner, pastellpalett. Referensbild 1 är ragdollkatten, referensbild 2 är den svarta katten; behåll båda katterna identiska i varje tagning. Tagning 1: en oändlig symmetrisk hotellkorridor, ragdollkatten springer rakt mot kameran med ett allvarligt uttryck, den svarta katten springer iväg i bakgrunden med huvudet vänt 180 grader bakåt. Tagning 2: en genomskärningsvy från sidan av korridoren, rosa mönstrad tapet och guldramar, ragdollkatten går från vänster till höger och den svarta katten korsar från höger till vänster. Tagning 3: frontal makro på en mintgrön vintage tvättmaskinsdörr, båda katterna flyter stelt inuti trumman bland skum, tomma blickar, regnbågsordnade diskmedelsflaskor uppradade bakom. Stela horisontella och vertikala linjer, ingen kameravinkling, dödpåskäende absurd humor.
2

Wan 2.7 referens-till-video-lekplats på Atlas Cloud med båda kattreferenserna inlästa och det färdiga klippet i OUTPUT-panelen

Wan 2.7 referens-till-video: båda katterna inlästa i bildreferensplatserna, upplösning inställd på 1080P, och Kör-knappen visar priset för tagningen innan den startar. Två referenser är redan en betydande andel av vad denna slutpunkt accepterar. Wan 3.0 tar 20 referensobjekt.

Ställ dem nu sida vid sida.

Det officiella Wan 3.0 identitetslåsklippet: samma ragdoll och svarta katt hålls konsekventa över en hotellkorridor, en genomskärningsvägg, en tvättmaskinstrumma, ett bagageband och en röd telefonkiosk

Genererad av Alibaba på Wan 3.0 under den offentliga betan och publicerad i den officiella skaparhandboken. Fem miljöer, 19,9 sekunder, båda katterna fixerade med referenstagg. Visas här som en tyst GIF; den levererade filen har 44,1kHz stereoljud.

Wan 2.7 referens-till-video-resultatet på samma brief, tre tagningar inom 10-sekunderstaket

Wan 2.7 referens-till-video på Atlas Cloud, samma två referenser, visad här som en tyst GIF. Detta är slutpunktens standard 5-sekunderstagning snarare än hela 10: värt att veta att längdkontrollen inte alltid verkställer vad du ställer in, så läs Kör-knappens offert innan du trycker. Titta på katternas markeringar och ragdollens mask; det är den dimensionen som "pixel-nivå-konsistens"-påståendet handlar om.

Fyra fler Wan 3.0 vs Wan 2.7-prompter värda att köra om

Kaijuklippet betonar längd och fysik. Dessa tre betonar olika saker, och var och en kolliderar med en annan Wan 2.7-begränsning. Alla tre är Alibabas egna beta-utdata från den officiella handboken.

Wan 3.0, officiell beta-utdata: en enda 30-sekunders tryckning bakåt längs en fluorescerande belyst sjukhuskorridor, blekgrön monokrom gradering, med skådespelerskan som ropar på hjälp. Ljud på. Prestationen, fotstegen och utrustningens surr är alla modelgenererade.

Tabell 3: vad varje prompt kräver, och var Wan 2.7 begränsar det

En gratis 15-sekundersversion av samma idé

Titta på bensinstationsklippet igen. Det formatet, en kort komedisketch med två karaktärer, en vändning och en poäng, är där Wan 3.0:s extra speltid lönar sig mest. Det är också formatet som mest sannolikt säljer något.

Haken är prompten. Handbokens komedieexempel är 800 ord med explicita tidsstämplar och blockering. Det är en verklig färdighet och det tar en helg att lära sig.

Om du bara vill ta reda på om formatet fungerar för din produkt innan du investerar den helgen, har Atlas Cloud ett gratis verktyg som hoppar över prompttekniken helt. Du beskriver produkten, kan ladda upp upp till fyra produktbilder på 8MB vardera, väljer en av sex toner (roligt meme, plot twist, sitcom, hjärtevärmande, lyxig eller hård sälj), och den skriver tvåkaraktärsmanuset, castar rösterna, genererar dialogen och ljudeffekterna, och returnerar en färdig 15-sekundersreklam som en kontinuerlig scen. Nedladdningar är rena, utan vattenstämpel. Du måste vara inloggad, och du får en gratis generation innan du fyller på krediter.

En rad produkttext in, en färdig 15-sekunders komedireklam ut: Atlas Cloud's Free AI Ad Skit-generator

Free AI Ad Skit Generator: en produktbeskrivning in, en 15-sekunders tvåkaraktärsreklam ut.

Ett verkligt resultat från den fria generatorn. Ljud på: manuset, de två rösterna och ljudeffekterna kommer alla ur en körning.

Vad en Wan 3.0 vs Wan 2.7-jämförelse kostar att köra

Per sekund, på 720P-nivån, ligger de två generationerna i samma härad. Kostnadsskillnaden är strukturell: ett klipp som tidigare var 15 sekunder är nu 30, så en färdig bit blir ungefär dubbelt så dyr.

Tabell 4: samma kaijusekvens, fyra sätt

Två varningar. Betapriser är inte allmänt tillgängliga priser, och Alibaba har sagt att API:et kommer att öppnas mer brett snart, så betrakta ¥-siffrorna som en ögonblicksbild av den offentliga betan snarare än en fast taxa. Och på Atlas Cloud-sidan, läs alltid den levande offerten på Kör-knappen innan du bekräftar, eftersom upplösningsmultiplikatorn tillämpas där och inte i rubrikpriset.

Alibaba har också varit ovanligt direkt om var Wan 3.0 fortfarande är svag, och sagt att modellen "fortfarande har utrymme för förbättringar i ljudkvalitet och textnoggrannhet." Det matchar vad filerna visar: ljudet på de officiella demofilerna är 44,1kHz stereo men kodat med en blygsam 32 kb/s, vilket är okej för en förhandsvisning och tunt för en leveransmaster.

Wan 3.0 vs Wan 2.7 licensiering: vad du faktiskt kan leverera

Kort version, och vänligen verifiera den mot de aktuella villkoren själv innan du lägger något framför en kund.

Wan 3.0 är i offentlig beta och dess kommersiella villkor är inte fastställda. Eftersom vikterna inte är släppta finns det ingen självvärdad väg alls; allt du gör går genom Alibabas API eller dess konsumentytor, och du är bunden av vad dessa villkor säger den dag du genererar. Wan 2.7 har samma historia när det gäller vikter, men det har varit i produktion tillräckligt länge för att plattformens API-villkor är stabila. Om du kör det genom en tredjepartsplattform kommer dina kommersiella rättigheter från den plattformens användarvillkor, så läs de som faktiskt gäller ditt konto. Ingen av dessa stycken är juridisk rådgivning.

Wan 3.0 vs Wan 2.7 FAQ

Är Wan 3.0 öppen källkod? Kan jag köra det i ComfyUI?

Nej. Från och med augusti 2026 finns det inget Wan 3.0-repository under Wan-AI-organisationen på Hugging Face, och inget på Wan-Video GitHub heller. Den nyaste Wan-familjen med släppta vikter är Wan 2.2, inklusive Animate- och S2V-varianterna. För ett lokalt ComfyUI-graf är du fortfarande på 2.1 eller 2.2. Wan 3.0 är endast API och webb.

Wan 3.0 vs Wan 2.7 upplösning: genererar Wan 3.0 verkligen 4K?

Nej. Den publicerade API-prislistan har tre upplösningsnivåer: 480P, 720P och 1080P. Flera vida spridda jämförelseinlägg påstår nativ 4K och de har fel. På rå utdatatak går Wan 2.7 på Atlas Cloud faktiskt högre genom sina 1080P-SR och 1440P-SR superupplösningsalternativ.

Kan jag få 30 sekunder ur Wan 2.7 genom att förlänga klipp?

Inte som en kontinuerlig fil. Fortsättningsläget kräver ett källklipp på 2 till 10 sekunder, så en full 15-sekundersgenerering kan inte vara fröet. Utmatningen omkodar och trimmar svansen på vad du än matar in, och kedjade fortsättningar tenderar att loopa tillbaka mot den inledande takten. Efter 15 sekunder redigerar du, inte genererar.

Wan 3.0 vs Wan 2.7: var kan jag faktiskt köra var och en idag?

Wan 3.0 är i offentlig beta på Alibabas egna ytor: Alibaba Cloud Bailian, Wanjing Yike, Wanxiang-sajten, Qianwen-skrivbordsklienten, IF STUDIO och Duiyou, med gråskaleåtkomst i Qianwen-appen. Ingen tredjepartsinferensplattform är värd för det än. Wan 2.7 är den generation du fortfarande kan anropa direkt, över text-till-video, bild-till-video, referens-till-video och videoredigeringsslutpunkter.

Wan 3.0 vs Wan 2.7 prissättning: vilken kostar mer per färdigt klipp?

Per sekund på 720P-nivån är de nära varandra. Per färdigt klipp, förvänta dig ungefär det dubbla, eftersom den naturliga utdatalängden gick från 15 sekunder till 30. Budgetera för körningsförändringen snarare än prisförändringen, och kom ihåg att betapriser kanske inte överlever allmän tillgänglighet.

Måste jag skriva om mina Wan 2.7-prompter för Wan 3.0?

Ja, och omskrivningen är strukturell snarare än lexikalisk. Wan 2.7-prompter beskriver en kontinuerlig tagning i rik detalj. Wan 3.0-prompter är tidsstämplade tagningslistor, ibland med ett separat musikstycke, och modellen kan också läsa en pdf eller en presentation som indata. Tumregel: för Wan 2.7 skriv ett stycke om en tagning; för Wan 3.0 skriv en numrerad scenuppdelning med sekundintervall.