Wan 3.0

Visão geral

O Wan 3.0 é o modelo mais recente da linha de vídeo Wan, do Tongyi Lab da Alibaba, lançado em beta público em 6 de agosto de 2026. A Alibaba resume o salto como sair “de gerar um quadro para contar uma história inteira”. Na prática, são três coisas: clipes nativos de 30 segundos numa passada, áudio gerado junto com a imagem e uma entrada que vai além do prompt e alcança documentos, decks e páginas web. Ele roda no Alibaba Cloud Model Studio e no Qwen Cloud como o modelo wan3.0-video, com preço de API por segundo em três faixas de resolução.

Documento virando vídeo é a novidade

A capacidade que separa o Wan 3.0 do resto é o Omni-Reference. Além de texto, imagem, áudio e vídeo, ele lê arquivos estruturados: doc, xls, ppt, pdf, txt, key, pages, numbers e md, mais qualquer URL de página web. Depois monta uma sequência de vídeo com o que encontrou lá dentro. A Alibaba descreve isso como transformar “dados estáticos e cheios de texto em conteúdo de vídeo de qualidade realista”. Entregue o deck do trimestre ou a ficha técnica de um produto e o que volta é um clipe pronto, não um storyboard. Nenhum outro modelo de vídeo relevante lê documentos assim hoje.

A tomada longa, numa passada só

Trinta segundos de geração contínua é mais ou menos o dobro do que a linha fazia no Wan 2.7. O salto muda a unidade de trabalho, não só o número. Um anúncio inteiro, uma cena curta ou uma revelação lenta cabem em uma geração. Antes, essas peças eram montadas a partir de vários clipes que depois precisavam casar em luz, ritmo e continuidade. O controle inteligente de duração ajusta o tamanho ao briefing, então uma batida curta não sai esticada com segundos vazios.

Uma tomada longa também pede outro tipo de prompt. Trinta segundos precisam de arco: um começo, uma virada e um fim. Descreva como o quadro evolui, não só o que tem dentro dele. Duração sem virada é só um clipe lento, e é assim que a geração de vídeo longo costuma ser desperdiçada.

Referência e edição precisa no Wan 3.0

O Omni-Reference aceita até 20 ativos de referência. Ele segura a personagem, o produto ou o cenário ao longo do clipe e de um plano para o outro, e é isso que faz uma sequência ler como uma peça só. Rotular cada referência no prompt pesa tanto quanto enviá-la.

A edição agora vive dentro do próprio modelo, não numa ferramenta separada. O Wan 3.0 aceita edição por instrução e por referência: você seleciona um intervalo de tempo, regera só aquele trecho e o resto fica intacto. Dá para mexer no visual, na ação e até nas falas da personagem. A imprensa chinesa resumiu a mudança como sair “do gacha para a produção”, uma passada controlável no lugar de rodar de novo sem parar.

Renderização, áudio e texto

A Alibaba chama o alvo visual de “renderização de qualidade realista”, com foco claro em gente: rosto e pele detalhados, emoção natural e contida, microexpressões amarradas ao gesto. A customização de retrato desce até a estrutura óssea e o detalhe do olho. O áudio é gerado na mesma passada da imagem, então o ritmo entra no prompt. Nomeie a cama sonora, marque a batida, e som e imagem caem juntos. O texto na tela também melhorou, com renderização de texto longo em 12 idiomas e gráficos, fórmulas e infográficos mais limpos. Ainda assim, os analistas notam que a qualidade do áudio e o texto dentro do quadro têm espaço para crescer.

Resolução do Wan 3.0 e o mito do 4K

O Wan 3.0 entrega em 480p, 720p e 1080p. Não existe faixa de 4K. As alegações de “o Wan 3.0 faz 4K” que circulam na busca não vêm da Alibaba: a listagem do próprio modelo cobra exatamente três faixas e não menciona 4K em lugar nenhum. Trate o 4K, e também qualquer tabela com “60B de parâmetros” ou “pesos abertos Apache 2.0”, como invenção até a Alibaba publicar um model card.

Sobre os pesos abertos

O Wan 3.0 é fechado, só por API. Nenhum peso apareceu na organização Wan-AI do Hugging Face, na Wan-Video do GitHub nem no ModelScope. Os pesos abertos publicados pela Alibaba param no Wan 2.2, sob Apache 2.0, e as gerações 2.5, 2.6 e 2.7 foram todas modelos comerciais de API. Para um time que precisa rodar em servidor próprio, o Wan 2.2 continua sendo o Wan mais novo que dá para baixar. É esse detalhe que decide se a linha cabe ou não num pipeline self-hosted.

Wan 3.0 e o Morphic

O Wan 3.0 não está no catálogo do Morphic. O Morphic roda hoje uma linha ampla de vídeo, com Seedance, Kling e Veo, então dá para gerar vídeo agora e escolher o modelo que serve ao plano. E os hábitos de prompt acima seguem valendo em todos eles: escrever a tomada longa como um arco, rotular cada referência e colocar o ritmo dentro do prompt. Treinar isso agora não custa nada, e é o que faz você criar como profissional sem equipe nem equipamento por perto.