Wan 3.0 對比阿里巴巴 Wan 2.7：33% 溢價與開放權重的終結

將最大片段長度加倍是 Wan 3.0 的主打亮點，卻也是這項比較中最不有趣的數字。真正決定是否升級的數字是 33%：在 1080p 下，Alibaba Wan 2.7 的標價為每分鐘生成影片 $9.00，Wan 3.0 則是 $12.00，因此以較新的模型產出每一分鐘 1080p 成品，成本要多出三美元。這筆錢換來的是實實在在的東西——單一連續鏡頭最長可達 30 秒，而非 15 秒，以及家族中其他模型都不支援的文件輸入。但代價則不那麼明顯，而且其中一部分並未出現在任何發表簡報上：Wan 系列的開放權重篇章已經闔上。

關於這些數字的來源說明，因為這個對比特別容易出錯。阿里巴巴的每秒費率是供應商定價，發佈於阿里雲，並在其自家的比較文章中重複。下方的品質數據並非來自阿里巴巴——它們來自 Artificial Analysis 的 Video Arena，一個獨立的盲測比較排行榜，現在同時列出了兩代模型。阿里巴巴並未針對這兩個模型發布任何基準測試表。若某項說法來自供應商本身，會加以標示；若來自該排行榜，則會附上擷取日期，因為該排行榜上的 Elo 會隨著投票累積而變動。

升級算術，在每個解析度下

兩個模型都按生成影片的每秒計費，這讓比較格外單純。阿里巴巴對 Wan 3.0 的定價表為 480p 每秒 $0.05、720p 每秒 $0.10、1080p 每秒 $0.20。Wan 2.7 在 Artificial Analysis 追蹤的獨立定價欄中，1080p 為每分鐘 $9.00——即每秒 $0.15——而該看板的較舊快照也顯示相同的每分鐘 $9.00 費率。

執行片段長度：

• 一段 15 秒的 1080p 短片——這是 Wan 2.7 的上限，只有 Wan 3.0 的一半——在 Wan 2.7 上約需 2.25 美元，在 Wan 3.0 上則約需 3.00 美元。同樣長度、同樣解析度，卻貴了三分之一。

• 一段 30 秒的 1080p 片段——只有 Wan 3.0 能一次完成——在那裡的費用是 6.00 美元。在 Wan 2.7 上，同等成果是兩次 15 秒的生成加上一次剪輯，因此是 4.50 美元的原始生成費用，再加上組裝時間以及接合處的連貫性處理。

• 在 Wan 3.0 上，一段 30 秒的 480p 草稿要價 $1.50，而這正是這個新模型真正便宜的地方：完整半分鐘的概念試作，比在任一模型上進行單次 15 秒 1080p 渲染還便宜。

那第三行是團隊往往低估的一項。480p 層級在 Wan 2.7 上完全不存在，而便宜的草稿層級會改變你能負擔丟掉多少候選版本——30 秒的 480p 只要 $1.50，這個價位讓「生成四個、留下一個」不再是一種奢侈。

還有一個值得趁現在把握的定價細節：阿里巴巴為阿里雲的百鍊（Bailian）與通義千問（Qwen）平台推出了限時 30% 的上市優惠，活動持續至 9 月 23 日。以一段 30 秒 1080p 影片為例，折扣後價格從 6.00 美元降至約 4.20 美元。如果你現在正在評估，這兩代之間的實際差距比定價表上看起來的更窄，而到了 24 日又會再度擴大。

幾乎沒人提到的計費不對稱

Wan 2.7 並不是以單一價格計費的單一模型。它於 2026 年 4 月 3 日以四模型套件的形式推出——文字轉影片、圖片轉影片、參考轉影片與影片編輯——而這四者中有兩者的計費方式與另外兩者不同。

• wan2.7-t2v 與 wan2.7-i2v — 僅依輸出時長計費。區域有別：新加坡國際費率為 720p 每秒 $0.10、1080p 每秒 $0.15，而北京與東京端點針對相同工作則列出每秒 $0.086 與 $0.143。

• wan2.7-r2v（參考影片生影片）——依輸入影片長度計費，上限為五秒，再加上輸出長度。將五秒的參考影片餵入十五秒的生成內容，會計費二十秒。

wan2.7-videoedit — 僅依輸出計費。輸入素材免費。

這項單純的區別，就足以翻轉剪輯工作負載的成本比較。如果你的工作是對現有素材進行指令式剪輯，而非從零開始生成，那麼 Wan 2.7 的剪輯版本不會對你餵給它的素材收取任何費用，而每支完成影片的實際單價可能遠低於表面上的 1080p 費率。Wan 3.0 的一體化任務路由並未提供同樣的槓桿，因為它計價的是生成量，而非任務本身。在比較每秒數字之前，請先確認你的報價究竟是針對哪個版本——單一固定的每秒費率會把這一點完全掩蓋掉。

對 Wan 2.7 而言，時機的重要性也比平常更高。阿里雲已發布一則 Model Studio 下線通知（ID 118434），將於 2026 年 10 月 10 日讓數個較舊的模型下線，而名單中包含了 wan2.7-r2v與wan2.7-image。這是變體層級的下線，並非整個 2.7 世代終止——wan2.7-t2v 與 wan2.7-i2v 仍列有即時費率，相關頁面最近才於 9 月 11 日更新——但如果你考慮 2.7 的原因正是參考圖生影片，那麼這條路已有期限。Wan 3.0 則沒有類似的通知。

競技場將他們安置的地方

Wan 2.7 有整整六個月沒有公開評分。目前 Artificial Analysis 的文字轉影片排行榜（含音訊排行榜，擷取於 2026 年 9 月 18 日）同時列出這兩代模型，而排序結果明確無疑：

• Wan 3.0 — 整體排名第 2，Elo 1,229（95% 信賴區間 ±9），6,011 次比較，每分鐘 $12.00。

• Wan2.7-260612（六月版本）—— 第 7 名，Elo 1,149（±6），16,694 次比較，每分鐘 $9.00。

• Wan 2.7（四月版本）— #10，Elo 1,098（±7），4,856 次比較，$9.00/分鐘。

• Wan 2.6 — 第 27 名，Elo 1,030，每分鐘 $9.00。

信賴區間比排名更值得先讀，因為它們決定了哪些差距是真實的。Wan 3.0 的 ±9 區間與 Wan2.7-260612 的 ±6 並不重疊：較新機型領先最佳 2.7 版本的 80 分，是已獲確立的差異，而非雜訊。兩個 2.7 版本之間 51 分的差距同樣已獲確立。尚未確立的是排行榜頂端的差距——Wan 3.0 以 ±9 的區間落後領先者三分，這除了呈現方式之外，實質上就是平手。

Wan 2.7 的重複並非錯誤，而且是榜單上最有用的細節。阿里巴巴以 2.7 之名推出了不只一個版本，而較晚的六月修訂版在相同價格下，比先前的快照高出 51 Elo。由此可得出兩個教訓。第一，把「Wan 2.7」當作採購項目是有歧義的——要問清楚是哪個版本。第二，最佳 2.7 與 Wan 3.0 之間的差距是 80 Elo，而非頭條比較所暗示的 131。在一個全部 36 個模型的分佈跨度約 336 分的榜單上，這仍是決定性的差距，但這比行銷所暗示的升級幅度要小。

情況會因任務而異。在 Artificial Analysis 的影片編輯排行榜上——那是個擁有不同提示集的另一個競技場——Wan 3.0 以 Elo 1,190 分、4,647 票位居第 1，而 Wan 2.7 則以 1,080 分排名第 5。指令式編輯是這兩代在紙面上真正共有的唯一能力，因為阿里巴巴是將其延續下來，而非重新發明，而較新的模型在那場正面對決中仍以 110 分勝出。如果你的工作負載是編輯，那麼升級的理由比單看文字轉影片的數字所顯示的更強。

購買前沒人會問的30秒問題

三十秒值得付費，前提是你用得上這三十秒。有兩種失敗模式值得點名。

首先，較長的片段丟棄起來更昂貴。在 1080p 下，為了找到一個堪用的 5 秒插入鏡頭而嘗試四次，要花 4.00 美元。同樣嘗試四次，但換成 30 秒，則要花 24.00 美元。較長的生成會以更多方式失敗——飄移逐漸累積、20 秒前後的節奏鬆垮、同一顆鏡頭的前後半段之間臉孔變了——因此長片段的丟棄率並不比短片段低。要把預算花在反覆迭代上，而不是花在一次「完美算圖」上。

第二點是，額外的時間只有在連續性有幫助時才幫得上忙。一支刻意切成六個5秒鏡頭的30秒廣告，更長的上限對它毫無助益，卻得為此每秒多付33%。一鏡到底的產品示範、連續不斷的運鏡、必須一次到位的獨白——這些才是加倍時長真正關鍵的工作負載，也是把兩段15秒片段在 Wan 2.7 上拼接起來後，接縫處開始露餡的地方：光線偏移、動作重置、節奏重新起拍。

我的看法：如果你的產出有超過約三分之一是刻意切成短片段，Wan 2.7 以每分鐘 $9.00 仍是更划算的選擇。如果你的案子簡報經常要求連續鏡頭，每分鐘多付的 $3.00，比事後剪輯修掉糟糕拼接更便宜。

還有什麼實際上改變了，而什麼沒有

阿里巴巴自家的比較文章是對這個差異最清楚的說明，而且它比相關報導所暗示的範圍更窄。

• 時長 — Wan 2.7：每次生成 2 至 15 秒。Wan 3.0：單次生成最長可達 30 秒，另附智慧時長建議，以及可串接突破上限的影片延長工具。

• 輸入 — Wan 2.7：文字、圖像、影片、音訊。Wan 3.0：同樣這四種，再加上文件和網頁 — DOC、DOCX、XLS、XLSX、PPT、PPTX、PDF、TXT、MD 及公開 URL。文件轉影片對這個系列而言確實是全新功能，舊款模型上並沒有對應的能力。

• 參考限制 — Wan 2.7：最多 5 張主體圖片與 5 段參考片段。Wan 3.0：最多 10 張參考圖片、5 段參考影片與 5 段參考音訊片段，且每次請求的參考素材總數上限為 20。

• 剪輯 — 指令式影片剪輯是在 Wan 2.7 中導入，並延續至 Wan 3.0，而非被取代。這是舊版模型並非單純落後的唯一一項能力。

• 一致性 — 阿里巴巴聲稱，Wan 3.0 能更精細地控制臉部細節、頭髮、服裝、配件、道具與空間關係，且在較長片段中仍能維持。這是未經驗證的廠商說法；上述競技場分數是最接近檢驗這項說法的依據。

• 音訊 — 原生對白、音樂與音效在兩者上以同一道處理完成，於 Wan 3.0 預設開啟，並可用旗標停用。阿里巴巴自家的公告指出，音訊品質與畫面文字準確度仍是尚待改進的領域——這是廠商自己的但書，而非評論者的說法。

• 4K — 別為了這個解析度而買。阿里巴巴的資料僅承諾支援 480p、720p 和 1080p。原生 4K 只出現在第三方行銷頁面，而非阿里巴巴的公告中。

Wan 2.7 仍然勝出之處，以及兩者都失靈之處

這些比較頁面把它當成單向升級。事實並非如此，原因有三。

第一項是僅存在於較舊模型的廠商相關宣稱。Wan 2.7 被宣佈在 DesignArena 的影片轉影片編輯排行榜上以 Elo 1,334 名列第一，領先下一個項目 68 分——這個數字於 2026 年 4 月公佈，且基於群眾外包投票，而非受控的實驗室評估。Wan 3.0 的指令編輯能力是沿用而非重新發明，因此沒有針對它發佈的同等第一名宣稱。請將 DesignArena 的數字視為與行銷相關的結果，而非實驗室測量值，但也要注意，同樣沒有人針對較新的模型發佈競爭性宣稱。

第二點在於，這些失敗的性質不同，而較舊模型的失敗有更完善的記錄。Wan 2.7 的評論者回報，其唇形同步雖然可用，但並非完美對幀：每分鐘超過約 150 字時就會偏移，會將多個同時說話者收束成單一聲音，且若不手動在後製時降低音樂音量，音樂就會蓋過對話。生成端的瑕疵主要集中在：鉻金屬與格柵細節出現嚴重動態模糊，以及頭部在強烈臉部陰影下轉動時細節流失。在冗長或複雜場景中出現的身分飄移，是最常被回報的問題，良好的第一幀會掩蓋之後改變的臉孔。

Wan 3.0 處理了這則敘事中與時長有關的那一半——30 秒的單次生成，可供身分漂移的接縫較少——但阿里巴巴自家的發表資料仍把音訊品質與畫面文字準確度列為尚待改進的領域。較長的片段也會在鏡頭內部累積漂移，而非在剪接點上。這兩代產品都還不是成熟的音訊工具，而兩家廠商自己也這麼說。

第三點是解析度。Wan 2.7 最高只支援 1080p，Wan 3.0 也是如此。一份被廣泛轉載的比較聲稱 Wan 2.7 能以 4096×2160 生成；阿里巴巴自家的文件僅將 720p 與 1080p 列為計費層級，而 Wan 3.0 的發布公告則承諾支援 480p、720p 與 1080p。如果原生 4K 是必要條件，這次升級無法解決，兩代產品也都不是答案。

對所有自架者而言，那件改變了的事

這是規格比較表上看不出來的部分，而它比任何單一功能都更重要。

Wan 2.1 和 Wan 2.2 在 Apache 2.0 下發佈了完整權重。Wan 2.5 曾宣布開源，卻從未釋出權重。Wan 2.6 是封閉 API。Wan 2.7 僅部分開放。Wan 3.0 延續這個方向：它是按用量計費的封閉 API，而阿里巴巴的發布資料對釋出權重隻字未提。如果你今天還在使用 Wan 2.2，並等待更新的可下載檢查點，那你等待的是阿里巴巴未曾承諾的東西，而這與連續四個版本指向相反方向的趨勢背道而馳。誠實的規劃假設是：最後一個可自行架設的 Wan 旗艦版本就是 Wan 2.2。

致電其中任一方，以及帳單應該是什麼樣子

這兩款模型都可透過阿里巴巴自家的控制台——阿里雲上的 Model Studio，以及 Qwen Cloud——還有已整合它們的第三方創意工具來存取。Wan 3.0 的 API 在 8 月 24 日正式發布時全面開放，解除了自 8 月 6 日 Beta 版以來一直實施的申請限制。

按秒計費的方式真正帶來風險的地方，在於報價。當一個模型是按每個解析度每秒計價時，中間商交給你的數字往往不是供應商的數字，而加價就藏在一個看起來像牌價的費率裡。查核方法很簡單：詢問對方報給你的費率，是否就是 Alibaba 針對該解析度公布的費率，並拿 $0.05 / $0.10 / $0.20 的清單來比對。

對於我們確實有納入路由的模型，這個問題有一個結構性的答案，而不是附帶於其上的承諾。OrcaRouter 以 0% 加價幅度原樣傳遞供應商標價，在單一 API 金鑰下涵蓋 200 多個模型，這意味著廠商降價——目前正在 Wan 3.0 上實施、持續至 9 月 23 日的那一種——在我們這邊當天就會生效，而不是等過一個合約週期之後。Wan 3.0 並不是我們有納入路由的模型之一；它可透過阿里巴巴自家的平台，以及已整合它的第三方平台取得。我們寧可直接這麼說，也不願暗示相反的情況，因為定價的教訓不管怎樣都一樣：錢不是在模型那裡流失的，而是在計費。

如果你是為了做出開發決策、而非進行研究演練而跑這項比較，那麼能回答這個問題的測試形態會是三個提示——一段連續 25 秒的長鏡頭、一段六次剪接的 30 秒序列，以及一項套用於現有素材的剪輯指令——在 720p 下對兩個世代都跑，並以你實際會交付的每支剪輯成本計分。以每秒 $0.10 和 $0.15 計算，這些測試只花幾美元，卻能解決一個排行榜名次無法為你的特定素材解答的問題。

該打哪一個

Wan 3.0 是更好的模型，但對每個人來說，它不是更划算的購買選擇。相較於 6 月 2.7 版本，其在競技場的領先幅度為 80 Elo，價格溢價為 33%，而能力差異則是一種真正全新的輸入類型、加倍的效能上限、更寬廣的參考預算，以及一個便宜的草稿層級。

如果你的工作涉及長度超過 15 秒的連續鏡頭，如果你的需求簡報主要由文件或網頁而非圖像驅動，如果你需要在單一場景中維持超過五個參考，或者如果你想先以 480p 草稿層級低成本反覆迭代，再投入 1080p 算圖，就選擇 Wan 3.0。如果你的輸出刻意切成短鏡頭，如果指令式編輯是主要工作負載而非輔助性質，或者如果你正以 1080p 大量執行，而每分鐘三美元的成本會不斷累積，就選擇 Alibaba Wan 2.7——特別是六月組建，並且要指明組建版本來索取。而如果自架主機是硬性要求，這兩者都不是答案；Wan 2.2 才是。

下一季待解的問題是，阿里巴巴是否會讓這兩條產品線保持各自獨立。Wan 2.7 以每分鐘 $9.00 的價格、且指令編輯功能完整保留，是一款完全夠用的產品，也是這個產品家族中更便宜的價格下限。讓它繼續存在，正是阿里巴巴在 Wan 3.0 拿下高階市場的同時，仍能守住價格敏感端市場的方式。值得關注的不是新模型，而是 2.7 的價格：如果它變動，本文中的升級計算也會隨之變動，而將於 9 月 23 日到期的 30% 上市折扣，就是第一個數據點。