Yêu cầu VRAM của Wan 3.0: Tại sao 80GB không đủ, và thứ gì thực sự chạy được ngày nay

Cập nhật mới nhất: Wan 3.0 đã chính thức ra mắt từ ngày 24 tháng 8 năm 2026.

Bạn đã mở sáu tab. Mỗi tab đều đưa ra một biểu đồ sạch sẽ: 1.3B trên 8GB, 14B trên 24GB, Apache-2.0, phát hành tháng 4 năm 2026. Vậy là bạn đã mở trang Wan-AI trên Hugging Face để tải checkpoint.

27 kho lưu trữ. Mới nhất là Wan2.2.

Những biểu đồ đó không lỗi thời. Chúng được bịa ra. Yêu cầu VRAM của Wan 3.0 không thể được đo lường bởi bất kỳ ai bên ngoài Alibaba, bởi vì Wan 3.0 chỉ bước vào giai đoạn beta công khai vào ngày 6 tháng 8 năm 2026 và chưa bao giờ phát hành một file trọng số nào. Không có gì để phát hành vào tháng Tư.

Vậy câu trả lời thực sự là gì? Không ai đánh giá nó. Nhưng bảng thông số kỹ thuật của chính Wan 3.0 đã khoanh vùng câu trả lời một cách chính xác, và chúng tôi đã thực hiện phép tính đó bên dưới.

Những điểm chính

• Không có trọng số Wan 3.0 nào tồn tại ở bất cứ đâu. Mọi bảng VRAM cho nó trên web hiện nay đều là giả tạo.
• Wan 3.0 là phiên bản beta API của bên thứ nhất: tối đa 30 giây, tối đa 1080P, không có gói 4K.
• Thông số kỹ thuật của nó ngụ ý chuỗi tiềm ẩn gấp 13,5 lần so với một clip 5 giây 720P, tương đương với hóa đơn chú ý ~180 lần.
• Giới hạn cục bộ thực sự hiện tại là Wan2.2 TI2V-5B trên 24GB hoặc 6GB với lượng tử hóa cộng đồng.
• Để có đầu ra 1080P trong tuần này, hãy thuê giây thay vì mua VRAM.

Yêu cầu VRAM của Wan được hiển thị: cùng một khung hình đầu tiên được hoạt họa ở gói 720P bên trái và gói 1080P bên phải, cả hai đều được render mà không cần GPU cục bộ

Cùng một khung hình đầu tiên, cùng một lời nhắc chuyển động, cùng một mô hình. Chỉ thay đổi gói độ phân giải: 720P bên trái với giá $0,50 cho 5 giây, 1080P bên phải với giá $0,75. Cả hai đều được render trên Wan 2.7 với 0 VRAM cục bộ và giá trên mỗi nhãn là báo giá mà nút Run thực sự đưa ra cho chúng tôi. Được hiển thị dưới dạng GIF im lặng.

Đó là toàn bộ vấn đề của cuộc tranh luận này. Không phải gigabyte. Mà là pixel.

Tại Sao Mọi Bảng Yêu Cầu VRAM Wan 3.0 Bạn Tìm Thấy Đều Là Hư Cấu

Kết luận trước: các trang xếp hạng cao nhất cho từ khóa này đã tái chế số liệu của Wan 2.1 và Wan 2.2, gắn nhãn "3.0" lên chúng và bịa ra một ngày phát hành. Bạn có thể bác bỏ tất cả trong khoảng 60 giây.

Hãy xem này.

Trang tổ chức Wan-AI trên Hugging Face hiển thị 27 kho lưu trữ với Wan2.2 là phiên bản cao nhất, chứng minh không có trọng số Wan 3.0 nào tồn tại để thử nghiệm VRAM cục bộ

Trang tổ chức Wan-AI chính thức trên Hugging Face, tab mô hình, sắp xếp mới nhất trước. 27 kho lưu trữ và số phiên bản cao nhất trong danh sách là 2.2 (Hugging Face, tháng 8 năm 2026).

Không có kho lưu trữ Wan3.0. Cũng không có kho lưu trữ Wan2.7, Wan2.6 hay Wan2.5. Thứ mới nhất trong tổ chức là Wan2.2-Animate-2-14B-Diffusers, được cập nhật bảy ngày trước (Hugging Face, tháng 8 năm 2026).

Đây là phân tích từng tuyên bố.

Bảng 1: Những gì hướng dẫn tuyên bố so với những gì có thể kiểm chứng

Những gì Alibaba thực sự phát hành vào tháng 8 năm 2026 là một sản phẩm API và web, không phải là một checkpoint. Một lần tạo có thể lên đến 30 giây, độ phân giải giới hạn ở 1080P và nó chấp nhận văn bản, hình ảnh, âm thanh, video và thậm chí cả tài liệu (doc, xls, ppt, pdf, md) làm đầu vào tham chiếu. Giá API là ¥0,3 / ¥0,6 / ¥1,2 mỗi giây cho 480P / 720P / 1080P (QbitAI, tháng 8 năm 2026).

Hãy chú ý những gì còn thiếu trong danh sách đó: một liên kết tải xuống.

Yêu Cầu VRAM Của Wan 3.0, Được Tính Từ Chính Thông Số Kỹ Thuật Của Nó

Cam kết: đến cuối phần này, bạn sẽ biết tại sao "chỉ cần mua một card 32GB" là không khả thi, với những con số bạn có thể tự tính toán lại. Bằng chứng: phép tính chỉ cần hai dữ kiện đã được công bố, tỷ lệ nén VAE của Wan và giới hạn 1080P/30s của Wan 3.0.

Hãy bắt đầu.

Đó là độ dài chuỗi, không phải số lượng tham số. Mọi người đều nhìn vào con số B. Đó là biến sai.

Bộ nhớ và khả năng tính toán của một bộ chuyển đổi khuếch tán video tỷ lệ thuận với số lượng token tiềm ẩn mà nó phải xử lý và con số đó đến từ độ phân giải nhân với thời lượng, không phải từ tham số. VAE của Wan2.2 nén ở 4x16x16 theo thời gian, chiều cao và chiều rộng, và DiT vá trên đó, vì vậy mỗi token tiềm ẩn bao phủ khoảng một khối 4x32x32 pixel (Wan2.2 README, tháng 8 năm 2026). VAE thế hệ Wan2.1 cũ hơn nén ở 4x8x8, vì vậy với vá, nó là 4x16x16 cho mỗi token, nhiều hơn gấp bốn lần số token cho cùng một clip.

Chạy giới hạn của chính Wan 3.0 thông qua đó và đây là kết quả.

Bảng 2: Số lượng token tiềm ẩn theo clip mục tiêu (tính toán của chúng tôi, 24fps)

Đọc lại hàng cuối cùng. Khả năng chính của Wan 3.0 dài gấp 13,5 lần độ dài chuỗi của clip 5 giây 720P mà 4090 của bạn hiện đang phải vật lộn.

Và tự chú ý là bậc hai theo độ dài chuỗi. 13,5 bình phương là khoảng 180. Vì vậy, khối lượng công việc chú ý cho một clip 30s 1080P gần như gấp 180 lần khối lượng công việc chú ý của một clip 5s 720P, trước khi bạn tính đến bất cứ điều gì khác.

Đó là con số mà không ai trong SERP tính toán. Nó cũng là lý do tại sao "mua thêm 8 gigabyte" không phải là một kế hoạch.

Vậy điều đó có nghĩa là gì tính bằng gigabyte? Trọng số là phần nhàm chán. Một MoE tổng 27B ở fp8 chiếm khoảng 27GB, bf16 khoảng 54GB. MoE chỉ giúp ích cho khả năng tính toán mỗi bước (A14B của Wan2.2 kích hoạt 14B trong số 27B tham số mỗi bước), không phải những gì phải nằm trong bộ nhớ.

Phần thú vị là các kích hoạt. Trạng thái ẩn của một lớp biến áp ở kích thước mô hình 5120 trong bf16 có giá token x 5120 x 2 byte:

• 5s 720P (27.280 token): 0,28 GB mỗi lớp
• 30s 1080P (369.240 token): 3,8 GB mỗi lớp
• 30s 1080P trên VAE thế hệ 2.1 (1.476.960 token): 15,1 GB mỗi lớp

Mỗi lớp. Nhân với số lớp mà quá trình triển khai chú ý của bạn phải giữ ở trạng thái hoạt động, thêm bộ mã hóa văn bản, thêm quá trình giải mã VAE và con số 80GB không còn có vẻ bảo thủ nữa.

Bảng 3: VRAM ước tính nếu trọng số từng được phát hành (ƯỚC TÍNH, không được đo lường)

Mọi ô trong bảng đó đều là ƯỚC TÍNH dựa trên Bảng 2 cộng với kích thước checkpoint đã được công bố. Các con số thực tế phụ thuộc vào kernel chú ý, chiến lược giảm tải và liệu Alibaba có bao giờ phát hành trọng số hay không. Hãy coi nó như hình dạng của vấn đề, không phải là một bảng thông số kỹ thuật.

Hình dạng đã đủ rõ ràng: cài đặt hàng đầu chưa bao giờ là khối lượng công việc của GPU tiêu dùng.

Yêu Cầu VRAM Của Wan Mà Bạn Thực Sự Có Thể Đạt Được Ngay Hôm Nay

Đây là phần mà các bảng bịa đặt đang giả vờ là. Những con số này được công bố bởi nhóm Wan và chúng có thật.

Bảng 4: Các mức VRAM thực tế của Wan, tháng 8 năm 2026

Hai điều trong bảng đó đáng để xem xét lại.

Đầu tiên: hàng A14B đã có cả hai cờ tiết kiệm bộ nhớ được bật và vẫn muốn 80GB. Đó là con số GPU đơn chính thức, không phải con số ngây thơ. Thứ hai: hàng 5B là câu trả lời trung thực cho người tiêu dùng và README của chính nó trích dẫn 5 giây của 720P trong vòng chưa đầy 9 phút trên 4090.

Dưới 24GB, bạn đang ở trong lãnh thổ cộng đồng. WanGP (dự án deepbeepmeep/Wan2GP, mô tả chính nó là các mô hình tổng quát "có thể truy cập được cho người nghèo GPU") đưa các mô hình chọn lọc xuống còn 6GB bằng cách sử dụng lượng tử hóa int8, fp8, gguf, NVFP4 và Nunchaku. Nó hỗ trợ Wan 2.1 và 2.2. Nó không hỗ trợ 3.0, vì không có gì để hỗ trợ.

Bây giờ là phần sẽ thay đổi quyết định mua hàng của bạn: giả định "phiên bản tiếp theo sẽ mở" đã thất bại ba lần liên tiếp. Wan 2.2 là Apache-2.0. Wan 2.5 chuyển sang chỉ API. Wan 2.6 và 2.7 chưa bao giờ phát hành trọng số. Wan 3.0 không có file giấy phép nào cả.

Mua một card ngày hôm nay với cược rằng trọng số 3.0 sẽ ra mắt vào ngày mai là đặt cược chống lại xu hướng ba thế hệ.

Để chạy thử trực tuyến ngay bây giờ, hãy mở Wan 3.0 trên Atlas Cloud và thử một lời nhắc như lời nhắc bên dưới trước khi bạn công bố quy trình làm việc.

Ảnh chụp màn hình kết quả từ lời nhắc của Wan 3.0: Đường dẫn render không cần GPU.

Bỏ Qua Yêu Cầu VRAM: Quy Trình Làm Việc Wan Không Cần GPU

Hãy để tôi nói thẳng về ranh giới trước, bởi vì hầu hết các trang trong lĩnh vực này sẽ không làm như vậy.

Không ai lưu trữ Wan 3.0. Không phải Atlas Cloud, cũng không phải bất kỳ ai khác. Không có trọng số, vì vậy không có suy luận của bên thứ ba. Nếu một trang cung cấp cho bạn "quyền truy cập API Wan 3.0", nó đang bán cho bạn thứ khác.

Những gì bạn có thể nhận được ngay bây giờ là phần còn lại của dòng họ, được lưu trữ, tính phí theo giây, không có VRAM trong phương trình. Atlas Cloud chạy Wan 2.2 đến 2.7 đằng sau một API và một tab trình duyệt, và Wan 2.7 ở 1080P là thứ gần nhất với đầu ra đẳng cấp 3.0 có sẵn bên ngoài các kênh beta của riêng Alibaba.

Đối với người đọc mà bài viết này được viết cho, điều đó giải quyết một vấn đề cụ thể. Bạn sắp chi bốn con số cho một card để theo đuổi một checkpoint không tồn tại. Thuê giây có nghĩa là bạn tìm hiểu đầu ra thực sự trông như thế nào trước khi bạn mua bất cứ thứ gì và nếu trọng số 3.0 không bao giờ ra mắt, bạn sẽ mất không gì ngoài một vài đô la.

Bảng 5: Dòng họ Wan được lưu trữ (giá niêm yết tính đến tháng 8 năm 2026)

Một cảnh báo trước khi hướng dẫn, bởi vì nó sẽ xuất hiện trên hóa đơn của bạn: giá niêm yết là mức sàn. Trang của Wan 2.7 báo giá $0,10 mỗi giây. Trong các lần chạy tháng 8 năm 2026 của chúng tôi, cùng một công việc năm giây đã được báo giá $0,50 ở gói 720P và $0,75 ở 1080P, vì vậy gói hàng đầu tính phí $0,15 mỗi giây, gấp rưỡi tỷ lệ niêm yết. Luôn đọc báo giá mà nút đưa ra trước khi bạn nhấp vào nó.

Bảng 6: Bốn cách để có 30 giây 1080P

Thực hiện phép chia. Với khoảng $4,50 cho mỗi 30 giây 1080P, một card $2.000 cần khoảng 440 lần render ba mươi giây để hòa vốn và nó vẫn không thể tạo ra một cái nào trong số chúng.

Đó là lập luận. Bây giờ là hướng dẫn ba bước để bạn có thể tự đánh giá đầu ra.

Bước 1: Khóa Khung Hình Đầu Tiên Ở 16:9

Mọi so sánh VRAM trung thực đều cần một biến số. Vì vậy, chúng tôi cố định khung hình đầu tiên, sau đó cung cấp khung hình giống hệt nhau và lời nhắc chuyển động giống hệt nhau cho cả hai mức. Bất kỳ sự khác biệt nào bạn thấy sau đó là do mức, không phải do xúc xắc.

Mở sân chơi Qwen Image 2.0 Pro text-to-image và dán lời nhắc này:

textCopy
1Cinematic wide shot inside a dim home office at 2am: a young engineer in a grey hoodie leans back in a desk chair, face lit only by a triple-monitor rig showing a paused video timeline. Beside the desk an open PC case glows, a single oversized graphics card visible inside, fans spinning. Dust motes in the air, teal-and-amber color grading, shallow depth of field, 35mm anamorphic lens, photorealistic, highly detailed, 16:9
2

Cài đặt: nhấp vào chip kích thước 16:9, chip này sẽ chụp khung hình ở 1280 x 720 và để mọi thứ khác ở mặc định. Chi phí là $0,06 mỗi hình ảnh (hiện đang giảm 20% so với $0,075). Các hộp chiều rộng và chiều cao có thể lên đến 2048 mỗi cạnh nếu bạn muốn khung hình lớn hơn, nhưng mặc định của chip đã có hình dạng phù hợp cho cả hai mức video.

Tại sao lại là cảnh này? Bởi vì nó thực sự là người đọc. Giữ file đầu ra, bạn cần nó hai lần.

Sân chơi Qwen Image 2.0 Pro trên Atlas Cloud với chip kích thước 16:9 được chọn và khung hình đầu tiên 1280x720 hoàn chỉnh trong bảng đầu ra

Bước 1 hoàn tất: chip 16:9 được chọn ở 1280 x 720 và khung hình đầu tiên mà cả hai mức video sẽ bắt đầu. $0,06 trên nút Run.

Bước 2: Hoạt Họa Nó Ở Mức VRAM 720P

Đây là đại diện cho những gì một thiết lập cục bộ 24GB thực sự mang lại cho bạn: 720P, năm giây và đó là giới hạn.

Một lựa chọn có chủ ý ở đây. Thay vì chuyển đổi mô hình giữa hai mức, chúng tôi chạy cùng một mô hình ở cả hai, để biến số duy nhất trong so sánh là mức độ phân giải. Tải hình ảnh Bước 1 làm khung hình đầu tiên trong sân chơi Wan 2.7 image-to-video, sau đó dán lời nhắc chuyển động này:

textCopy
1The engineer slowly leans forward and rubs his eyes; the monitor glow flickers as the timeline scrubs; the camera pushes in slightly; dust motes drift through the beam of light; subtle handheld micro-shake; single continuous shot, no cuts.
2

Cài đặt: độ phân giải 720P, thời lượng 5s, mọi thứ khác ở mặc định. Nút Run báo giá $0,50, tức là tỷ lệ niêm yết $0,10 mỗi giây nhân với năm giây. Hãy ghi lại con số đó, vì Bước 3 sẽ thay đổi nó.

Sân chơi Wan 2.7 image-to-video ở mức 720P với khung hình đầu tiên được tải, thời lượng 5s và clip hoàn chỉnh trong bảng đầu ra

Bước 2 hoàn tất: mức 720P, 5 giây, được báo giá ở $0,50, với một clip thực trong bảng đầu ra.

Bước 3: Hoạt Họa Cùng Một Khung Hình Ở 1080P Mà Không Cần GPU Cục Bộ

Cùng một trang, cùng một khung hình đầu tiên, cùng một lời nhắc chuyển động từng chữ, cùng một thời lượng 5 giây. Thay đổi chính xác một điều khiển: đặt độ phân giải thành 1080P.

Báo giá Run tăng từ $0,50 lên $0,75. Đó là $0,15 mỗi giây của bạn, được đo lường, trên một trang có giá niêm yết là $0,10.

Hai cạm bẫy cài đặt cần theo dõi, cả hai đều khiến chúng tôi mất phí chạy thực tế để học:

• Điều khiển thời lượng không phải lúc nào cũng cam kết. Chúng tôi đặt thời lượng thành 10 giây, trường hiển thị 10 và công việc vẫn render 5. Báo giá của nút Run là nguồn sự thật duy nhất: ở mức $0,15 mỗi giây, một công việc 1080P 10 giây thực sự phải đọc khoảng $1,50, vì vậy báo giá $0,75 có nghĩa là bạn vẫn đang mua 5 giây bất kể thanh trượt hiển thị gì. Đọc báo giá, không phải trường.
• Xác nhận hình ảnh của riêng bạn đã được tải. Nếu khe tham chiếu vẫn giữ hình ảnh demo mặc định của trang, quá trình chạy sẽ vui vẻ tạo ra thứ gì đó không liên quan. Nhìn vào hình thu nhỏ trước khi bạn nhấp.

Sân chơi Wan 2.7 image-to-video ở mức 1080P với nút Run báo giá $0,75 và clip 1080P hoàn chỉnh trong bảng đầu ra

Bước 3 hoàn tất ở mức 1080P. Báo giá Run là điểm mấu chốt: $0,75 cho cùng năm giây có giá $0,50 ở một mức thấp hơn, trên một trang niêm yết $0,10 mỗi giây.

Cả hai bản render đều có trong clip ở đầu bài viết này, cạnh nhau. Đó là toàn bộ lập luận VRAM trong năm giây: hai mức đầu ra, cùng một lời nhắc và không một gigabyte bộ nhớ video cục bộ nào liên quan.

Các biến thể đáng thử. Giảm xuống 480P để xem thử rẻ trước khi cam kết render 1080P. Hoán đổi sang alibaba/wan-2.6/text-to-video ở $0,07/s khi bạn không có khung hình đầu tiên và muốn 15 giây trong một lần. Sử dụng alibaba/wan-2.2/animate-mix ở $0,126/s để đặt một nhân vật khác vào cảnh quay bạn đã có. Và nếu bạn muốn gần 30 giây hơn, hãy dự trù cho hai clip, vì giới hạn 15 giây mỗi clip mà hầu như không có hướng dẫn nào đề cập đến.

Câu Hỏi Thường Gặp

GPU 24GB có thể chạy Wan 3.0 không?

Không phải hôm nay, vì không có trọng số nào để tải. Nếu chúng từng được phát hành, phép tính trong Bảng 2 cho thấy 24GB chỉ đủ cho 480P và các clip ngắn với lượng tử hóa mạnh. Cài đặt hàng đầu 1080P/30s là một cấp độ khác và không thể đạt được trên một card tiêu dùng đơn lẻ.

Tôi có thể tải trọng số Wan 3.0 ở đâu?

Không nơi nào. Tổ chức Wan-AI trên Hugging Face chỉ có tối đa Wan2.2 và tổ chức GitHub Wan-Video không có kho lưu trữ suy luận 3.0 và không có giấy phép 3.0. Bất kỳ trang web nào cung cấp "tải xuống checkpoint Wan 3.0" đều không phân phối thứ mà nó tuyên bố.

Wan 3.0 có mã nguồn mở hay Apache 2.0 không?

Chưa có giấy phép nào được công bố. Xu hướng đang đi theo hướng ngược lại: Wan 2.2 là Apache-2.0, Wan 2.5 chuyển sang chỉ API và 2.6 và 2.7 không phát hành trọng số nào cả. Ba thế hệ liên tiếp đóng cửa. Hãy lên kế hoạch phù hợp.

Mô hình Wan có VRAM thấp nhất mà tôi thực sự có thể chạy ngay hôm nay là gì?

Wan2.2 TI2V-5B, chính thức 24GB trên 4090, thực hiện 5s 720P trong vòng chưa đầy 9 phút. Dưới đó, các đường dẫn lượng tử hóa của WanGP đạt đến 6GB trên các mô hình chọn lọc và bạn phải trả giá bằng tốc độ và chi tiết.

Wan 3.0 so với Wan 2.7: cái nào tôi có thể chạy cục bộ?

Không cái nào. Cả hai đều chỉ dành cho API. Nếu yêu cầu là "chạy trên máy của tôi", các lựa chọn của bạn là dòng họ Wan 2.1 và 2.2. Nếu yêu cầu là đầu ra đẳng cấp 2.7, đó là một cuộc gọi được lưu trữ, không phải cài đặt cục bộ.

Nếu tôi không thể chạy nó cục bộ, làm thế nào để có được 30 giây 1080P ngay bây giờ?

Phiên bản beta của bên thứ nhất Alibaba tính phí theo giây và cung cấp 30 giây trong một clip. Bên ngoài các kênh đó, có giới hạn cứng 15 giây mỗi clip, vì vậy 30 giây có nghĩa là ghép hai clip. Trong thử nghiệm tiếp tục Wan 2.7 của chúng tôi, các hạn chế rất nghiêm ngặt: đoạn nguồn phải từ 2 đến 10 giây, đầu ra phải dài hơn nghiêm ngặt so với nguồn, các khung hình nguồn không được giữ nguyên và việc nối tiếp các lần tiếp tục không tích lũy độ dài. Hầu hết các hướng dẫn không bao giờ đề cập đến bất kỳ điều nào trong số đó.

Vì vậy, phiên bản ngắn của toàn bộ câu hỏi Yêu cầu VRAM của Wan 3.0: hãy ngừng mua sắm card, bởi vì checkpoint mà bạn sẽ mua nó không tồn tại. Chạy Wan 2.2 cục bộ nếu bạn muốn trọng số trên đĩa và thuê giây 1080P khi bạn muốn đầu ra mà các bảng giả mạo đang bán.