Wan 3.0 vs Alibaba Wan 2.7 : un premium de 33 % et la fin des poids ouverts

Doubler la longueur maximale de clip est le titre phare de Wan 3.0, et c'est le chiffre le moins intéressant de cette comparaison. Celui qui décide de la mise à niveau, c'est 33 % : en 1080p, Alibaba Wan 2.7 est affiché à 9,00 $ par minute de vidéo générée et Wan 3.0 à 12,00 $, de sorte que chaque minute achevée de travail en 1080p coûte trois dollars de plus sur le modèle le plus récent. Ce que cela permet d'obtenir est bien réel — un seul plan continu allant jusqu'à 30 secondes au lieu de 15, et une entrée de type document qu'aucun autre modèle de la famille n'accepte. Ce que cela coûte est moins évident, et une partie de ce coût ne figure sur aucune diapositive de lancement : le chapitre des poids ouverts de la gamme Wan est clos.

Une note sur l'origine des chiffres, car il est inhabituellement facile de se tromper sur cette confrontation. Les tarifs par seconde d'Alibaba sont des prix catalogue du fournisseur, publiés sur Alibaba Cloud et repris dans son propre article de comparaison. Les chiffres de qualité ci-dessous ne sont pas ceux d'Alibaba — ils proviennent de Video Arena d'Artificial Analysis, un classement indépendant de comparaisons à l'aveugle qui présente désormais les deux générations côte à côte. Alibaba n'a publié aucun tableau de benchmark pour aucun des deux modèles. Lorsqu'une affirmation est celle du fournisseur, elle est signalée ; lorsqu'elle vient de l'arène, elle porte une date de capture, car le score Elo sur ce classement dérive à mesure que les votes s'accumulent.

L'arithmétique de la mise à niveau, à toutes les résolutions

Les deux modèles facturent à la seconde de vidéo générée, ce qui rend la comparaison particulièrement limpide. Les tarifs catalogue d'Alibaba pour Wan 3.0 sont de 0,05 $/s en 480p, 0,10 $/s en 720p et 0,20 $/s en 1080p. Wan 2.7 se situe à 9,00 $ par minute en 1080p dans la colonne de tarification indépendante suivie par Artificial Analysis — soit 0,15 $/s — avec le même tarif de 9,00 $/min sur l'instantané plus ancien du tableau.

Exécuter les longueurs de clip :

• Un clip 1080p de 15 secondes — le plafond de Wan 2.7, la moitié de celui de Wan 3.0 — coûte environ 2,25 $ sur Wan 2.7 et environ 3,00 $ sur Wan 3.0. Même durée, même résolution, un tiers de plus.

• Un clip 1080p de 30 secondes — seul Wan 3.0 peut le produire en une seule passe — coûte 6,00 $ là-bas. Avec Wan 2.7, l'équivalent correspond à deux générations de 15 secondes plus un montage, soit 4,50 $ de génération brute, auxquels s'ajoutent le temps d'assemblage et le travail de continuité à la jonction.

• Un brouillon 480p de 30 secondes coûte 1,50 $ sur Wan 3.0, et c'est là que le nouveau modèle est vraiment bon marché : une demi-minute complète de passe conceptuelle pour moins cher qu'un seul rendu 1080p de 15 secondes sur l'un ou l'autre modèle.

Cette troisième ligne est celle que les équipes sous-estiment. Le palier 480p n'existe pas du tout sur Wan 2.7, et un palier de brouillon bon marché change le nombre de candidats que vous pouvez vous permettre de jeter — 30 secondes de 480p à 1,50 $ est un prix où « générer quatre, n'en garder qu'un » cesse d'être une extravagance.

Un dernier détail tarifaire à saisir tant qu’il en est encore temps : Alibaba a appliqué une remise de lancement de 30 % à durée limitée sur les plateformes Bailian et Qwen d’Alibaba Cloud, valable jusqu’au 23 septembre. Sur un clip 1080p de 30 secondes remisé, cela fait passer le prix de 6,00 $ à environ 4,20 $. Si vous évaluez en ce moment, l’écart effectif entre les deux générations est plus étroit que ne le suggèrent les tarifs catalogue, et il se creuse à nouveau le 24.

L'asymétrie de facturation que presque personne ne mentionne

Wan 2.7 n'est pas un seul modèle à un seul tarif. Il a été lancé le 3 avril 2026 sous la forme d'une suite de quatre modèles — texte-vers-vidéo, image-vers-vidéo, référence-vers-vidéo et édition vidéo — et deux de ces quatre modèles sont facturés différemment des deux autres.

• wan2.7-t2v et wan2.7-i2v — facturés uniquement sur la durée de sortie. La région compte : les tarifs internationaux de Singapour sont de 0,10 $/s en 720p et de 0,15 $/s en 1080p, tandis que les points de terminaison de Pékin et Tokyo affichent 0,086 $/s et 0,143 $/s pour le même travail.

• wan2.7-r2v (référence-vers-vidéo) — facturé sur la durée de la vidéo d’entrée, plafonnée à cinq secondes, plus la durée de sortie. Fournir une référence de cinq secondes à une génération de quinze secondes est facturé pour vingt.

• wan2.7-videoedit — facturé sur la sortie uniquement. Les séquences d'entrée sont gratuites.

Cette seule distinction inverse la comparaison des coûts pour les charges de travail d’édition. Si votre travail consiste à éditer des séquences existantes à partir d’instructions plutôt qu’à générer à partir de zéro, la variante d’édition de Wan 2.7 ne facture rien pour le matériau que vous lui fournissez, et le prix effectif par clip final peut tomber bien en dessous du tarif affiché en 1080p. Le routage de tâches tout-en-un de Wan 3.0 n’expose pas le même levier, car il facture la génération plutôt que la tâche. Vérifiez pour quelle variante votre devis est réellement établi avant de comparer des chiffres par seconde — un tarif forfaitaire par seconde masque totalement cela.

Le calendrier compte également plus que d'habitude pour Wan 2.7. Alibaba Cloud a publié un avis de retrait Model Studio (ID 118434) mettant hors ligne plusieurs modèles plus anciens le 10 octobre 2026, et la liste comprend wan2.7-r2v et wan2.7-image. Il s'agit d'un retrait au niveau des variantes, et non d'un arrêt de la génération 2.7 — wan2.7-t2v et wan2.7-i2v sont toujours répertoriés avec des tarifs en vigueur et des pages mises à jour pas plus tard que le 11 septembre — mais si le reference-to-video est la raison pour laquelle vous envisagiez la 2.7, cette voie a une échéance. Aucun avis comparable n'existe pour Wan 3.0.

Là où l’arène les place

Wan 2.7 est resté six mois sans score public. Le classement actuel text-to-video d’Artificial Analysis (classement avec audio, relevé le 18 septembre 2026) répertorie les deux générations, et l’ordre est sans ambiguïté :

Wan 3.0 — 2e au classement général, Elo 1 229 (IC à 95 % ±9), 6 011 comparaisons, 12,00 $/min.

• Wan2.7-260612 (la version de juin) — n° 7, Elo 1 149 (±6), 16 694 comparaisons, 9,00 $/min.

• Wan 2.7 (la version d'avril) — n° 10, Elo 1 098 (±7), 4 856 comparaisons, 9,00 $/min.

• Wan 2.6 — n° 27, Elo 1 030, 9,00 $/min.

Les intervalles de confiance valent la peine d’être lus avant les classements, car ils déterminent quels écarts sont réels. L’intervalle de ±9 de Wan 3.0 et celui de ±6 de Wan2.7-260612 ne se chevauchent pas : l’avance de 80 points du modèle le plus récent sur la meilleure version 2.7 est une différence établie, pas du bruit. L’écart de 51 points entre les deux versions 2.7 est également établi. Ce qui n’est pas établi, c’est la marge en tête du classement — Wan 3.0 se situe à trois points derrière le leader avec un intervalle de ±9, ce qui constitue une égalité sur tous les plans, sauf la présentation.

Le doublon Wan 2.7 n'est pas une erreur, et c'est le détail le plus utile du classement. Alibaba a livré plus d'une version sous le nom 2.7, et la révision de juin ultérieure se situe 51 Elo au-dessus de l'instantané antérieur, au même prix. Deux leçons en découlent. Premièrement, « Wan 2.7 » comme poste d'achat est ambigu — demandez de quelle version il s'agit. Deuxièmement, l'écart entre le meilleur 2.7 et Wan 3.0 est de 80 Elo, et non de 131 comme le suggère la comparaison mise en avant. Cela reste une marge décisive dans un classement où l'amplitude des 36 modèles est d'environ 336 points, mais c'est une mise à niveau plus modeste que ne le laisse entendre le marketing.

Le tableau change selon la tâche. Dans le classement d’édition vidéo d’Artificial Analysis — une autre arène avec un ensemble de prompts différent — Wan 3.0 est n°1 avec un Elo de 1 190 et 4 647 votes, et Wan 2.7 est n°5 avec un Elo de 1 080. L’édition basée sur des instructions est la seule capacité que les deux générations partagent véritablement sur le papier, car Alibaba l’a reprise plutôt que de la réinventer, et le modèle plus récent remporte tout de même ce face-à-face avec 110 points d’avance. Si l’édition est votre charge de travail, l’argument en faveur de la mise à niveau est plus fort que ne le suggèrent les seuls chiffres de la génération de vidéo à partir de texte.

La question de 30 secondes que personne ne pose avant d'acheter

Cela ne vaut la peine de payer pour trente secondes que si vous pouvez utiliser trente secondes. Deux modes de défaillance méritent d’être nommés.

Le premier point, c’est qu’un clip plus long coûte plus cher à abandonner. Une recherche en quatre tentatives pour un bon insert de 5 secondes coûte 4,00 $ en 1080p. Les mêmes quatre tentatives à 30 secondes coûtent 24,00 $. Les générations plus longues échouent de plus de manières — la dérive s’accumule, le rythme autour de 20 secondes retombe, un visage change entre les deux moitiés du plan — donc le taux de rejet des clips longs n’est pas inférieur à celui des clips courts. Prévoyez un budget pour l’itération, pas pour un seul rendu final idéal.

Le deuxième point est que le temps supplémentaire n’aide que lorsque la continuité aide. Une publicité de 30 secondes découpée en six plans délibérés de 5 secondes ne gagne rien à disposer d’un plafond plus long et paie 33 % de plus par seconde pour cela. Une démonstration produit en une seule prise, un mouvement de caméra continu, un monologue qui doit tenir en un seul plan — voilà les charges de travail où le doublement est tout l’enjeu, et où l’assemblage de deux clips de 15 secondes sur Wan 2.7 commence à se voir à la jonction : un décalage de lumière, une remise à zéro du mouvement, un redémarrage du rythme.

Mon avis : si plus d'environ un tiers de votre production est intentionnellement découpé en segments courts, Wan 2.7 reste l'option la plus avantageuse à 9,00 $/min. Si vos briefs exigent régulièrement des prises en continu, les 3,00 $ de plus par minute coûtent moins cher que le montage qui corrige une mauvaise jonction.

Qu'est-ce qui d'autre a réellement changé, et qu'est-ce qui ne l'a pas été

Le post comparatif d’Alibaba lui-même est l’énoncé le plus clair du delta, et il est plus étroit que ne le suggère la couverture.

• Durée — Wan 2.7 : 2 à 15 secondes par génération. Wan 3.0 : jusqu'à 30 secondes en une seule passe, plus une recommandation intelligente de durée et un outil d'extension vidéo pour enchaîner au-delà du plafond.

• Entrées — Wan 2.7 : texte, image, vidéo, audio. Wan 3.0 : les mêmes quatre, plus les documents et les pages web — DOC, DOCX, XLS, XLSX, PPT, PPTX, PDF, TXT, MD et des URL publiques. La conversion document-vers-vidéo est une véritable nouveauté au sein de la famille et n'a pas d'équivalent sur le modèle plus ancien.

• Limites de références — Wan 2.7 : jusqu'à 5 images de sujet et 5 clips de référence. Wan 3.0 : jusqu'à 10 images de référence, 5 vidéos de référence et 5 clips audio de référence, dans une limite globale de 20 éléments de référence par requête.

• Édition — le montage vidéo basé sur des instructions a été introduit dans Wan 2.7 et repris dans Wan 3.0 plutôt que remplacé. C'est la seule capacité où l'ancien modèle n'est pas simplement en retard.

• Cohérence — Alibaba revendique un contrôle plus fin des détails du visage, des cheveux, des vêtements, des accessoires, des objets et des relations spatiales sur Wan 3.0, qui se maintient sur des clips plus longs. Il s'agit d'une affirmation non évaluée du fournisseur ; les scores de l'arène ci-dessus sont ce qui s'en rapproche le plus d'une vérification.

• Audio — dialogue natif, musique et effets sonores en une seule passe sur les deux, activé par défaut dans Wan 3.0 et désactivable avec un flag. L'annonce d'Alibaba elle-même cite la qualité audio et l'exactitude du texte à l'écran comme des domaines nécessitant encore du travail — une mise en garde du fournisseur lui-même, et non d'un critique.

• 4K — n’achetez pas ce produit pour sa résolution. Les documents d’Alibaba s’engagent sur du 480p, 720p et 1080p. La 4K native apparaît sur des pages marketing de tiers, pas dans l’annonce d’Alibaba.

Là où Wan 2.7 gagne encore, et là où les deux échouent

Les pages de comparaison présentent cela comme une mise à niveau à sens unique. Ce n’est pas le cas, et ce sur trois points.

La première est une revendication proche du fournisseur qui n'existe que pour le modèle plus ancien. Wan 2.7 a été annoncé comme n°1 sur le classement d'édition vidéo-à-vidéo de DesignArena avec un score Elo de 1 334, avec 68 points d'avance sur l'entrée suivante — un chiffre publié en avril 2026 et fondé sur des votes participatifs plutôt que sur une évaluation contrôlée en laboratoire. La capacité d'édition sur instruction de Wan 3.0 est reprise plutôt que réinventée, de sorte qu'il n'existe aucune revendication équivalente de n°1 publiée pour ce modèle. Considérez le chiffre de DesignArena comme un résultat proche du marketing, et non comme une mesure de laboratoire, mais notez que personne n'a publié de revendication concurrente pour le modèle plus récent non plus.

Le deuxième point est que les défaillances sont de nature différente, et celles du modèle plus ancien sont mieux documentées. Les évaluateurs de Wan 2.7 signalent une synchronisation labiale fonctionnelle mais pas parfaite à l’image près : elle dérive au-delà d’environ 150 mots par minute, fusionne plusieurs locuteurs simultanés en une seule voix et laisse la musique submerger les dialogues à moins de l’atténuer manuellement en post-production. Les artefacts côté génération se concentrent autour d’un fort flou de mouvement sur les détails chromés et de calandre, ainsi que d’une perte de détail lors des rotations de tête sous une forte ombre faciale. La dérive d’identité sur des scènes longues ou complexes est le problème le plus systématiquement signalé, une bonne première image masquant un visage qui change ensuite.

Wan 3.0 s’attaque au volet durée de cette histoire — une passe unique de 30 secondes comporte moins de jonctions où l’identité peut dériver —, mais les propres documents de lancement d’Alibaba citent la qualité audio et l’exactitude du texte à l’écran comme des points nécessitant encore du travail. Les clips plus longs accumulent eux aussi de la dérive à l’intérieur du plan plutôt qu’au niveau de la coupe. Aucune des deux générations n’est un outil audio abouti, et les deux fournisseurs le reconnaissent eux-mêmes.

Le troisième est la résolution. Wan 2.7 plafonne à 1080p, et Wan 3.0 aussi. Une comparaison largement reprise affirme que Wan 2.7 génère en 4096×2160 ; la documentation d'Alibaba elle-même ne liste que 720p et 1080p comme paliers facturables, et l'annonce de Wan 3.0 s'engage sur 480p, 720p et 1080p. Si la 4K native est une exigence, cette mise à niveau ne la résout pas et aucune des deux générations n'est la solution.

Ce qui a changé pour quiconque auto-héberge

C’est la partie qui n’apparaît pas dans une comparaison de caractéristiques techniques, et elle compte plus que n’importe quelle fonctionnalité individuelle.

Wan 2.1 et Wan 2.2 ont publié l’intégralité des poids sous Apache 2.0. Wan 2.5 a été annoncé comme ouvert et n’a jamais publié de poids. Wan 2.6 était une API fermée. Wan 2.7 n’était que partiellement ouvert. Wan 3.0 poursuit cette direction : c’est une API fermée, facturée à l’usage, et les documents de lancement d’Alibaba ne disent rien sur une publication des poids. Si vous êtes sur Wan 2.2 aujourd’hui et attendez un checkpoint téléchargeable plus récent, vous attendez quelque chose qu’Alibaba n’a pas promis, à rebours d’une tendance sur quatre versions qui pointe dans l’autre sens. L’hypothèse de planification honnête est que le dernier fleuron Wan auto-hébergeable est Wan 2.2.

Appeler l'un ou l'autre, et à quoi la facture devrait ressembler

Les deux modèles sont accessibles via les consoles propres à Alibaba — Model Studio sur Alibaba Cloud, et Qwen Cloud — ainsi que via des outils créatifs tiers qui les ont intégrés. L’API de Wan 3.0 a été entièrement ouverte lors du lancement du 24 août, levant la barrière de candidature en place depuis la bêta du 6 août.

Là où le mode de facturation à la seconde crée un vrai risque, c’est dans l’établissement des devis. Lorsqu’un modèle est tarifé à la seconde, par résolution, le chiffre qu’un intermédiaire vous communique n’est souvent pas celui du fournisseur, et la marge se cache à l’intérieur d’un tarif qui ressemble à un prix catalogue. La vérification est simple : demandez si le tarif qu’on vous cite est le tarif publié d’Alibaba pour cette résolution, et comparez-le à la liste de $0.05 / $0.10 / $0.20.

Pour les modèles que nous routons, cette question a une réponse structurelle plutôt qu’une promesse qui y serait attachée. OrcaRouter répercute le prix catalogue du fournisseur à 0 % de marge sur plus de 200 modèles avec une seule clé API, ce qui signifie qu’une baisse de prix d’un fournisseur — comme celle en cours sur Wan 3.0 jusqu’au 23 septembre — est effective de notre côté le jour même plutôt qu’après un cycle contractuel. Wan 3.0 ne fait pas partie des modèles que nous routons ; il est disponible via les plateformes propres à Alibaba et via des plateformes tierces qui l’ont intégré. Nous préférons le dire clairement plutôt que de sous-entendre le contraire, car la leçon tarifaire est la même dans les deux cas : ce n’est pas le modèle qui fait fuir l’argent, c’est la facturation.

Si vous menez la comparaison comme une décision de développement plutôt qu’un exercice de recherche, la forme du test qui y répond est celle de trois prompts — une prise continue de 25 secondes, une séquence de 30 secondes en six plans, et une instruction de montage appliquée à des rushes existants — exécutés sur les deux générations en 720p, évalués sur le coût par clip que vous seriez réellement amené à livrer. À 0,10 $ et 0,15 $ la seconde, ces exécutions coûtent quelques dollars et tranchent une question qu’aucune position dans un classement ne résout pour vos rushes en particulier.

Lequel appeler ?

Wan 3.0 est le meilleur modèle, et ce n'est pas le meilleur achat pour tout le monde. La marge dans l'arène par rapport à la version 2.7 de juin est de 80 Elo, le surcoût est de 33 %, et le delta de capacités se résume à un type d'entrée véritablement nouveau, un plafond doublé, un budget de référence plus large et un palier de brouillon bon marché.

Choisissez Wan 3.0 si votre travail implique des prises continues de plus de 15 secondes, si vos briefs reposent sur des documents ou des pages web plutôt que sur des images, si vous devez conserver plus de cinq références tout au long d'une scène, ou si vous voulez un palier de brouillon 480p pour itérer à moindre coût avant de vous engager dans un rendu 1080p. Choisissez Alibaba Wan 2.7 — en particulier la build de juin, et demandez-la en précisant sa build — si votre rendu est délibérément découpé en plans courts, si l'édition basée sur des instructions constitue la charge de travail principale plutôt qu'une charge secondaire, ou si vous traitez de gros volumes en 1080p et que les trois dollars la minute s'accumulent. Et si l'auto-hébergement est une exigence absolue, aucune de ces deux options n'est la solution ; Wan 2.2 reste la bonne réponse.

La question ouverte pour le prochain trimestre est de savoir si Alibaba maintient les deux lignes séparées. Wan 2.7 à 9,00 $/min avec l’édition d’instructions intacte est un produit parfaitement utilisable et un plancher tarifaire plus bas pour la famille. C’est en le maintenant en vie qu’Alibaba tient le segment sensible aux prix du marché, tandis que Wan 3.0 s’empare du haut de gamme. Ce qu’il faut surveiller n’est pas un nouveau modèle, mais le prix du 2.7 : s’il bouge, l’arithmétique de mise à niveau dans cet article bouge avec lui, et la remise de lancement de 30 % expirant le 23 septembre est le premier point de données.