Một bức tường trong phòng chỉnh màu hiển thị cùng một cảnh mái nhà dưới mưa tại các timecode từ 00:00 đến 00:30
Ba mươi giây của một cú máy liên tục, được trải ra trên timeline. Làm sao để đạt tới đó chính là toàn bộ câu chuyện.
Ngày Wan 3.0 Preview bước vào public beta, tôi đi tìm bảng thông số của nó. Trang kết quả đầu tiên nói rằng nó xuất 4K native, được phát hành theo Apache 2.0, và có "chế độ đạo diễn AI sáu camera". Sáu trang khác nhau, cùng những tuyên bố đó, và không trang nào dẫn tới nguồn gốc.
Vì vậy tôi mở trang model chính thức của Alibaba. 480P, 720P, 1080P. Không có 4K. Sau đó tôi gọi trực tiếp Hugging Face API và lấy mọi repository thuộc tổ chức Wan-AI. Repository mới nhất là Wan2.2-Animate-2, được đẩy lên cùng ngày Wan 3.0 ra mắt. Không có bất cứ thứ gì tên 3.0.
Rồi tôi làm phần mà không ai khác đang làm. Điểm nhấn của Wan 3.0 là 30 giây video liên tục trong một lần chạy, và tôi không có quyền truy cập vào nó, nên tôi cố tái tạo kết quả đó bằng các model mà hôm nay tôi thực sự có thể gọi. Tôi thất bại. Cách tôi thất bại hóa ra lại là điều hữu ích nhất trong bài viết này.
Những điểm chính
- Wan 3.0 Preview bước vào public beta vào ngày 6 tháng 8 năm 2026. Model ID
wan3.0-video, bị chặn sau một quy trình đăng ký trên Alibaba Cloud Model Studio và Qwen Cloud. Đây không phải đăng ký mở. - Thông số thực tế: tối đa 30 giây trong một lần chạy, 480P/720P/1080P, với giá $0.05/$0.10/$0.20 cho mỗi giây đầu ra.
- Không có 4K và không có trọng số mở. Tôi đã truy vấn Hugging Face API cho mọi repo thuộc
Wan-AI. Không có gì cao hơn Wan 2.2 tồn tại dưới dạng tải xuống. - Rate limit mới là nút thắt thật sự: 2 request đồng thời, 30 RPM, 50 tác vụ async trong hàng đợi.
- Bạn không thể giả lập cú one-take 30 giây bằng Wan 2.7. Ba giới hạn không được ghi trong tài liệu chặn clip thực sự liên tục dài nhất ở 15 giây, và việc nối thêm một lần continuation thứ hai khiến model lặp ngược lại thay vì đi tiếp.
Bức tường 15 giây: Wan 3.0 Preview thực sự đang bán điều gì
Đây là kết quả tốt nhất tôi có thể đạt được. Mười lăm giây liền mạch ở 1080P: máy đẩy vào một biển neon, một người bán hàng đang đóng quầy cà phê trên mái nhà dưới mưa, rồi cần máy hạ xuống con phố ướt và một chiếc taxi. Một file được tạo liên tục, không dựng cắt, có âm thanh được tạo kèm.
Mười lăm giây video Wan 2.7 liên tục: biển neon, người bán hàng trên mái nhà, cần máy hạ xuống phố mưa và một chiếc taxi
Clip thực sự liên tục dài nhất mà họ Wan 2.7 tạo được cho tôi: 15 giây, 1080P, một file. Ở đây hiển thị dưới dạng GIF không tiếng; file được xuất có âm thanh stereo 44.1kHz.
Kết quả đó tốt. Nhưng nó cũng đúng bằng một nửa những gì Wan 3.0 tuyên bố làm được trong một lần gọi, và 15 giây là nơi trần giới hạn bị hàn kín. Phần dưới đây là cách tôi tìm ra mối hàn đó.
Vì sao gần như mọi bảng thông số Wan 3.0 Preview bạn đọc đều có thể sai
Có hai điều khiến lần ra mắt này ồn ào bất thường. Thứ nhất, 30 giây trong một lần tạo duy nhất là một cột mốc thật sự đầu tiên của họ model này. Wan2.7-Video dừng ở 15 giây và hầu hết model video phổ biến nằm trong khoảng 5 đến 15 giây (TNGlobal, tháng 8 năm 2026). Thứ hai, Wan 3.0 nhận các input tham chiếu mà không ai khác nhận: bên cạnh văn bản, hình ảnh, âm thanh và video, nó chấp nhận file doc, xls, ppt, pdf và md cùng với trang web, nên một slide deck có thể trở thành video (AlphaSignal, tháng 8 năm 2026).
Sự kết hợp đó tạo ra một lượng coverage khổng lồ từ các trang chưa từng mở tài liệu. Dưới đây là mọi tuyên bố được lan truyền rộng rãi, đã đối chiếu với nguồn chính.
Bảng A: Kiểm chứng thông số Wan 3.0 Preview
| Tuyên bố đang lan truyền | Nguồn chính nói gì | Kết luận |
|---|---|---|
| 30 giây trong một lần tạo | Đã xác nhận, so với 2 đến 15s ở Wan 2.7 | ✅ Thật |
| Đầu ra 4K native | Độ phân giải chính thức chỉ có 480P, 720P và 1080P | ❌ Sai |
| Trọng số mở Apache 2.0 | Không có repository Wan 3.0 nào dưới Wan-AI trên Hugging Face | ❌ Sai |
| Document-to-video (PDF, PPT, XLS) | Đã xác nhận là một loại input tham chiếu | ✅ Thật |
| "Chế độ đạo diễn AI sáu camera" | Không xuất hiện trong bất kỳ tài liệu Alibaba nào | ❌ Không được chứng minh |
| "Lip sync 12 ngôn ngữ với khóa danh tính" | Không xuất hiện trong bất kỳ tài liệu Alibaba nào | ❌ Không được chứng minh |
| $0.05 / $0.10 / $0.20 mỗi giây | Đã xác nhận cho 480P / 720P / 1080P | ✅ Thật |
| Mở cho tất cả mọi người | Phải đăng ký trên Model Studio và Qwen Cloud | ⚠️ Beta, cần lời mời |
Giá và rate limit lấy thẳng từ trang model: 2 request đồng thời, 30 request mỗi phút, và hàng đợi async 50 tác vụ (QwenCloud, tháng 8 năm 2026). Con số concurrency đó gần như không được nhắc tới, nhưng lại là dòng quan trọng nhất trên trang. Hai job song song, mỗi job mất vài phút, thì ổn cho demo ra mắt. Nhưng đó không phải một pipeline.
Giờ đến câu hỏi mà cộng đồng mã nguồn mở thực sự quan tâm. Wan 2.1 và Wan 2.2 phát hành checkpoint có thể tải về. Wan 2.5 hứa có weights nhưng chưa bao giờ xuất hiện, Wan 2.6 đóng hoàn toàn, và Wan 2.7 chỉ có API. Tôi kiểm tra xem 3.0 có phá vỡ chuỗi đó không bằng cách truy vấn Hugging Face API cho mọi model thuộc tổ chức Wan-AI, sắp xếp theo ngày tạo. Ba repository mới nhất đều là các biến thể Wan2.2-Animate-2 được tạo vào ngày 6 tháng 8 năm 2026, cùng ngày Wan 3.0 ra mắt. Repo được tải nhiều nhất vẫn là Wan2.2-TI2V-5B-Diffusers với khoảng 179.000 lượt tải trong 30 ngày gần nhất (Hugging Face, tháng 8 năm 2026).
Vì vậy câu trả lời là không, và Wan 2.2 vẫn là trần của trọng số mở. Nếu kế hoạch của bạn là chạy cục bộ hoặc fine-tune nó, thì không có gì để chạy cả.
Stack Wan 3.0 Preview: Hôm nay bạn thực sự có thể chạy gì
Tình hình chia rất rõ. Wan 3.0 nằm sau một form đăng ký với giới hạn concurrency hai job. Mọi thứ trước đó, từ Wan 2.7 lùi về 2.2, có thể gọi ngay bằng một API key, cùng với Seedance và Kling để so sánh giữa các model. Mọi thứ trong bài viết này đều được chạy theo cách đó, trong một tab trình duyệt.
Giá dưới đây lấy từ Atlas Cloud model catalogue vào ngày 10 tháng 8 năm 2026, không phải từ bất kỳ bài blog nào.
Bảng B: Wan 3.0 Preview so với những gì đang có sẵn
| Model | Lần chạy đơn dài nhất | Độ phân giải | Quyền truy cập | Concurrency | Giá niêm yết mỗi giây |
|---|---|---|---|---|---|
| Wan 3.0 Preview | 30s | 480P / 720P / 1080P | Cần đăng ký | 2 | $0.05 / $0.10 / $0.20 |
| Wan 2.7 text-to-video | 15s | 720P / 1080P / 1080P-SR / 1440P-SR | Mở | Standard | từ $0.10 |
| Wan 2.7 image-to-video | 15s | 720P / 1080P | Mở | Standard | từ $0.10 |
| Wan 2.6 text-to-video | 15s | 720p / 1080p | Mở | Standard | $0.07 (giảm 30% từ $0.10) |
| Wan 2.5 text-to-video | 10s | 720p / 1080p | Mở | Standard | $0.035 (giảm 30% từ $0.05) |
| Wan 2.2 image-to-video | 10s | 480p / 720p | Mở, weights có thể tải về | Standard | $0.03 |
| Seedance 2.5 text-to-video | 30s | 480p / 720p | Mở | Standard | từ $0.134 |
| Kling v3.0 Pro text-to-video | 15s | Mặc định của model | Mở | Standard | $0.095 (giảm 15% từ $0.112) |
Các mức giảm giá đang có hiệu lực tính đến tháng 8 năm 2026 và có giới hạn thời gian, nên hãy kiểm tra trang model trước khi lập ngân sách dựa trên chúng.
Có hai điều rút ra từ bảng đó. Lần chạy đơn 30 giây của Wan 3.0 không còn độc nhất nữa: Seedance 2.5 đã chấp nhận duration từ 4 đến 30 giây trong một lần gọi, chỉ bị giới hạn ở 720p. Và Wan 2.7 là dòng duy nhất cung cấp 1440P-SR, một tầng super-resolution được tính phí bằng 80% native 1080P theo schema riêng của nó, điều mà Wan 3.0 không có.
Điều Wan 3.0 có mà không thứ gì khác có là 30 giây ở 1080P trong một lần chạy, cộng với input tham chiếu từ tài liệu. Wan 3.0 có một trang placeholder trên Atlas Cloud được đánh dấu Coming Soon, nên nó sẽ dùng cùng key khi được phát hành. Cho tới lúc đó, đây chính xác là giới hạn mà các model cũ hơn đưa bạn tới.
Hướng dẫn Wan 3.0 Preview Bước 1: Viết brief cho cú one-take
Brief được dùng xuyên suốt giữa các lần tạo, nên hãy viết một lần. Wan 3.0 cho kết quả tốt với các mô tả shot dài, có timecode, và Wan 2.7 chấp nhận cùng cấu trúc đó trong giới hạn prompt 5.000 ký tự.
Template hiệu quả: Shot [timecode] + subject action + camera move + light + ambient audio. Hãy tuyên bố cú máy là liên tục ở dòng đầu tiên, và mô tả rõ sound bed, vì Wan 2.7 tạo âm thanh native và sẽ tự bịa ra thứ không hữu ích nếu bạn bỏ trống.
Tôi cố ý chọn một quầy cà phê trên mái nhà vào đêm mưa. Nó kiểm tra áp lực bốn thứ thường cùng lúc bị hỏng: chuyển động camera kéo dài, độ nhất quán khuôn mặt theo thời gian, phản chiếu neon trên bề mặt ướt, và một lớp âm thanh môi trường liên tục.
text1BEAT 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
Đó là kế hoạch, không phải prompt. Các prompt bạn cần paste nằm bên dưới.
Bước 2: Tạo đoạn mở đầu ở 1080P
Mở trang Wan 2.7 text-to-video và paste Beat 1, được viết đầy đủ.
text1Continuous 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
Settings: Resolution 1080P, Aspect ratio 16:9, Duration 10, Prompt extend OFF.
Prompt extend được bật mặc định và nó viết lại prompt của bạn trước khi tạo, âm thầm phá hỏng quyền kiểm soát shot theo timecode. Hãy tắt nó bất cứ khi nào phần phân rã shot là trọng tâm.
Đặt duration là 10 thay vì mức tối đa 15 giây. Đó không phải quyết định về chi phí, và lý do chỉ lộ ra ở Bước 3.
Wan 2.7 text-to-video trên Atlas Cloud, run đã hoàn tất, đầu ra 1080P hiển thị trong panel OUTPUT
Bước 2 trong playground: prompt đã paste, 1080P, 16:9, run hoàn tất với kết quả ở bên phải. Lưu ý báo giá trên nút Run là $0.75 cho một job 1080P năm giây, tương đương $0.15 mỗi giây thay vì "từ $0.10" trong catalogue.
Bước 3: Continue nó, và quan sát nơi nó vỡ
Endpoint image-to-video của Wan 2.7 có chế độ video-continuation nhận một clip hiện có và quay tiếp. Lấy URL đầu ra ở Bước 2, đưa vào trường video, đặt Duration là 15, và paste Beat 2:
text1Continue 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
Nó tạo ra clip 15 giây ở đầu bài viết này. Giờ là ba giới hạn tôi gặp phải, không cái nào có trong tài liệu.
Một: source clip phải dài từ 2 đến 10 giây. Đó là lý do Bước 2 bị giới hạn ở 10. Tạo đoạn mở đầu 15 giây thì bạn không thể extend nó chút nào, vì file 15 giây không phải input hợp lệ.
Hai: duration được yêu cầu phải lớn hơn duration của source. Đưa vào clip 10 giây và yêu cầu 10 giây thì API từ chối thẳng: first_clip duration (10s after trim) must be less than the requested duration (10s). Vì vậy đầu ra chứa source, và mức bạn có thể tăng thêm nhiều nhất trong một lần chạy là 5 giây.
Ba: nó không giữ nguyên source clip của bạn. Đây là điểm quan trọng. Bên dưới, hàng trên là clip gốc 10 giây tại 5s và 9.9s. Hàng dưới là đầu ra continuation tại cùng hai timecode đó.
Bốn khung hình so sánh source clip và đầu ra continuation tại 5 giây và 9.9 giây
Hàng trên: source clip tại 5s và 9.9s. Hàng dưới: đầu ra continuation tại cùng các timecode. Ở 5s chúng khớp nhau. Đến 9.9s source vẫn còn ở người bán hàng, trong khi continuation đã cắt sang đường phố, vì nó nén lại source vào khoảng sáu giây đầu và dành phần còn lại cho vật liệu mới.
Vì vậy continuation không phải concatenation. Nó render lại clip của bạn nhanh hơn để tạo chỗ trống, và vài giây cuối của màn trình diễn gốc đơn giản là biến mất.
Điều đó gợi ra ý tưởng hiển nhiên: nối chuỗi. Đưa kết quả 15 giây trở lại và yêu cầu thêm 15. Tôi đã thử. Đây là thứ trả về.
Một lần continuation thứ hai được nối chuỗi nhưng trôi ngược về người bán hàng trên mái nhà thay vì đẩy cảnh tiến lên
Lần continuation thứ hai. Nó phát lại đường phố và taxi, rồi loop ngược về người bán hàng trên mái nhà từ đầu chuỗi thay vì tiến tiếp. Chaining không cộng dồn.
Đó là bức tường. Giới hạn đầu ra là 15 giây, giới hạn input là 10, và mắt xích thứ hai trong chuỗi chạy ngược. Mười lăm giây footage thực sự liên tục là trần của họ model này. Bất cứ thứ gì dài hơn đều là một cut, không phải một take, và cut chính là điều mà một lần chạy đơn 30 giây tồn tại để loại bỏ.
Một lưu ý minh bạch: phần capture playground cho bước continuation này thất bại ba lần vì preset reference image của trang liên tục chiếm quyền run, nên Bước 3 được thực hiện qua API thay vì UI playground. Prompt, settings và outputs phía trên đều đến từ run thật đó.
30 giây Wan 3.0 Preview thực sự tốn bao nhiêu
Nút Run ở Bước 2 báo $0.75 cho một job 1080P năm giây. Tức là $0.15 mỗi giây, không phải $0.10 như catalogue ghi, vì con số niêm yết là mức sàn và billing tăng theo độ phân giải. Luôn tin báo giá hơn là card.
Ở mức giá thực đó, 15 giây footage liên tục của tôi tốn $1.50 cho đoạn mở đầu 10 giây cộng $2.25 cho continuation, tức $3.75 cho 15 giây được xuất.
Bảng C: 30 giây tốn bao nhiêu, theo năm cách
| Cách làm | Phép tính | Tổng | Bạn thực sự nhận được |
|---|---|---|---|
| Wan 3.0 Preview, 1080P | $0.20 × 30 | $6.00 | 30s liên tục, một lần chạy, không seam |
| Wan 3.0 Preview, 720P | $0.10 × 30 | $3.00 | 30s liên tục ở 720P |
| Wan 3.0 Preview, 480P | $0.05 × 30 | $1.50 | 30s liên tục ở 480P |
| Wan 2.7, mở đầu cộng continuation | $0.15 × 25 billed | $3.75 | Chỉ 15s. Không thể đạt 30. |
| Seedance 2.5, 480p | từ $0.134 × 30 | ~$4.05 | 30s liên tục, bị giới hạn ở 720p |
Đọc lại hàng thứ tư. Tạo 15 giây liên tục trên Wan 2.7 tốn hơn mức Wan 3.0 tính cho 30 giây liên tục ở 720P. Workaround không phải lựa chọn rẻ, mà là lựa chọn đắt hơn và còn không hoạt động.
Một lưu ý về hàng Seedance: mức niêm yết của nó là sàn 480p và model tính phí theo diện tích pixel, nên 720p trên thực tế chạy khoảng 2,25 lần con số đó.
Về licensing, hãy cẩn thận. Wan 3.0 đang ở beta, nên điều khoản thương mại đến từ thỏa thuận dịch vụ Alibaba Cloud mà bạn chấp nhận khi đăng ký, chứ không phải từ bất kỳ model licence nào, và chúng có thể thay đổi trước khi phát hành rộng rãi. Vì không có weights công khai, triển khai cục bộ và fine-tuning không phải lựa chọn. Hãy xác nhận yêu cầu attribution và watermarking theo điều khoản tài khoản của chính bạn trước khi giao việc cho khách hàng.
Câu hỏi thường gặp
Wan 3.0 Preview đã có cho tất cả mọi người chưa?
Chưa. Nó bước vào public beta vào ngày 6 tháng 8 năm 2026, nhưng quyền truy cập phải qua đăng ký thông qua Alibaba Cloud Model Studio và Qwen Cloud. Tài khoản được duyệt có 2 request đồng thời, 30 RPM và hàng đợi async 50 tác vụ, quy mô phù hợp để đánh giá hơn là production.
Wan 3.0 Preview có open source không, và weights ở đâu?
Không có. Truy vấn Hugging Face API cho mọi repository thuộc tổ chức Wan-AI không trả về gì cao hơn Wan 2.2. Ba repo mới nhất, đều là các biến thể Wan2.2-Animate-2, được tạo vào cùng ngày Wan 3.0 ra mắt. Wan 2.2 vẫn là trần của trọng số mở.
Wan 3.0 Preview có thật sự làm được 4K native không?
Không. Tài liệu chính thức liệt kê 480P, 720P và 1080P. Tuyên bố 4K đến từ các trang aggregator trích dẫn lẫn nhau thay vì nguồn chính, và nó mâu thuẫn với bảng giá của chính Alibaba, vốn chỉ có đúng ba tầng độ phân giải.
Một video Wan 3.0 Preview dài 30 giây tốn bao nhiêu?
Ở 1080P, $0.20 mỗi giây đầu ra tương đương $6.00 cho 30 giây. Ở 720P là $3.00 và ở 480P là $1.50. Để so sánh, 15 giây liên tục trên Wan 2.7 ở 1080P đã tốn tôi $3.75 theo mức billing thực tế.
Hôm nay tôi có thể tạo một cú one-take 30 giây mà không cần quyền truy cập Wan 3.0 Preview không?
Không với Wan 2.7. Chế độ continuation của nó giới hạn đầu ra ở 15 giây, chỉ nhận source clip từ 10 giây trở xuống, và loop ngược khi nối chuỗi. Seedance 2.5 có thể làm 4 đến 30 giây trong một lần chạy, nhưng chỉ tối đa 720p.
Wan 3.0 Preview so với Wan 2.7: có đáng chờ không?
Nếu bạn cần một shot liên tục dài hơn 15 giây, hoặc input tham chiếu từ tài liệu và trang web, thì có, và không có workaround. Với mọi thứ từ 15 giây trở xuống, Wan 2.7 hiện thực dụng hơn, vì giới hạn concurrency 2 request khiến batch work trên 3.0 chậm hơn model mà nó thay thế.
