阿里巴巴于2026年8月24日开始提供视频生成模型Wan3.0。单次生成最长可达30秒，分辨率最高支持1080p。输入不限于文本和图像，把PDF、幻灯片或表格文件交给它，返回的就是一段视频。另外还有一个变化：作为该系列招牌的权重开放，这次没有延续。
15秒的上限提高到了30秒
Wan3.0最直观的变化在于单次生成的时长。上一代Wan2.7的上限是15秒，Wan3.0在一次推理中翻倍到30秒。分辨率最高为1080p，阿里巴巴表示人物细节、空间布局和动作的一致性在整段30秒中都能保持。
视频生成模型的软肋一直在于时长越长，人物的面容和服装越容易在中途变形。能生成长片段和生成不崩坏的长片段是两回事。阿里巴巴称Wan3.0针对这一点做了改进，并支持面部微表情与声音同步，以及多语言的语音输出。
不过这些性能目前尚未经过第三方验证。所有数字都来自开发方的说明，实际质量还需要用过之后才能判断。
直接把现成资料丢进去的用法
输入形式的广度是这次的另一个亮点。除文本、图像、音频和视频之外，网页和文档同样被接受。把PDF、PowerPoint文件或表格数据直接传入，模型会根据其中的内容组织成视频。
这个设计面向谁很明确。想把手头的方案书或财报资料变成短介绍视频的部门，也就是市场和公关的负责人。对于习惯了先构思结构、再收集素材、然后打开剪辑软件的人来说，起点被替换成了已经存在的资料。
当然，资料能原样变成视频，也意味着资料本身的粗糙会原样呈现。这类工具往往在源文档整理得更完善时效果更好，Wan3.0大概也不会例外。
每秒0.2美元，与Veo 3.1相比
价格按分辨率设定。480p每秒0.05美元（约8日元），720p为0.1美元（约16日元），1080p为0.2美元（约32日元）。以1080p生成1分钟需要12美元（约1,900日元），最长的30秒则是6美元（约950日元）。
※1美元=159日元，1元=23.7日元（截至2026年8月24日）
常被拿来比较的是谷歌的Veo 3.1，其标准服务价格为每秒0.4美元（约64日元）。单从每秒单价看，Wan3.0的1080p只有其一半。生成式视频每试一次都要花钱，这个差距会直接体现在能尝试的次数上。如果习惯反复重做去找到满意的结果，单价低的优势很容易感受到。
使用需要在Model Studio和Qwen Cloud上提交申请，并非人人都能立刻上手。面向普通用户的wan.video站点在计划中，但同样被说明为会员制。
选择不公开权重
Wan系列此前通过公开模型权重赢得了开发者的支持。能把模型放到自己的环境里改造，正是选择这一系列的理由。Wan3.0偏离了这条路线，权重不再公开，改为通过云端提供服务。
背后的原因是变现。开放公开能扩大品牌和用户规模，但并不直接带来收入。在研发费用飙升的当下，阿里巴巴选择了收费而非分发。同样的判断在其他公司也在发生，随着性能提升，开放与封闭的分界线往往会往前挪。
上万亿日元规模的增发，以及资金的去向
Wan3.0的发布紧接在香港102亿美元（约1.6万亿日元）的股份配售之后。募集的资金被指定用于AI投资，这次发布相当于用具体产品呼应了这一方针。
看数字就能明白其中的处境。2026年6月季度的云与AI收入同比增长45%，达到484.4亿元（约1.15万亿日元）。另一方面，该季度净利润下降了75%，原因是资本支出膨胀到676.8亿元（约1.6万亿日元）。
阿里巴巴曾在2025年初表示将在三年内向AI基础设施投入3,800亿元（约9万亿日元），也有报道称这一数字可能提高到4,800亿元（约11万亿日元）。收入在涨而利润在跌的结构，说明了继续留在AI竞赛中的入场费有多高。把Wan3.0作为付费云服务推出、并把权重关上，很难与这本账分开来看。
总结
Wan3.0是阿里巴巴的新一代视频生成模型，单次可生成最长30秒、最高1080p的视频。能把PDF和幻灯片作为输入这一点在实际业务中大概最见效果，1080p每秒0.2美元的价格也只有谷歌Veo 3.1的一半。但性能尚未经过第三方验证，权重也转为不公开。这是一个以开放起家的系列进入变现阶段的清晰信号。
