Wan 3.0 对比 Alibaba Wan 2.7：33% 的溢价与开放权重的终结

将最大片段时长翻倍是Wan 3.0最显眼的卖点，却是这场对比中最无趣的数字。真正决定是否升级的数字是 33%：在 1080p 下，Alibaba Wan 2.7标价为每分钟生成视频 9.00 美元，而 Wan 3.0 为 12.00 美元，因此在新模型上，每完成一分钟的 1080p 作品都要多花三美元。这笔钱换来的是实打实的东西——单次连续镜头最长可达 30 秒而非 15 秒，还支持家族中其他任何模型都不接受的文档输入。但它付出的代价却不那么明显，其中一部分甚至没出现在任何发布幻灯片上：Wan 系列的开源权重篇章就此合上。

关于这些数字从何而来，需要说明一下，因为这场对比异常容易弄错。阿里巴巴的每秒费率是厂商目录价，发布在阿里云上，并在其自家的对比文章中重复。下面的质量数据并非阿里巴巴的——它们来自 Artificial Analysis 的 Video Arena，一个独立的盲测对比排行榜，现在同时收录了两代模型。阿里巴巴没有为任一模型发布基准测试表。凡属厂商自家的说法，都会标注；凡属该竞技场的说法，都会附带截取日期，因为该榜单上的 Elo 会随着投票累积而漂移。

升级换算，适用于每一档分辨率

两款模型都按生成视频的每秒计费，这让对比变得异常清晰。阿里巴巴对 Wan 3.0 的标价为：480p 下 $0.05/秒，720p 下 $0.10/秒，1080p 下 $0.20/秒。在 Artificial Analysis 追踪的独立定价栏中，Wan 2.7 的 1080p 价格为每分钟 $9.00——即 $0.15/秒——而该榜单较早的快照中同样是 $9.00/分钟。

运行片段长度：

• 一段15秒的1080p片段——Wan 2.7的上限，只有Wan 3.0的一半——在Wan 2.7上花费约2.25美元，在Wan 3.0上约3.00美元。同样的长度，同样的分辨率，却贵了三分之一。

• 一段30秒的1080p片段——只有Wan 3.0能一次生成——在那里要花6.00美元。在Wan 2.7上，等效做法是两次15秒的生成再加一次剪辑，所以是4.50美元的原始生成成本，外加拼接时间和接缝处的连贯性处理。

• 在 Wan 3.0 上，一段 30 秒的 480p 草稿只需 $1.50，而这正是新模型真正便宜的地方：一次完整的半分钟概念稿，花费比在任一模型上单次渲染 15 秒 1080p 视频还低。

第三行才是各团队最容易低估的那一项。480p 档位在 Wan 2.7 上根本不存在，而廉价的草稿档位会改变你能负担得起丢弃多少候选结果——30 秒的 480p 只需 1.50 美元，这个价位让"生成四个、只留一个"不再是奢侈之举。

还有一个值得趁早留意的定价细节：阿里为阿里云百炼和通义千问平台附带了限时 30% 的发布折扣，有效期至 9 月 23 日。折扣后，一段 30 秒的 1080p 视频片段从 6.00 美元降至约 4.20 美元。如果你现在正在评估，两代之间的实际差距比标价所显示的要小，而到了 24 日又会重新拉大。

几乎没人提到的计费不对称性

Wan 2.7 并不是一个模型、一个价格。它于 2026 年 4 月 3 日发布，是一套四模型套件——文生视频、图生视频、参考生视频和视频编辑——而这四个中的两个，计费方式与另外两个不同。

• wan2.7-t2v 和 wan2.7-i2v —— 仅按输出时长计费。区域很关键：国际新加坡区域的费率为 720p 时 $0.10/秒、1080p 时 $0.15/秒，而北京和东京端点针对相同任务列出的是 $0.086/秒和 $0.143/秒。

• wan2.7-r2v（参考生视频）——按输入视频时长计费，上限五秒，另加输出时长。向十五秒的生成任务输入五秒参考素材，将按二十秒计费。

• wan2.7-videoedit — 仅按输出计费。输入素材免费。

这一单一区别彻底改变了剪辑类工作负载的成本对比。如果你的工作是基于指令对现有素材进行编辑，而不是从零开始生成，那么 Wan 2.7 的编辑版本对你输入的素材不收取任何费用，每条成片的实际单价可能远低于标称的 1080p 费率。Wan 3.0 的一体化任务路由并不会提供同样的杠杆，因为它是对生成计费，而不是对任务计费。在比较每秒价格之前，先确认你的报价实际上是针对哪个版本——统一的每秒费率会把这一点完全掩盖掉。

对 Wan 2.7 来说，时机也比平时更重要。阿里云发布了一份 Model Studio 下线通知（ID 118434），将于 2026 年 10 月 10 日让若干较旧模型下线，名单包括wan2.7-r2v和wan2.7-image。这是变体层面的下线，而不是 2.7 这一代的关停——wan2.7-t2v 和 wan2.7-i2v 仍在列，费率仍有效，页面最近更新于 9 月 11 日——但如果你考虑 2.7 是因为参考生视频，那条路就已经有期限了。Wan 3.0 没有类似通知。

竞技场将他们置于何处

Wan 2.7 有六个月没有公开评分。当前的 Artificial Analysis 文生视频排行榜（带音频榜单，采集于 2026 年 9 月 18 日）将两代模型都列入其中，且排序一目了然：

• Wan 3.0 — 综合排名第 2，Elo 1,229（95% 置信区间 ±9），6,011 次对比，$12.00/分钟。

Wan2.7-260612（6月构建版）——第7名，Elo 1,149（±6），16,694 次对比，$9.00/分钟。

• Wan 2.7（四月版本）— 第10名，Elo 1,098（±7），4,856 次对比，$9.00/分钟。

• Wan 2.6 — 第27名，Elo 1,030，$9.00/分钟。

置信区间值得在排名之前先读，因为它们决定了哪些差距是真实的。Wan 3.0 的 ±9 区间与 Wan2.7-260612 的 ±6 区间并不重叠：较新模型相对最佳 2.7 版本的 80 分领先是一个已确认的差异，而非噪声。两个 2.7 版本之间的 51 分差距同样已确认。尚未确认的是排行榜顶部的差距——Wan 3.0 以 ±9 区间落后领先者三分，这除了呈现方式之外，实际上就是平局。

Wan 2.7 的重复条目并非错误，而且是榜单上最有用的细节。阿里巴巴以 2.7 之名发布了不止一个构建版本，而较晚的 6 月修订版在相同价格下比早先的快照高出 51 Elo。由此得出两点教训。第一，作为采购条目，“Wan 2.7”是有歧义的——要问清楚是哪个构建版本。第二，最好的 2.7 与 Wan 3.0 之间的差距是 80 Elo，而不是标题式对比所暗示的 131。在一个全部 36 个模型的总跨度约为 336 分的榜单上，这仍是一个决定性的优势，但它比营销所暗示的升级幅度要小。

情况因任务而异。在 Artificial Analysis 的视频编辑排行榜上——那是一个采用不同提示词集的另一个竞技场——Wan 3.0 以 Elo 1,190 分、4,647 票位居第 1，Wan 2.7 则以 1,080 分排在第 5。基于指令的编辑是这两代模型在纸面上真正共有的唯一能力，因为阿里巴巴是将其延续而非重新发明，而更新的模型在这一正面比拼中仍以 110 分胜出。如果你的工作负载是编辑，那么升级的理由比单纯的文生视频数据所显示的更为充分。

购买前没人会问的那个30秒问题

只有当你能用上三十秒时，三十秒才值得为之付费。有两种失败模式值得命名。

首先，更长的片段丢弃起来成本更高。为了找到一个好的5秒插入镜头而进行四次尝试，在1080p下要花费4.00美元。同样的四次尝试，如果是30秒，则要花费24.00美元。更长的生成会以更多方式失败——漂移会累积，20秒左右的节拍会变得疲软，一个镜头的前后两半之间人脸会发生变化——所以长片段的丢弃率并不比短片段的低。要为迭代做预算，而不是为一次英雄级渲染做预算。

第二点是，额外的时间只有在连续性有帮助时才有用。一条30秒的广告被切成六个刻意安排的5秒镜头，从更长的时长上限中得不到任何好处，还要为此每秒多付33%的费用。一镜到底的产品演示、连续的摄影机运动、必须在一个镜头里完成的一段独白——这些才是翻倍真正有意义的工作负载，也是在Wan 2.7上拼接两段15秒片段时，接缝处开始显现的地方：一次光线变化、一次运动重置、一次节奏重启。

我的判断：如果你的产出中有超过约三分之一是有意切成短片段的，那么 Wan 2.7 仍是以 9.00 美元/分钟更划算的选择。如果你的简报经常要求连续镜头，那么每分钟多出的 3.00 美元，比修复糟糕衔接所需的剪辑更便宜。

还有什么实际发生了变化，而什么没有

阿里巴巴自己的对比文章是对这一差距最清晰的说明，而这一差距比媒体报道所暗示的要小。

• 时长 — Wan 2.7：每次生成 2 至 15 秒。Wan 3.0：单次生成最长可达 30 秒，另有智能时长推荐，以及用于突破上限进行续接的视频扩展工具。

• 输入 — Wan 2.7：文本、图像、视频、音频。Wan 3.0：同样的四种，外加文档和网页 — DOC、DOCX、XLS、XLSX、PPT、PPTX、PDF、TXT、MD 以及公开 URL。文档转视频对这个系列来说确实是全新能力，旧款模型上没有对应功能。

• 参考限制 — Wan 2.7：最多 5 张主体图像和 5 个参考片段。Wan 3.0：最多 10 张参考图像、5 个参考视频和 5 个参考音频片段，且每次请求的参考素材总量上限为 20 个。

• 编辑——基于指令的视频编辑在 Wan 2.7 中引入，并延续至 Wan 3.0，而非被取代。这是旧模型唯一一项并非单纯落后的能力。

• 一致性 — 阿里巴巴宣称，Wan 3.0 在面部细节、头发、服装、配饰、道具以及空间关系上具备更精细的控制力，并能在更长的片段中保持稳定。这是一项未经评估的厂商说法；上述的 Arena 评分是现存最接近对其进行核验的依据。

• 音频——两者均可在同一次生成中原生提供对话、音乐和音效，在 Wan 3.0 中默认开启，并可通过标志禁用。Alibaba 自己的公告指出，音频质量和屏幕文字准确性是仍需改进的领域——这是厂商自己的告诫，而非评测者的。

• 4K — 不要冲着分辨率买这个。阿里巴巴的资料只承诺支持 480p、720p 和 1080p。原生 4K 出现在第三方营销页面上，而非阿里巴巴的公告中。

Wan 2.7 依然胜出的地方，以及两者都出问题的地方

对比页面将其视为单向升级。但事实并非如此，理由有三。

第一项是与厂商相关联的说法，仅针对较旧型号存在。Wan 2.7 被宣布为 DesignArena 视频到视频编辑排行榜第一名，Elo 为 1,334，领先下一个条目 68 分——该数字于 2026 年 4 月公布，基于众包投票，而非受控实验室评估。Wan 3.0 的指令编辑能力是延续继承而来，而非重新发明，因此没有针对它的同等已发布第一名声明。请将 DesignArena 的数字视为与营销相关的结果，而不是实验室测量，但也要注意，同样没有人针对较新的模型发布过竞争性声明。

第二点是，这些失败在性质上各不相同，而较旧模型的失败有更充分的记录。Wan 2.7 的评测者反馈，其唇形同步可用但并非逐帧精准：语速超过约每分钟 150 词时会出现漂移，会把多个同时说话的人合并成单一声音，并且除非在后期手动做闪避处理，否则音乐会盖过对白。生成端的瑕疵主要集中在铬合金与格栅细节上的严重运动模糊，以及强面部阴影下转头时的细节丢失。长时长或复杂场景中的身份漂移是被反馈最多的问题：良好的首帧会掩盖其后发生变化的面孔。

Wan 3.0 解决了这其中时长的那一半问题——30 秒单次生成，需要跨越的拼接点更少，身份特征漂移的机会也随之减少——但阿里巴巴自家的发布材料仍将音频质量和画面文字准确性列为有待改进的领域。较长的片段还会在镜头内部而非剪辑点处累积漂移。两代产品都算不上成熟的音频工具，两家厂商也都这样评价自己。

第三点是分辨率。Wan 2.7 最高支持 1080p，Wan 3.0 也是如此。一份被广泛转载的对比声称 Wan 2.7 能以 4096×2160 生成；但阿里巴巴自己的文档只把 720p 和 1080p 列为可计费档位，而 Wan 3.0 的发布公告则承诺支持 480p、720p 和 1080p。如果原生 4K 是必需项，这次升级解决不了，两代产品也都不是答案。

对任何自托管的人来说，发生变化的那件事

这是规格对比中无法体现的部分，而它比任何单一功能都更重要。

Wan 2.1 和 Wan 2.2 在 Apache 2.0 下发布了完整权重。Wan 2.5 曾以开放之名宣布，却从未发布权重。Wan 2.6 是一个闭源 API。Wan 2.7 只是部分开放。Wan 3.0 延续了这一方向：它是一个按量计费的闭源 API，而阿里巴巴的发布材料对权重发布只字未提。如果你今天还在用 Wan 2.2，并等待一个更新的可下载检查点，那你等待的是阿里巴巴从未承诺过的东西，而且这已经违背了连续四次发布所指向的相反趋势。诚实的规划假设是：最后一个可自托管的 Wan 旗舰模型就是 Wan 2.2。

拨打其中任意一个，以及账单应该是什么样子

这两个模型都可以通过阿里巴巴自家的控制台——阿里云上的 Model Studio 和 Qwen Cloud——以及已集成它们的第三方创意工具访问。Wan 3.0 的 API 在 8 月 24 日发布时全面开放，解除了自 8 月 6 日 beta 版以来一直存在的申请限制。

按秒计费方式真正带来风险的地方在于报价环节。当一个模型按分辨率、按秒计价时，中间商给你的数字往往不是供应商的价格，而加价就隐藏在一个看起来像目录价的费率里。核对方法很简单：问清楚对方报给你的费率是不是阿里巴巴针对该分辨率公布的价格，再拿它与 $0.05 / $0.10 / $0.20 的价目表对比。

对于我们确实提供路由的模型，这个问题有一个结构性答案，而不是附带的承诺。OrcaRouter 以0%加价率传递提供商列表价格通过一个API密钥覆盖200多个模型，这意味着供应商降价——比如目前Wan 3.0在9月23日之前进行的那种——会在同一天在我们这边生效，而不是在合同周期之后。Wan 3.0并不是我们提供路由的模型之一；它可以通过阿里巴巴自己的平台以及已经集成它的第三方平台获得。我们宁愿直说这一点，也不愿暗示并非如此，因为无论哪种方式，定价教训都是一样的：钱并不是从模型那里漏掉的，而是从计费那里漏掉的。

如果你把这项比较当作构建决策而不是研究练习来跑，那么能回答它的测试形态就是三个提示词——一条连续的25秒长镜头、一段六次剪辑的30秒序列，以及一条应用于现有素材的编辑指令——在两代上以720p运行，并按你实际会交付的每个片段的成本来评分。按每秒0.10美元和0.15美元计算，这些运行只花几美元，却能解决一个排行榜名次无法为你的特定素材解决的问题。

该给哪一个打电话

Wan 3.0 是更强的模型，但它并不是对每个人来说都更划算的选择。相比 6 月的 2.7 版本，它在竞技场中的领先幅度为 80 Elo，价格溢价为 33%，而能力上的差异则体现为一种真正新增的输入类型、翻倍的上限、更宽裕的参考额度，以及一个低价的草稿档位。

如果你的工作涉及超过15秒的连续镜头，如果你的创意简报由文档或网页而非图像驱动，如果你需要在一个场景中保持五个以上的参考素材，或者如果你想先用480p草稿档低成本迭代、再决定投入1080p渲染，那就选择 Wan 3.0。如果你的输出会被刻意剪成短镜头，如果基于指令的编辑是主要工作负载而非辅助手段，或者如果你要以1080p进行大批量生产、每分钟三美元的成本会不断累积，那就选择 Alibaba Wan 2.7——具体说是六月构建版，并且要按构建版本点名索取。而如果自托管是硬性要求，这两者都不是答案；Wan 2.2 仍然是。

下一季度悬而未决的问题是，Alibaba 是否会让这两条产品线保持独立。Wan 2.7 以每分钟 $9.00、且保留指令编辑功能，是一款完全够用的产品，也是该产品家族中更便宜的价格下限。让 Wan 2.7 继续存在，是 Alibaba 在 Wan 3.0 占据高端的同时，守住价格敏感型市场的方式。真正值得关注的不是新模型，而是 2.7 的价格：如果它变动，本文中的升级账也会随之变动，而 9 月 23 日到期的 30% 首发折扣就是第一个数据点。