Wan 3.0 对比 Wan 2.7：我打开了阿里巴巴的官方演示文件。大家复制的三个规格都是错的。

两台剪辑套件显示器并排摆放，左侧显示一只海怪冲破风暴，右侧显示同一场风暴被截断

播放阿里巴巴随 Wan 3.0 测试版提供的 30 秒海怪片段。渔船、暴雨、闪电，然后海面猛然炸开。十个不同镜头，一个剪辑点都没有。其下的管弦乐配乐也是模型生成的。

你的第一反应不是“哇”，而是“我用的 Wan 2.7 到底缺了什么？”

于是我四处寻找答案，结果发现互联网上大部分答案都是错的。搜索 wan 3.0 vs wan 2.7，排名靠前的结果信心满满地告诉你：Wan 3.0 原生渲染 4K，权重已在 Hugging Face 上开源。这两条都不是真的。我把官方演示文件下载到笔记本上，用 ffmpeg 读取，然后检查了模型注册表和已发布的价格档位。真正的升级很大，但不是人们描述的那种升级。

Wan 3.0 vs Wan 2.7：关键要点

• 时长是重头戏。 Wan 3.0 一次生成 30 秒，并带有自动“智能时长”推荐。Wan 2.7 在文生视频和图生视频上最多 15 秒，在参考生视频和视频编辑上最多 10 秒。
• 参考素材从少数几个变成众多。 Wan 2.7 最多接受 5 个参考项。Wan 3.0 最多接受 20 个，并且首次支持 doc、xls、ppt、pdf 和 md 文件，以及网页作为生成输入。
• 没有 4K。 阿里巴巴自己的 API 价格表只有三个档位：480P、720P 和 1080P。在 Atlas Cloud 上，Wan 2.7 实际上通过其 1080P-SR 和 1440P-SR 超分辨率选项提供了更高的上限。
• 权重未开源。 Hugging Face 上的 Wan-AI 组织仍然停留在 Wan 2.2。没有 3.0 仓库，没有 2.7 仓库，也没有 2.5 仓库。
• Wan 3.0 仅限测试版且仅限第一方。 它在阿里云百炼、万相网站、通义千问创作桌面应用以及少数姊妹产品上运行。如果你本周需要生产环境可调用的 API，Wan 2.7 仍然是可用的版本。
• 想在学提示词语法之前先看看格式？ Atlas Cloud 有一个免费 AI 广告短剧生成器，只需一个产品描述就能生成 15 秒的双角色喜剧广告，带对话配音。一次免费生成，无水印。

完整 30 秒怪兽片段，由阿里巴巴在 Wan 3.0 公开测试期间生成，并发布在官方 Wan 3.0 创作者手册中。我们未生成此片段。打开声音：配乐是输出的一部分，而非后期添加的背景音乐。交付文件规格：1920x1072，24fps，30.07s，44.1kHz 立体声 AAC。

这是规格表忽略的第一件事。该文件是 1920x1072，而不是 1920x1080。官方手册中的所有“1080p”演示最终高度都是 1072 像素，其他几个已发布的演示只是 1280x720。手册中 19 个片段里有 12 个时长在 30.05 到 30.07 秒之间，这说明 30 秒上限是一个真正的硬性限制，而非营销上的整数。

为什么 Wan 3.0 vs Wan 2.7 的问题比看起来更复杂

老实说，几乎没有人用相同的提示词运行过两个模型，因为几乎没有人能这么做。Wan 3.0 于 2026 年 8 月 6 日开放公开测试，且仅存在于阿里巴巴自己的平台上（QbitAI，2026 年 8 月）。第三方推理平台尚未接入。因此，现有的对比内容都是规格表之间的对比，而且规格表被反复横向复制，直到错误固化。

三条完全错误的 Wan 3.0 vs Wan 2.7 “事实”

“Wan 3.0 是原生 4K。” 并非如此。已发布的 API 价格表为 480P、720P 和 1080P，价格分别为 ¥0.3、¥0.6 和 ¥1.2 每秒。三个档位，没有第四个。与此同时，Atlas Cloud 在 Wan 2.7 上提供了 1080P-SR 和 1440P-SR，因此纯像素上限方面，旧版本目前胜出。

“Wan 3.0 权重已开源。” 并非如此。浏览 Hugging Face，Wan-AI 组织最新发布的产品系列是 Wan 2.2，包括 Animate 和 S2V 变体。核心视频线自 2.2 以来一直没有发布过权重。如果你想要本地 ComfyUI 流程图用的东西，2.1 和 2.2 是你的选择，这一点没有改变。

“提示词语法完全通用。” 这句话半真半假，而且会坑你。单词可以通用，但结构不行。Wan 3.0 的官方提示词是带时间戳的多镜头脚本：怪兽提示词是十个编号镜头，广告牌提示词是四个带明确秒数范围的标注节拍。如果把一个十镜头脚本粘贴到 15 秒模型里，它不会优雅地只选六个镜头，而是会压缩。

为什么你不能在 Wan 3.0 和 Wan 2.7 之间直接互换提示词

这下面还有第二个陷阱，也是“拼接两个片段就能解决”行不通的原因。

Wan 2.7 有一个视频续写模式。它看起来像是通往 30 秒的途径，但实际并非如此。你输入的源片段必须是 2 到 10 秒，因此一个 15 秒的生成结果无法作为种子。输出会重新编码源片段，从而吃掉你输入片段的尾部。而且连续续写倾向于回到开头节拍，而不是推动故事向前。15 秒是单个连续 Wan 2.7 文件的硬上限。更长的时间是编辑，而不是生成。

这就是这两代模型之间真正的迁移成本，没有哪个对比表格会告诉你这一点。

Wan 3.0 vs Wan 2.7 规格表，以及实际运行位置

要测试这一切，你需要一个能在同一账户上运行文生视频、参考生视频和视频编辑的平台，并按秒计费，这样失败的拍摄只消耗几秒钟，而不是一个订阅。本文中所有 Wan 2.7 方面的内容都在 Atlas Cloud 上运行，该平台托管了四个 Wan 2.7 端点以及用于参考测试的图像模型。Wan 3.0 尚未出现在 Atlas Cloud 或任何其他第三方平台上，这正是本文中 Wan 3.0 材料来自阿里巴巴自身测试版发布的原因。

表 1：Wan 3.0 vs Wan 2.7，代际对比

表 2：本文中使用的 Wan 2.7 端点

在运行任何操作之前，有一个定价细节值得内化：“$0.1 每秒”这个标题是 720P 基准价。视频编辑页面明确记录了 1080P 的 1.5 倍乘数，而“运行”按钮会显示你所选档位的实际价格。看按钮，别只看标题。

自己动手测试 Wan 3.0 vs Wan 2.7

四个步骤。其中两个使用阿里巴巴已发布的材料作为固定参考点，另外两个是你自己运行的操作。这里不需要访问 Wan 3.0 测试版。

步骤 1：获取 Wan 3.0 片段及其原始提示词

Wan 3.0 方面的测试不是由你生成，而是由你阅读。完整的怪兽提示词发布在官方 Wan 3.0 创作者手册中，以及完成的片段，位于“灾难电影”示例下。这是一个中文脚本，包含十个编号镜头和一个描述配乐的独立段落。

在做任何其他事情之前，先读一遍。结构就是重点：十个镜头，每个镜头都有自己的镜头、主体和灯光说明，最后以配乐简报结束。这就是一个 30 秒单次生成提示词的样子。

步骤 2：用 Wan 2.7 文生视频运行相同的提示词

打开 Wan 2.7 文生视频操作台，粘贴同一脚本的英文翻译。先不要缩短它。你想看看当意图超出上限时模型会怎么处理。

PlainCopy
1一段 30 秒、逼真的电影级序列：一只深海巨兽在暴风雨的夜晚出现。开场是一艘破旧的小型拖网渔船，船体上有白色字母"WAN"，在倾盆大雨中与巨浪搏斗；闪电短暂照亮了整个海洋。推进到甲板的中近景：海浪拍打船头，绳索、渔网和金属栏杆在风中狂舞，雨滴划过镜头。然后前方的海面异常隆起，形成一个巨大的漩涡，一个巨大的暗影从船底穿过，将船抬起。一名穿着湿透雨衣的船员紧紧抓住栏杆，惊恐万分，转向水面。最后海面猛然向上炸开，一只巨大的、环太平洋风格的怪兽破水而出：湿漉漉的、布满伤疤的、有脊状的皮肤，巨大的下颚，数十米高的水花。特写它的头部在闪电中咆哮。拖网渔船几乎被吞没。以广角镜头结束：怪兽高耸于翻滚的海面之上，船只在前景中显得渺小，最后一道闪电。好莱坞灾难片配乐：低沉的次低音隆隆声和稀疏的弦乐，在破水时加入铜管和重打击乐，以压抑的持续低音和弦结束。逼真的尺度，体积感的水体，高对比度的风暴光照。

设置：分辨率 1080P，时长 15s（最大值），宽高比 16:9，音频保持开启，以便模型自行配乐。参考音频槽留空。

Atlas Cloud 上的 Wan 2.7 文生视频操作台，已加载怪兽提示词，OUTPUT 面板中显示完成的 15 秒片段

Atlas Cloud 上的 Wan 2.7 文生视频，提示词已粘贴，选择了 1080P 和 16:9。运行按钮显示此次短测试拍摄需 $0.75，相当于每秒 $0.15：这是显而易见的 1.5x 1080P 乘数，出现在标题数字为 $0.1 的模型页面上。

然后用提示词追加一行，再运行一次：

PlainCopy
1单次连续拍摄，无剪辑。优先考虑破水时刻；压缩开场铺垫。

这一行就是迁移工作的缩影。一个 30 秒的脚本必须被重新编写为 15 秒的意图，而由你决定哪七个镜头被舍弃。

左：官方 Wan 3.0 输出，30 秒。右：Atlas Cloud 上的 Wan 2.7 运行相同提示词，在其 15 秒上限处停止。

步骤 3：为 Wan 3.0 vs Wan 2.7 身份测试构建参考图像

时长是最大的升级。像素级一致性才是真正改变生产工作的升级，你可以用两只猫来测试。

阿里巴巴的手册包括一个韦斯·安德森风格的混搭，其中同一只布偶猫和同一只黑猫必须在五个截然不同的环境中存活：对称的酒店走廊、剖面侧视图、洗衣机滚筒、机场行李传送带和红色电话亭。两只猫都通过 @Image1 和 @Image2 参考标签固定。

首先自己生成两个参考图像。使用 GPT Image 2，质量设为高，16:9 画幅，运行两次。

PlainCopy
1一只蓬松的布偶猫的影棚肖像，蓝眼睛，深色面具，正面直立面向镜头，均匀照明，纯淡粉色背景，毛发细节清晰，全身可见，干净的参考图构图。

PlainCopy
1一只小巧光滑的黑猫的影棚肖像，明亮的琥珀色眼睛，侧身向右站立，均匀照明，纯淡粉色背景，毛发细节清晰，全身可见，干净的参考图构图。

Atlas Cloud 上的 GPT Image 2 操作台，质量设为高，OUTPUT 面板中渲染了布偶猫参考图

GPT Image 2 质量设为高，16:9。以同样方式运行第二个提示词以获取黑猫。

步骤 4：在 Wan 2.7 参考生视频上运行身份测试

将两只猫上传到 Wan 2.7 参考生视频端点。分辨率 1080P，宽高比 16:9，时长 10 秒，这是此端点的最大值。下面的提示词将手册的镜头列表从五个节拍压缩到三个，因为十秒装不下五个。

PlainCopy
1韦斯·安德森风格，完美对称，扁平正面构图，柔和色调。参考图像 1 是布偶猫，参考图像 2 是黑猫；保持两只猫在每个镜头中完全相同。镜头 1：一条无尽的对称酒店走廊，布偶猫带着严肃的表情径直向镜头跑来，黑猫在背景中头向后扭转 180 度飞奔而去。镜头 2：走廊的剖面侧视图，粉色图案墙纸和金色画框，布偶猫从左向右走，黑猫从右向左穿过。镜头 3：正面微距对准薄荷绿复古洗衣机门，两只猫僵硬地漂浮在滚筒内的泡沫中，眼神空洞，后面排列着彩虹色洗涤剂瓶。严格的水平和垂直线条，无镜头倾斜，冷面荒诞幽默。

Atlas Cloud 上的 Wan 2.7 参考生视频操作台，已加载两只猫的参考图像，OUTPUT 面板中显示完成的片段

Wan 2.7 参考生视频：两只猫都已加载到图像参考槽中，分辨率设为 1080P，运行按钮在开始前显示拍摄费用。两个参考图像已经占用了此端点可接受数量的一大部分。Wan 3.0 接受 20 个参考项。

现在将两者并排放置。

官方 Wan 3.0 身份锁定片段：同一只布偶猫和黑猫在酒店走廊、剖面的墙壁、洗衣机滚筒、行李传送带和红色电话亭中保持一致

由阿里巴巴在 Wan 3.0 公开测试期间生成，并发布在官方创作者手册中。五个环境，19.9 秒，两只猫通过参考标签固定。此处显示为静音 GIF；交付文件包含 44.1kHz 立体声音频。

Wan 2.7 参考生视频在相同简报上的结果，三个镜头在 10 秒上限内

Atlas Cloud 上的 Wan 2.7 参考生视频，相同的两个参考图像，此处显示为静音 GIF。这是端点的默认 5 秒拍摄，而非完整的 10 秒：值得注意，时长控制并不总是完全按你设定的执行，因此在按下按钮前先阅读运行按钮的报价。观察猫的斑纹和布偶猫的面具；这就是“像素级一致性”说法所涉及的维度。

另外四个值得重新运行的 Wan 3.0 vs Wan 2.7 提示词

怪兽片段强调时长和物理效果。下面这三个强调不同的东西，每个都会与 Wan 2.7 的不同限制发生冲突。这三个都是阿里巴巴官方手册中的测试版输出。

Wan 3.0，官方测试版输出：一次 30 秒的连续长镜头，沿着一条荧光灯照明的医院走廊向后推，淡绿色单色调色，女演员在呼救。打开声音。表演、脚步声和设备嗡鸣声均由模型生成。

表 3：每个提示词的要求，以及 Wan 2.7 的限制

同一想法的免费 15 秒版本

再看看那个加油站片段。那种格式，一个带有反转和笑点的短喜剧短剧，正是 Wan 3.0 额外运行时最有效的地方。它也是最有可能卖东西的格式。

问题在于提示词。手册中的喜剧示例有 800 字，带有明确的时间戳和舞台调度。这是一项真正的技能，需要花一个周末来学习。

如果你只是想先看看这个格式对你的产品是否有效，然后再投入那个周末，Atlas Cloud 有一个免费工具，完全跳过了提示词工程。你描述产品，可选上传最多四张产品照片（每张 8MB），选择六种风格之一（搞笑梗、剧情反转、情景喜剧、暖心、奢华或硬推销），它会编写双角色脚本、分配声音、生成对话和音效，并返回一个 15 秒的成品广告，作为连续场景。下载内容干净，无水印。你需要登录，在充值积分之前有一次免费生成机会。

一行产品文案输入，一个 15 秒的成品喜剧广告输出：Atlas Cloud 的免费 AI 广告短剧生成器

免费 AI 广告短剧生成器：一个产品描述输入，一个 15 秒的双角色广告输出。

免费生成器的真实输出。打开声音：脚本、两个声音和音效均来自一次运行。

运行 Wan 3.0 vs Wan 2.7 对比需要多少成本

按秒计算，在 720P 档位上，两代模型的价格相近。成本差异在于结构：原本 15 秒的片段现在变成了 30 秒，因此成品费用大约翻倍。

表 4：同一怪兽序列，四种方式

两个注意事项。测试版定价并非正式上市定价，阿里巴巴已表示 API 将很快更广泛地开放，因此请将 ¥ 数字视为公开测试版的快照，而非承诺的费率。而在 Atlas Cloud 方面，在提交之前始终查看运行按钮上的实时报价，因为分辨率乘数是在那里应用的，而不是在标题价格中。

阿里巴巴还异常直接地指出了 Wan 3.0 仍然薄弱的地方，称该模型“在音质和文本准确性方面仍有改进空间”。这与文件显示的情况一致：官方演示的音频是 44.1kHz 立体声，但编码为适中的 32 kb/s，这对于预览来说不错，但对于交付母带来说则显得单薄。

Wan 3.0 vs Wan 2.7 许可：你实际可以发布什么

简而言之，在将任何内容交给客户之前，请自行核对当前条款。

Wan 3.0 处于公开测试阶段，其商业条款尚未确定。由于权重未发布，完全没有自托管途径；你制作的任何内容都通过阿里巴巴的 API 或其消费平台，并且受你生成当天这些条款的约束。Wan 2.7 在权重方面情况相同，但它已在生产环境中运行足够长时间，平台 API 条款已稳定。如果你通过第三方平台运行它，你的商业权利来自该平台的服务条款，因此请阅读实际适用于你账户的条款。以上两段均非法律建议。

Wan 3.0 vs Wan 2.7 常见问题

Wan 3.0 是开源的吗？我能在 ComfyUI 中运行吗？

不能。截至 2026 年 8 月，Hugging Face 上 Wan-AI 组织下没有 Wan 3.0 仓库，Wan-Video GitHub 上也没有。最新发布权重的 Wan 系列是 Wan 2.2，包括 Animate 和 S2V 变体。对于本地 ComfyUI 流程图，你仍然在使用 2.1 或 2.2。Wan 3.0 仅限 API 和网页端。

Wan 3.0 vs Wan 2.7 分辨率：Wan 3.0 真的能生成 4K 吗？

不能。已发布的 API 价格表有三个分辨率档位：480P、720P 和 1080P。几个广泛传播的对比帖子声称原生 4K，它们是错误的。在原始输出上限方面，Atlas Cloud 上的 Wan 2.7 实际上通过其 1080P-SR 和 1440P-SR 超分辨率选项提供了更高的效果。

我可以通过延伸片段让 Wan 2.7 输出 30 秒吗？

不能作为单个连续文件。续写模式需要一个 2 到 10 秒的源片段，因此完整的 15 秒生成结果不能作为种子。输出会重新编码并截断你输入的任何内容的尾部，并且连续续写倾向于循环回到开头节拍。超过 15 秒，你是在编辑，而不是生成。

Wan 3.0 vs Wan 2.7：我目前在哪里可以实际运行每个版本？

Wan 3.0 在阿里巴巴自己的平台上处于公开测试阶段：阿里云百炼、万镜亿刻、万相网站、通义千问创作桌面客户端、IF STUDIO 和堆友，通义千问 App 中有灰度访问。尚无第三方推理平台托管它。Wan 2.7 是仍然可以直接调用的版本，涵盖文生视频、图生视频、参考生视频和视频编辑端点。

Wan 3.0 vs Wan 2.7 定价：每个成品片段哪个更贵？

按秒计算，在 720P 档位上两者相近。按每个成品片段计算，预计大约翻倍，因为自然输出长度从 15 秒变成了 30 秒。预算应关注运行时变化而非费率变化，并记住测试版定价可能在正式发布后发生变化。

我是否需要为 Wan 3.0 重写我的 Wan 2.7 提示词？

是的，重写是结构性的，而非词汇性的。Wan 2.7 提示词详细描述一个连续镜头。Wan 3.0 提示词是带时间戳的镜头列表，有时带有独立的配乐段落，模型也可以读取 pdf 或演示文稿作为输入。经验法则：对于 Wan 2.7，写一段关于一个镜头的段落；对于 Wan 3.0，写一个带秒数范围的编号场景分解。