Wan 3.0 vs Alibaba Wan 2.7: En premie på 33 % och slutet på öppna vikter

Att dubbla den maximala klipplängden är rubriken för Wan 3.0, och det är den minst intressanta siffran i den här jämförelsen. Den som avgör uppgraderingen är 33 %: vid 1080p Alibaba Wan 2.7 listas på 9,00 dollar per minut genererad video och Wan 3.0 på 12,00 dollar, så varje färdig minut av 1080p-arbete kostar tre dollar mer på den nyare modellen. Vad det ger är verkligt – en enda kontinuerlig tagning på upp till 30 sekunder i stället för 15, och en dokumentinmatning som ingen annan modell i familjen accepterar. Vad det kostar är mindre uppenbart, och en del av det står inte på någon lanseringsbild: kapitlet med öppna vikter i Wan-serien är stängt.

En anteckning om varifrån siffrorna kommer, eftersom den här jämförelsen är ovanligt lätt att få fel. Alibabas priser per sekund är leverantörens listpriser, publicerade på Alibaba Cloud och upprepade i deras eget jämförelseinlägg. Kvalitetssiffrorna nedan är inte Alibabas – de kommer från Artificial Analysis Video Arena, en oberoende topplista för blindjämförelser som nu har båda generationerna sida vid sida. Alibaba har inte publicerat någon benchmarktabell för någon av modellerna. När ett påstående är leverantörens eget märks det; när det är arenans har det ett insamlingsdatum, eftersom Elo på den listan förskjuts allteftersom röster tillkommer.

Uppgraderingsaritmetiken, vid varje upplösning

Båda modellerna debiterar per sekund genererad video, vilket gör jämförelsen ovanligt ren. Alibabas listpriser för Wan 3.0 är 0,05 USD/s vid 480p, 0,10 USD/s vid 720p och 0,20 USD/s vid 1080p. Wan 2.7 ligger på 9,00 USD per minut vid 1080p i den oberoende priskolumn som Artificial Analysis följer — 0,15 USD/s — med samma 9,00 USD/min-taxa i tavlans äldre ögonblicksbild.

Kör klipplängderna:

• Ett 15-sekunders 1080p-klipp – Wan 2.7:s tak, hälften av Wan 3.0:s – kostar cirka 2,25 USD på Wan 2.7 och cirka 3,00 USD på Wan 3.0. Samma längd, samma upplösning, en tredjedel mer.

• Ett 1080p-klipp på 30 sekunder – bara Wan 3.0 kan göra det i en enda omgång – kostar 6,00 dollar där. På Wan 2.7 är motsvarigheten två 15-sekundersgenereringar plus en redigering, så 4,50 dollar för själva genereringen plus monteringstiden och kontinuitetsarbetet i skarven.

• Ett 30-sekunders 480p-utkast kostar 1,50 USD på Wan 3.0, och det är här den nya modellen verkligen är billig: en full halvminut lång konceptomgång för mindre än en enda 15-sekunders 1080p-rendering på endera modellen.

Den där tredje raden är den som team underskattar. 480p-nivån finns inte alls på Wan 2.7, och en billig utkastnivå förändrar hur många kandidater du har råd att kasta bort – 30 sekunder i 480p för 1,50 dollar är en prisnivå där ”generera fyra, behåll en” slutar vara en extravagans.

Ytterligare en prisdetalj som är värd att uppmärksamma medan den varar: Alibaba har gett Alibaba Clouds Bailian- och Qwen-plattformar en tidsbegränsad lanseringsrabatt på 30 % som gäller till och med den 23 september. För ett rabatterat 30-sekunders 1080p-klipp innebär det att priset går från $6,00 till ungefär $4,20. Om du utvärderar just nu är det faktiska gapet mellan de två generationerna mindre än listpriserna antyder, och det vidgas igen den 24:e.

Faktureringsasymmetrin som nästan ingen nämner

Wan 2.7 är inte en enda modell med ett enda pris. Det lanserades den 3 april 2026 som en svit med fyra modeller – text-till-video, bild-till-video, referens-till-video och videoredigering – och två av dessa fyra debiteras annorlunda än de andra två.

• wan2.7-t2v och wan2.7-i2v – debiteras endast baserat på utdatans varaktighet. Regionen spelar roll: de internationella priserna för Singapore är $0,10/s vid 720p och $0,15/s vid 1080p, medan Beijing- och Tokyo-slutpunkterna listar $0,086/s och $0,143/s för samma arbete.

• wan2.7-r2v (referens-till-video) — debiteras utifrån indatavideons längd, med ett tak på fem sekunder, plus utdatans längd. Att mata in en referens på fem sekunder i en generering på femton sekunder debiteras som tjugo.

• wan2.7-videoedit — debiteras endast för utdata. Inmatningsmaterialet är gratis.

Den där enskilda distinktionen vänder på kostnadsjämförelsen för redigeringsarbetsbelastningar. Om ditt arbete är instruktionsbaserad redigering av befintligt filmmaterial snarare än generering från grunden, debiterar Wan 2.7:s redigeringsvariant inget för materialet du matar in, och det effektiva priset per färdigt klipp kan hamna långt under den marknadsförda 1080p-taxan. Wan 3.0:s allt-i-ett-routning av uppgifter ger inte tillgång till samma spak, eftersom den prissätter genereringen i stället för uppgiften. Kontrollera vilken variant din offert faktiskt gäller innan du jämför siffror per sekund — ett enhetligt pris per sekund döljer detta helt.

Tajmingen är också viktigare än vanligt för Wan 2.7. Alibaba Cloud har publicerat ett avvecklingsmeddelande för Model Studio (ID 118434) som tar flera äldre modeller offline den 10 oktober 2026, och listan innehåller wan2.7-r2v och wan2.7-image. Detta gäller på variantsnivå, inte en nedstängning av 2.7-generationen — wan2.7-t2v och wan2.7-i2v listas fortfarande med aktuella priser och sidor uppdaterade så sent som den 11 september — men om referens-till-video är anledningen till att du övervägde 2.7, har den vägen ett datum på sig. Det finns inget jämförbart meddelande för Wan 3.0.

Där arenan placerar dem

Wan 2.7 gick sex månader utan ett offentligt resultat. Den nuvarande topplistan för text-till-video från Artificial Analysis (tavlan med ljud, hämtad 18 september 2026) listar båda generationerna, och ordningen är entydig:

• Wan 3.0 — #2 totalt, Elo 1 229 (95 % KI ±9), 6 011 jämförelser, 12,00 $/min.

• Wan2.7-260612 (junibygget) — #7, Elo 1 149 (±6), 16 694 jämförelser, 9,00 $/min.

• Wan 2.7 (aprilversionen) — #10, Elo 1 098 (±7), 4 856 jämförelser, 9,00 USD/min.

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

Konfidensintervallen är värda att läsa före rankningen, eftersom de avgör vilka skillnader som är verkliga. Wan 3.0:s ±9-intervall och Wan2.7-260612:s ±6 överlappar inte: den nyare modellens 80-poängsledning över det bästa 2.7-bygget är en säkerställd skillnad, inte brus. Skillnaden på 51 poäng mellan de två 2.7-byggena är också säkerställd. Det som inte är säkerställt är marginalen i toppen av tabellen – Wan 3.0 ligger tre poäng efter ledaren med ett ±9-intervall, vilket är ett dött lopp i allt utom presentationen.

Dubbleringen av Wan 2.7 är inte ett fel, och det är den mest användbara detaljen på resultattavlan. Alibaba släppte mer än en build under namnet 2.7, och den senare junirevisionen ligger 51 Elo över den tidigare ögonblicksbilden till samma pris. Två lärdomar följer. För det första är "Wan 2.7" som upphandlingspost tvetydigt — fråga vilken build det gäller. För det andra är gapet mellan den bästa 2.7 och Wan 3.0 80 Elo, inte de 131 som rubrikjämförelsen antyder. Det är fortfarande en avgörande marginal på en resultattavla där spridningen för alla 36 modeller uppgår till omkring 336 poäng, men det är en mindre uppgradering än vad marknadsföringen antyder.

Bilden förändras beroende på uppgift. På videoredigeringsleaderboarden hos Artificial Analysis – en annan arena med en annan uppsättning prompter – ligger Wan 3.0 på #1 med Elo 1 190 och 4 647 röster, och Wan 2.7 ligger på #5 med 1 080. Instruktionsbaserad redigering är den enda förmåga som de två generationerna verkligen delar på pappret, eftersom Alibaba förde den vidare i stället för att uppfinna den på nytt, och den nyare modellen vinner fortfarande den direkta duellen med 110 poäng. Om redigering är din arbetsbelastning är argumentet för uppgradering starkare än vad enbart text-till-video-siffrorna antyder.

30-sekundersfrågan som ingen ställer innan köp

Trettio sekunder är värda att betala för bara om du kan använda trettio sekunder. Två felmoder är värda att namnge.

Det första är att ett längre klipp är dyrare att kasta bort. En sökning med fyra försök efter ett bra 5-sekundersinslag kostar 4,00 $ vid 1080p. Samma fyra försök vid 30 sekunder kostar 24,00 $. Längre genereringar misslyckas på fler sätt – drift ackumuleras, takten runt 20 sekunder tappar, ett ansikte förändras mellan de två halvorna av tagningen – så kasseringsfrekvensen för långa klipp är inte lägre än för korta. Budgetera för iteration, inte för en enda hjälterendering.

Det andra är att den extra tiden bara hjälper när kontinuitet hjälper. En 30-sekunders reklamfilm klippt i sex avsiktliga 5-sekundstagningar vinner ingenting på en längre maxtid och betalar 33 % mer per sekund för det. En produktdemonstration i en tagning, en kontinuerlig kamerarörelse, en monolog som måste landa i en enda tagning – det är de arbetsbelastningar där dubbleringen är hela poängen, och där att sätta samman två 15-sekundersklipp i Wan 2.7 börjar synas i skarven: en ljusförskjutning, en rörelseåterställning, en tempoomstart.

Min bedömning: om mer än ungefär en tredjedel av ditt material avsiktligt klipps i korta bitar är Wan 2.7 fortfarande det bättre köpet till $9.00/min. Om dina briefar regelbundet kräver oavbrutna tagningar är de extra $3.00 per minut billigare än redigeringen som fixar en dålig skarv.

Vad mer förändrades faktiskt, och vad förändrades inte?

Alibabas eget jämförelseinlägg är den tydligaste redogörelsen för skillnaden, och den är snävare än vad bevakningen antyder.

• Varaktighet — Wan 2.7: 2 till 15 sekunder per generering. Wan 3.0: upp till 30 sekunder i en enda omgång, plus smart varaktighetsrekommendation och ett videoförlängningsverktyg för att kedja förbi taket.

• Indata — Wan 2.7: text, bild, video, ljud. Wan 3.0: samma fyra plus dokument och webbsidor — DOC, DOCX, XLS, XLSX, PPT, PPTX, PDF, TXT, MD och offentliga URL:er. Dokument-till-video är genuint nytt för familjen och har ingen motsvarighet hos den äldre modellen.

• Referensgränser – Wan 2.7: upp till 5 motivbilder och 5 referensklipp. Wan 3.0: upp till 10 referensbilder, 5 referensvideor och 5 referensljudklipp, inom ett övergripande tak på 20 referensresurser per begäran.

• Redigering – instruktionsbaserad videoredigering introducerades i Wan 2.7 och fördes vidare till Wan 3.0 i stället för att ersättas. Detta är den enda förmågan där den äldre modellen inte bara ligger efter.

• Konsistens — Alibaba hävdar finare kontroll över ansiktsdetaljer, hår, kläder, accessoarer, rekvisita och rumsliga relationer i Wan 3.0, och att detta håller över längre klipp. Det är ett icke utvärderat leverantörspåstående; arena-poängen ovan är det närmaste man kommer en kontroll av det.

• Ljud — inbyggd dialog, musik och ljudeffekter i samma körning på båda, aktiverat som standard i Wan 3.0 och går att stänga av med en flagga. Alibabas eget tillkännagivande pekar ut ljudkvalitet och textnoggrannhet på skärmen som områden som fortfarande behöver förbättras — leverantörens eget förbehåll, inte en granskares.

• 4K – köp inte detta med hänsyn till upplösningen. Alibabas material anger 480p, 720p och 1080p. Native 4K förekommer på tredje parts marknadsföringssidor, inte i Alibabas tillkännagivande.

Där Wan 2.7 fortfarande vinner, och där båda brister

Jämförelsesidorna behandlar detta som en enkelriktad uppgradering. Det är det inte, på tre punkter.

Det första är ett leverantörsnära påstående som bara finns för den äldre modellen. Wan 2.7 tillkännagavs som #1 på DesignArenas tavla för video-till-video-redigering med Elo 1 334, 68 poäng före nästa post – en siffra som publicerades i april 2026 och bygger på crowdsourcade röster snarare än en kontrollerad laboratorieutvärdering. Wan 3.0:s förmåga till instruktionsredigering är vidareförd snarare än nyskapad, så det finns inget motsvarande publicerat #1-påstående för den. Betrakta siffran från DesignArena som ett marknadsföringsnära resultat, inte en laboratoriemätning, men notera att ingen heller har publicerat ett konkurrerande påstående för den nyare modellen.

Det andra är att felen är av olika slag, och den äldre modellens är bättre dokumenterade. Granskare av Wan 2.7 rapporterar fungerande men inte frame-perfect läppsynk: den driftar över ungefär 150 ord per minut, slår samman flera samtidiga talare till en enda röst och låter musik överrösta dialog om du inte duckar den manuellt i efterhand. Generationssidans artefakter klustrar kring kraftig rörelseoskärpa på krom- och grilldetaljer, samt detaljförlust vid huvudvridningar under stark ansiktsskugga. Identitetsdrift över långa eller komplexa scener är det mest konsekvent rapporterade problemet, där en bra första bildruta maskerar ett ansikte som förändras senare.

Wan 3.0 tar itu med varaktighetshalvan av den historien – en enda 30-sekunderskörning har färre skarvar som identiteten kan glida över – men Alibabas egna lanseringsmaterial pekar ut ljudkvalitet och träffsäkerhet för text på skärmen som områden som fortfarande behöver arbete. Längre klipp ackumulerar också drift inom tagningen snarare än vid klippet. Ingen av generationerna är ett färdigt ljudverktyg, och båda leverantörerna säger det om sig själva.

Den tredje är upplösningen. Wan 2.7 når som mest 1080p, och det gör Wan 3.0 också. En brett spridd jämförelse hävdar att Wan 2.7 genererar i 4096×2160; Alibabas egen dokumentation listar endast 720p och 1080p som debiterbara nivåer, och tillkännagivandet av Wan 3.0 utlovar 480p, 720p och 1080p. Om äkta 4K är ett krav löser den här uppgraderingen inte det, och ingen av generationerna är svaret.

Det som förändrades för alla som självhostar

Det här är delen som inte syns i en specifikationsjämförelse, och den betyder mer än någon enskild funktion.

Wan 2.1 och Wan 2.2 släppte fullständiga vikter under Apache 2.0. Wan 2.5 utannonserades som öppen och släppte aldrig vikter. Wan 2.6 var ett stängt API. Wan 2.7 var bara delvis öppen. Wan 3.0 fortsätter i den riktningen: det är ett mätarbaserat, stängt API, och Alibabas lanseringsmaterial säger ingenting om att släppa vikter. Om du är på Wan 2.2 idag och väntar på en nyare nedladdningsbar checkpoint, väntar du på något som Alibaba inte har lovat, mot en trend över fyra utgåvor som pekar i motsatt riktning. Det ärliga planeringsantagandet är att det sista självhostbara Wan-flaggskeppet är Wan 2.2.

Att ringa någon av dem, och hur räkningen ska se ut

Båda modellerna är åtkomliga via Alibabas egna konsoler – Model Studio på Alibaba Cloud och Qwen Cloud – samt via tredjepartsverktyg för kreativt skapande som har integrerat dem. Wan 3.0:s API öppnades fullt ut vid lanseringen den 24 augusti, vilket hävde den ansökningsspärr som hade gällt sedan betaversionen den 6 augusti.

Där den sekundbaserade faktureringsmodellen skapar en verklig risk är i offereringen. När en modell prissätts per sekund per upplösning är siffran du får av en mellanhand ofta inte leverantörens siffra, och påslaget döljer sig i en taxa som ser ut som ett listpris. Kontrollen är enkel: fråga om taxan du blir erbjuden är Alibabas publicerade taxa för den upplösningen, och jämför med listan över $0.05 / $0.10 / $0.20.

För de modeller vi faktiskt dirigerar har den frågan ett strukturellt svar snarare än ett löfte kopplat till sig. OrcaRouter förmedlar leverantörens listpris vidare med 0 % påslag för 200+ modeller på en enda API-nyckel, vilket innebär att en leverantörs prissänkning — den typ som just nu gäller för Wan 3.0 till och med den 23 september — är live hos oss samma dag i stället för först efter en avtalscykel. Wan 3.0 är inte en av de modeller vi dirigerar; den finns tillgänglig via Alibabas egna plattformar och via tredjepartsplattformar som har integrerat den. Vi säger hellre det rakt ut än antyder något annat, för prisläxan är densamma oavsett: det är inte i modellen pengarna läcker ut, det är i faktureringen.

Om du kör jämförelsen som ett beslut inför bygget snarare än en forskningsövning, är utformningen av testet som besvarar den tre prompter – en kontinuerlig tagning på 25 sekunder, en 30-sekunderssekvens med sex klipp och en redigeringsinstruktion som tillämpas på befintligt material – körda på båda generationerna i 720p, bedömda efter kostnad per klipp som du faktiskt skulle leverera. Vid $0,10 och $0,15 per sekund kostar dessa körningar några dollar och avgör en fråga som ingen topplisteposition löser för just ditt material.

Vilken ska man ringa?

Wan 3.0 är den bättre modellen, men inte det bättre köpet för alla. Arena-marginalen gentemot 2.7-bygget från juni är 80 Elo, prispåslaget är 33 %, och kapacitetsskillnaden består av en genuint ny indatatyp, ett fördubblat tak, en bredare referensbudget och en billig utkastnivå.

Välj Wan 3.0 om ditt arbete innefattar kontinuerliga tagningar som är längre än 15 sekunder, om dina briefar drivs av dokument eller webbsidor snarare än bilder, om du behöver hålla fler än fem referenser genom en scen, eller om du vill ha en 480p-utkastnivå för att iterera billigt innan du satsar på en 1080p-render. Välj Alibaba Wan 2.7 — särskilt junibuilden, och be om den genom att ange build — om ditt resultat avsiktligt klipps upp i korta tagningar, om instruktionsbaserad redigering är huvudarbetsbelastningen snarare än en stöduppgift, eller om du kör stora volymer i 1080p och tre dollar per minut ackumuleras. Och om self-hosting är ett hårt krav är ingen av dessa lösningen; Wan 2.2 är det fortfarande.

Den öppna frågan för nästa kvartal är om Alibaba behåller de två linjerna åtskilda. Wan 2.7 för $9.00/min med instruktionsredigering intakt är en fullt användbar produkt och ett billigare prisgolv för familjen. Att hålla den vid liv är hur Alibaba behåller den priskänsliga delen av marknaden medan Wan 3.0 tar toppen. Det man bör hålla ögonen på är inte en ny modell utan priset på 2.7: om det förändras, förändras uppgraderingskalkylen i den här artikeln med det, och den 30-procentiga lanseringsrabatten som löper ut den 23 september är den första datapunkten.