Wan 3.0 vs Alibaba Wan 2.7: 33-procentowa premia i koniec otwartych wag

Podwojenie maksymalnej długości klipu to nagłówek Wan 3.0, a to najmniej ciekawa liczba w tym porównaniu. Tą, która przesądza o aktualizacji, jest 33%: przy 1080p Alibaba Wan 2.7 jest wyceniany na 9,00 USD za minutę wygenerowanego wideo, a Wan 3.0 na 12,00 USD, więc każda ukończona minuta pracy w 1080p kosztuje o trzy dolary więcej w nowszym modelu. To, co za to dostajemy, jest realne — pojedyncze ciągłe ujęcie trwające do 30 sekund zamiast 15 oraz wejście dokumentowe, którego nie akceptuje żaden inny model w rodzinie. To, ile to kosztuje, jest mniej oczywiste, a jedna jego część nie pojawia się na żadnym slajdzie premierowym: rozdział otwartych wag w linii Wan został zamknięty.

Uwaga o tym, skąd pochodzą liczby, ponieważ w tym porównaniu wyjątkowo łatwo się pomylić. Stawki za sekundę Alibaby to ceny katalogowe dostawcy, opublikowane na Alibaba Cloud i powtórzone w jej własnym wpisie porównawczym. Wskaźniki jakości poniżej nie pochodzą od Alibaby — pochodzą z Video Arena firmy Artificial Analysis, niezależnego rankingu porównań w ciemno, który obecnie zestawia obie generacje obok siebie. Alibaba nie opublikowała żadnej tabeli benchmarków dla żadnego z modeli. Jeśli twierdzenie pochodzi od samego dostawcy, jest oznaczone; jeśli pochodzi z areny, ma datę przechwycenia, ponieważ Elo na tej tablicy przesuwa się w miarę gromadzenia się głosów.

Arytmetyka aktualizacji, w każdej rozdzielczości

Oba modele rozliczają się za sekundę wygenerowanego wideo, co sprawia, że porównanie jest wyjątkowo przejrzyste. Ceny katalogowe Alibaby dla Wan 3.0 wynoszą 0,05 USD/s przy 480p, 0,10 USD/s przy 720p i 0,20 USD/s przy 1080p. Wan 2.7 plasuje się na poziomie 9,00 USD za minutę przy 1080p w niezależnej kolumnie cenowej śledzonej przez Artificial Analysis — 0,15 USD/s — z tą samą stawką 9,00 USD/min w starszym zrzucie tablicy.

Uruchom długości klipów:

• 15-sekundowy klip 1080p — górna granica Wan 2.7, o połowę niższa niż w Wan 3.0 — kosztuje około 2,25 USD w Wan 2.7 i około 3,00 USD w Wan 3.0. Ta sama długość, ta sama rozdzielczość, o jedną trzecią więcej.

• 30-sekundowy klip 1080p — tylko Wan 3.0 potrafi go stworzyć w jednym przebiegu — kosztuje tam 6,00 USD. W Wan 2.7 odpowiednik to dwie 15-sekundowe generacje plus montaż, czyli 4,50 USD za samo generowanie oraz czas składania i pracę nad ciągłością na łączeniu.

• 30-sekundowa wersja robocza 480p kosztuje 1,50 USD w Wan 3.0, i to właśnie tam nowy model jest naprawdę tani: pełny półminutowy przebieg koncepcyjny za mniej niż pojedynczy 15-sekundowy render 1080p na którymkolwiek z modeli.

Ta trzecia linia to ta, którą zespoły niedoceniają. Poziom 480p w ogóle nie istnieje w Wan 2.7, a tani poziom roboczy zmienia to, na ilu kandydatów możesz sobie pozwolić, by ich odrzucić — 30 sekund 480p za 1,50 USD to punkt cenowy, w którym „wygeneruj cztery, zachowaj jeden” przestaje być ekstrawagancją.

Jeszcze jeden szczegół cenowy, który warto wychwycić, póki trwa: Alibaba dołączyła ograniczoną czasowo 30-procentową zniżkę premierową na platformach Alibaba Cloud Bailian i Qwen, trwającą do 23 września. W przypadku objętego zniżką 30-sekundowego klipu 1080p koszt spada z 6,00 USD do około 4,20 USD. Jeśli dokonujesz teraz oceny, efektywna różnica między obiema generacjami jest mniejsza, niż sugerują stawki katalogowe, a 24 września znów się powiększa.

Asymetria rozliczeń, o której prawie nikt nie wspomina

Wan 2.7 to nie jeden model z jedną ceną. Został wydany 3 kwietnia 2026 roku jako zestaw czterech modeli — tekst-na-wideo, obraz-na-wideo, referencja-na-wideo i edycja wideo — a dwa z tych czterech rozliczają się inaczej niż pozostałe dwa.

• wan2.7-t2v i wan2.7-i2v — rozliczane wyłącznie na podstawie czasu trwania materiału wyjściowego. Region ma znaczenie: międzynarodowe stawki w Singapurze wynoszą 0,10 USD/s przy 720p i 0,15 USD/s przy 1080p, natomiast punkty końcowe w Pekinie i Tokio podają 0,086 USD/s i 0,143 USD/s za tę samą pracę.

• wan2.7-r2v (reference-to-video) — rozliczany na podstawie czasu trwania wideo wejściowego, z limitem pięciu sekund, plus czas trwania wyniku. Wprowadzenie pięciosekundowego materiału referencyjnego do piętnastosekundowego generowania daje rozliczenie za dwadzieścia sekund.

• wan2.7-videoedit — rozliczany wyłącznie za wynik. Materiał wejściowy jest bezpłatny.

Ta jedna różnica odwraca porównanie kosztów w przypadku prac edycyjnych. Jeśli Twoja praca polega na edycji istniejącego materiału na podstawie instrukcji, a nie na generowaniu od zera, wariant edycyjny Wan 2.7 nie pobiera opłat za materiał, który mu dostarczasz, a efektywna cena za gotowy klip może spaść znacznie poniżej podawanej stawki dla 1080p. Kompleksowe kierowanie zadaniami w Wan 3.0 nie udostępnia tej samej dźwigni, ponieważ wycenia generowanie, a nie zadanie. Zanim porównasz liczby za sekundę, sprawdź, którego wariantu faktycznie dotyczy Twoja wycena — stała stawka za sekundę całkowicie to ukrywa.

W przypadku Wan 2.7 kwestia czasu ma również większe znaczenie niż zwykle. Alibaba Cloud opublikował zawiadomienie o wycofaniu Model Studio (ID 118434), w wyniku którego kilka starszych modeli zostanie wyłączonych 10 października 2026 r., a lista obejmuje wan2.7-r2v oraz wan2.7-image. Dotyczy to poziomu wariantu, a nie wyłączenia generacji 2.7 — wan2.7-t2v i wan2.7-i2v są nadal wymienione z aktualnymi stawkami, a ich strony aktualizowano jeszcze 11 września — ale jeśli powodem, dla którego rozważałeś 2.7, jest tryb reference-to-video, ta ścieżka ma wyznaczoną datę. Dla Wan 3.0 nie istnieje porównywalne zawiadomienie.

Gdzie stawia ich arena

Wan 2.7 przez sześć miesięcy pozostawał bez publicznego wyniku. Aktualny ranking Artificial Analysis dla tekstu na wideo (tablica z dźwiękiem, zarejestrowana 18 września 2026 r.) wymienia obie generacje, a kolejność jest jednoznaczna:

• Wan 3.0 — #2 ogółem, Elo 1229 (95% CI ±9), 6 011 porównań, 12,00 USD/min.

• Wan2.7-260612 (wersja czerwcowa) — #7, Elo 1 149 (±6), 16 694 porównania, 9,00 USD/min.

Wan 2.7 (wersja kwietniowa) — #10, Elo 1098 (±7), 4856 porównań, $9,00/min.

Wan 2.6 — #27, Elo 1 030, 9,00 USD/min.

Przedziały ufności warto przeczytać przed rankingami, ponieważ to one decydują, które luki są rzeczywiste. Przedział ±9 dla Wan 3.0 i ±6 dla Wan2.7-260612 nie pokrywają się: 80-punktowa przewaga nowszego modelu nad najlepszą wersją 2.7 to rozstrzygnięta różnica, a nie szum. 51-punktowa luka między dwiema wersjami 2.7 również jest rozstrzygnięta. Nierozstrzygnięta pozostaje natomiast przewaga na szczycie tabeli — Wan 3.0 znajduje się trzy punkty za liderem przy przedziale ±9, co pod każdym względem poza prezentacją jest remisem.

Duplikacja Wan 2.7 nie jest błędem i jest najbardziej przydatnym szczegółem na tablicy wyników. Alibaba wydała więcej niż jedną kompilację pod nazwą 2.7, a późniejsza czerwcowa rewizja znajduje się 51 Elo powyżej wcześniejszej migawki przy tej samej cenie. Płyną z tego dwie lekcje. Po pierwsze, „Wan 2.7” jako pozycja zakupowa jest niejednoznaczne — pytaj, o którą kompilację chodzi. Po drugie, różnica między najlepszym 2.7 a Wan 3.0 wynosi 80 Elo, a nie 131, które sugeruje porównanie z nagłówka. To wciąż decydująca przewaga na tablicy wyników, na której cały rozrzut 36 modeli wynosi około 336 punktów, ale to mniejsze ulepszenie, niż sugeruje marketing.

Sytuacja zmienia się w zależności od zadania. W rankingu edycji wideo Artificial Analysis — innej arenie z innym zestawem promptów — Wan 3.0 zajmuje 1. miejsce z Elo 1190 i 4647 głosami, a Wan 2.7 jest na 5. miejscu z 1080. Edycja oparta na instrukcjach to jedyna zdolność, którą obie generacje naprawdę mają wspólną na papierze, ponieważ Alibaba przeniosła ją dalej, zamiast wynajdować ją od nowa, a nowszy model wciąż wygrywa ten bezpośredni pojedynek o 110 punktów. Jeśli edycja to Twoje obciążenie robocze, argument za aktualizacją jest silniejszy, niż sugerują same liczby dla text-to-video.

30-sekundowe pytanie, którego nikt nie zadaje przed zakupem

Za trzydzieści sekund warto płacić tylko wtedy, gdy możesz wykorzystać trzydzieści sekund. Dwa tryby awarii warto nazwać.

Po pierwsze, dłuższy klip jest droższy do odrzucenia. Cztery próby znalezienia jednego dobrego 5-sekundowego wstawienia kosztują 4,00 USD przy 1080p. Te same cztery próby przy 30 sekundach kosztują 24,00 USD. Dłuższe generacje zawodzą na więcej sposobów — dryf narasta, rytm w okolicach 20 sekund siada, twarz zmienia się między dwiema połowami ujęcia — więc odsetek odrzuceń długich klipów nie jest niższy niż w przypadku krótkich. Planuj budżet na iteracje, a nie na jeden kluczowy render.

Po drugie, dodatkowy czas pomaga tylko wtedy, gdy ciągłość pomaga. 30-sekundowa reklama pocięta na sześć celowych 5-sekundowych ujęć nic nie zyskuje dzięki dłuższemu limitowi i płaci za to o 33% więcej za sekundę. Prezentacja produktu nagrana jednym ujęciem, ciągły ruch kamery, monolog, który musi zmieścić się w jednym ujęciu — to są zadania, w których podwojenie jest sednem sprawy i w których składanie dwóch 15-sekundowych klipów na Wan 2.7 zaczyna być widoczne na łączeniu: zmiana oświetlenia, reset ruchu, restart tempa.

Moim zdaniem: jeśli więcej niż około jedna trzecia twojego materiału wyjściowego jest celowo pocięta na krótkie fragmenty, Wan 2.7 nadal jest lepszym zakupem przy $9.00/min. Jeśli twoje briefy regularnie wymagają ciągłych ujęć, dodatkowe $3.00 za minutę jest tańsze niż montaż, który naprawia złe łączenie.

Co jeszcze faktycznie się zmieniło, a co nie

Własny post porównawczy Alibaby to najczystsze ujęcie tej delty — i jest ona węższa, niż sugerują relacje.

• Czas trwania — Wan 2.7: od 2 do 15 sekund na generację. Wan 3.0: do 30 sekund w jednym przebiegu, plus inteligentne rekomendacje czasu trwania i narzędzie do przedłużania wideo do łączenia poza limitem.

• Dane wejściowe — Wan 2.7: tekst, obraz, wideo, dźwięk. Wan 3.0: te same cztery plus dokumenty i strony internetowe — DOC, DOCX, XLS, XLSX, PPT, PPTX, PDF, TXT, MD i publiczne adresy URL. Konwersja dokumentu na wideo jest zupełnie nowa w tej rodzinie i nie ma odpowiednika w starszym modelu.

• Limity materiałów referencyjnych — Wan 2.7: do 5 obrazów podmiotu i 5 klipów referencyjnych. Wan 3.0: do 10 obrazów referencyjnych, 5 filmów referencyjnych i 5 referencyjnych klipów audio, w ramach łącznego limitu 20 zasobów referencyjnych na żądanie.

• Edycja — edytowanie wideo na podstawie instrukcji wprowadzono w Wan 2.7 i przeniesiono do Wan 3.0, a nie zastąpiono. To jedyna zdolność, w której starszy model nie jest po prostu w tyle.

• Spójność — Alibaba twierdzi, że Wan 3.0 zapewnia precyzyjniejszą kontrolę nad szczegółami twarzy, włosami, ubraniem, akcesoriami, rekwizytami i relacjami przestrzennymi, utrzymującą się przez dłuższe klipy. To niepoddane ocenie twierdzenie dostawcy; powyższe wyniki areny są najbliższym sposobem na jego sprawdzenie.

• Audio — natywny dialog, muzyka i efekty dźwiękowe w tym samym przebiegu na obu, domyślnie włączone w Wan 3.0 i możliwe do wyłączenia flagą. Własny komunikat Alibaby wymienia jakość dźwięku i dokładność tekstu na ekranie jako obszary wciąż wymagające pracy — zastrzeżenie samego dostawcy, a nie recenzenta.

• 4K — nie kupuj tego ze względu na rozdzielczość. Materiały Alibaby mówią o 480p, 720p i 1080p. Natywne 4K pojawia się na stronach marketingowych firm trzecich, a nie w ogłoszeniu Alibaby.

Gdzie Wan 2.7 wciąż wygrywa, a gdzie oba zawodzą

Strony porównawcze traktują to jako jednokierunkową aktualizację. Tak jednak nie jest — pod trzema względami.

Pierwsze to twierdzenie powiązane z dostawcą, które istnieje tylko dla starszego modelu. Wan 2.7 ogłoszono jako nr 1 na tablicy edycji wideo do wideo DesignArena z wynikiem Elo 1334, wyprzedzając następną pozycję o 68 punktów — wartość opublikowana w kwietniu 2026 r. i oparta na głosach społeczności, a nie na kontrolowanej ocenie laboratoryjnej. Możliwość edycji na podstawie instrukcji w Wan 3.0 została przeniesiona, a nie wymyślona od nowa, więc nie ma dla niego równoważnego opublikowanego twierdzenia o pozycji nr 1. Traktuj liczbę DesignArena jako wynik bliski marketingowi, a nie pomiar laboratoryjny, ale zauważ, że nikt nie opublikował konkurencyjnego twierdzenia także dla nowszego modelu.

Po drugie, awarie mają inny charakter, a te w starszym modelu są lepiej udokumentowane. Recenzenci Wan 2.7 donoszą o funkcjonalnej, ale nieidealnej pod względem klatek synchronizacji ust: rozjeżdża się powyżej około 150 słów na minutę, scala wielu jednocześnie mówiących w jeden głos i pozwala muzyce zagłuszyć dialog, chyba że ręcznie przyciszysz muzykę w postprodukcji. Artefakty po stronie generowania skupiają się wokół silnego rozmycia ruchu na detalach chromu i kratki oraz utraty szczegółów przy obrotach głowy w silnym cieniu na twarzy. Dryf tożsamości w długich lub złożonych scenach jest najbardziej konsekwentnie zgłaszanym problemem, przy czym dobra pierwsza klatka maskuje twarz, która zmienia się później.

Wan 3.0 odpowiada za czasową połowę tego problemu — 30-sekundowe pojedyncze przejście ma mniej łączeń, na których tożsamość mogłaby dryfować — ale własne materiały premierowe Alibaby wskazują jakość dźwięku i dokładność tekstu na ekranie jako obszary wciąż wymagające pracy. Dłuższe klipy kumulują też dryf w obrębie ujęcia, a nie na cięciu. Żadna z generacji nie jest gotowym narzędziem audio i obaj dostawcy sami to o sobie mówią.

Trzecią kwestią jest rozdzielczość. Wan 2.7 osiąga maksymalnie 1080p, podobnie jak Wan 3.0. Jedno szeroko rozpowszechniane porównanie twierdzi, że Wan 2.7 generuje obraz w 4096×2160; własna dokumentacja Alibaby wymienia jako płatne poziomy tylko 720p i 1080p, a ogłoszenie Wan 3.0 zapowiada 480p, 720p i 1080p. Jeśli natywne 4K jest wymagane, ta aktualizacja tego nie rozwiązuje i żadna z tych generacji nie jest odpowiedzią.

To, co się zmieniło dla każdego, kto sam hostuje

To jest ta część, której nie widać w porównaniu specyfikacji, a liczy się bardziej niż jakakolwiek pojedyncza funkcja.

Wan 2.1 i Wan 2.2 udostępniły pełne wagi na licencji Apache 2.0. Wan 2.5 ogłoszono jako otwarty, ale nigdy nie udostępniono jego wag. Wan 2.6 był zamkniętym API. Wan 2.7 był tylko częściowo otwarty. Wan 3.0 kontynuuje ten kierunek: to rozliczane za użycie, zamknięte API, a materiały premierowe Alibaby nie mówią nic o udostępnieniu wag. Jeśli dziś korzystasz z Wan 2.2 i czekasz na nowszy checkpoint do pobrania, czekasz na coś, czego Alibaba nie obiecała, wbrew trendowi czterech wydań wskazującemu w przeciwnym kierunku. Uczciwym założeniem planistycznym jest, że ostatnim flagowym modelem Wan, który można hostować samodzielnie, jest Wan 2.2.

Dzwonienie do któregokolwiek z nich i to, jak powinien wyglądać rachunek.

Oba modele są dostępne przez własne konsole Alibaby — Model Studio w Alibaba Cloud i Qwen Cloud — oraz przez kreatywne narzędzia innych firm, które je zintegrowały. API Wan 3.0 zostało w pełni otwarte wraz z premierą 24 sierpnia, znosząc barierę zgłoszeń, która obowiązywała od wersji beta z 6 sierpnia.

Prawdziwe ryzyko związane z rozliczaniem za sekundę pojawia się przy wycenie. Gdy model jest wyceniany za sekundę na rozdzielczość, liczba, którą podaje ci pośrednik, często nie jest liczbą dostawcy, a marża ukrywa się w stawce, która wygląda jak cena katalogowa. Kontrola jest prosta: zapytaj, czy stawka, którą ci podano, jest opublikowaną przez Alibaba stawką dla tej rozdzielczości, i porównaj ją z listą $0.05 / $0.10 / $0.20.

W przypadku modeli, które rzeczywiście obsługujemy w routingu, to pytanie ma odpowiedź strukturalną, a nie obietnicę do niej doczepioną. OrcaRouter przekazuje cenę katalogową dostawcy dalej z 0% marży w ponad 200 modelach na jednym kluczu API, co oznacza, że obniżka ceny przez dostawcę — taka jak ta obecnie obowiązująca w Wan 3.0 do 23 września — jest widoczna po naszej stronie tego samego dnia, a nie po cyklu umownym. Wan 3.0 nie jest jednym z modeli, które obsługujemy; jest dostępny za pośrednictwem własnych platform Alibaby oraz platform zewnętrznych, które go zintegrowały. Wolimy powiedzieć to wprost, niż sugerować coś innego, bo lekcja dotycząca cen jest taka sama w obu przypadkach: to nie model jest miejscem, w którym wyciekają pieniądze, tylko rozliczenia.

Jeśli prowadzisz to porównanie jako decyzję o wdrożeniu, a nie ćwiczenie badawcze, kształt testu, który na nie odpowie, to trzy prompty — jedno ciągłe 25-sekundowe ujęcie, jedna 30-sekundowa sekwencja z sześcioma cięciami i jedna instrukcja montażowa zastosowana do istniejącego materiału — uruchomione na obu generacjach w 720p, oceniane według kosztu na klip, który faktycznie byś opublikował. Przy $0,10 i $0,15 za sekundę takie przebiegi kosztują kilka dolarów i rozstrzygają kwestię, której żadna pozycja w rankingu nie rozwiąże w przypadku twojego konkretnego materiału.

Do kogo zadzwonić?

Wan 3.0 to lepszy model, ale nie jest lepszym zakupem dla każdego. Przewaga w arenie nad czerwcową wersją 2.7 to 80 Elo, premia cenowa wynosi 33%, a różnica w możliwościach to jeden naprawdę nowy typ danych wejściowych, dwukrotnie wyższy pułap, szerszy budżet referencyjny i tani poziom wersji roboczej.

Wybierz Wan 3.0, jeśli Twoja praca obejmuje ujęcia ciągłe dłuższe niż 15 sekund, jeśli Twoje briefy są oparte na dokumentach lub stronach internetowych, a nie na obrazach, jeśli musisz utrzymać więcej niż pięć referencji w obrębie sceny lub jeśli chcesz mieć poziom wersji roboczej 480p, aby tanio iterować, zanim zdecydujesz się na render 1080p. Wybierz Alibaba Wan 2.7 — konkretnie wydanie czerwcowe i pytaj o nie, podając oznaczenie wydania — jeśli Twoje wyniki są celowo dzielone na krótkie ujęcia, jeśli edycja oparta na instrukcjach to główne obciążenie, a nie dodatkowe, albo jeśli przetwarzasz duże ilości materiału w 1080p i te trzy dolary za minutę się kumulują. A jeśli samodzielny hosting jest twardym wymogiem, żadna z tych opcji nie jest odpowiedzią; Wan 2.2 wciąż nią jest.

Otwartym pytaniem na następny kwartał jest, czy Alibaba utrzyma obie linie oddzielnie. Wan 2.7 w cenie 9,00 USD/min z nienaruszoną funkcją edycji za pomocą instrukcji to w pełni użyteczny produkt i tańsza dolna granica cenowa dla rodziny. Utrzymywanie go przy życiu to sposób, w jaki Alibaba trzyma wrażliwy na cenę segment rynku, podczas gdy Wan 3.0 zajmuje najwyższą półkę. To, na co trzeba uważać, to nie nowy model, lecz cena Wan 2.7: jeśli się zmieni, arytmetyka aktualizacji w tym artykule zmieni się razem z nią, a 30-procentowa zniżka premierowa wygasająca 23 września to pierwszy punkt danych.