Wan 3.0

Descripción general

Wan 3.0 es el modelo más reciente de la línea de video Wan, del Tongyi Lab de Alibaba. Salió en beta pública el 6 de agosto de 2026. Alibaba lo resume como el salto “de generar un cuadro a contar una historia completa”. En la práctica son tres cosas. Clips nativos de 30 segundos en una sola pasada. Audio que nace junto con la imagen. Y una entrada que ya no se limita al prompt: también lee documentos, presentaciones y páginas web. Corre en Alibaba Cloud Model Studio y en Qwen Cloud como el modelo wan3.0-video. El cobro es por segundo, en tres niveles de resolución.

El video desde documentos es lo grande

La función que separa a Wan 3.0 del resto se llama Omni-Reference. Además de texto, imagen, audio y video, lee archivos estructurados: doc, xls, ppt, pdf, txt, key, pages, numbers y md, más cualquier URL de una página web. Con eso adentro arma una secuencia de video. Alibaba lo plantea como convertir “datos estáticos y cargados de texto en contenido de video de nivel realidad”. Le pasas la presentación del trimestre o la ficha técnica de un producto. Lo que sale es un clip terminado, no un storyboard. Hoy ningún otro modelo de video de uso masivo lee documentos así.

La toma larga, en una sola pasada

Treinta segundos continuos son casi el doble de lo que daba la línea en Wan 2.7. Lo que cambia ahí no es la cifra, sino la unidad de trabajo. Un spot completo, una escena corta o una revelación lenta caben dentro de una sola generación. Ya no hay que armarlas con varios clips que después se emparejan en luz, ritmo y continuidad. El control de duración inteligente ajusta el largo a lo que pediste. Un momento breve no se rellena con segundos vacíos.

Una toma larga también pide otro tipo de prompt. Treinta segundos necesitan un arco: un inicio, un giro y un final. Por eso conviene describir cómo evoluciona el cuadro y no solo qué hay dentro de él. Sin ese giro sale apenas un clip lento. Es la forma más común de desperdiciar la generación larga.

Referencias y edición precisa

Omni-Reference acepta hasta 20 archivos de referencia. Sostiene a un personaje, un producto o un set parejo dentro del clip y de una toma a otra. Eso es lo que hace que una secuencia se lea como una sola pieza. Etiquetar cada referencia en el prompt pesa tanto como subirla.

La edición ya vive dentro del mismo modelo y no en una herramienta aparte. Wan 3.0 admite edición por instrucción y por referencia: seleccionas un intervalo de tiempo y regeneras solo esa parte. El resto queda intacto. También ajustas lo visual, la acción y hasta las líneas de un personaje. La prensa china describió el cambio como pasar “de la gacha a la producción”. Es una pasada controlable en lugar de tiradas infinitas.

Render, audio y texto

Alibaba llama a su objetivo visual “render de nivel realidad”, con el foco puesto en las personas: rostros y piel con detalle, emoción natural y contenida, microexpresiones amarradas a los gestos. La personalización del retrato llega hasta la estructura ósea y el detalle del ojo. El audio se genera en la misma pasada que la imagen, así que el ritmo se escribe en el prompt: nombra la base sonora, marca el golpe y la imagen y el sonido caen juntos. El texto en pantalla también mejoró, con textos largos en 12 idiomas y gráficas, fórmulas e infografías más limpias. Aun así, quienes lo probaron señalan que la calidad del audio y el texto dentro del cuadro todavía tienen camino por recorrer.

La resolución y el mito del 4K

Wan 3.0 sale en 480p, 720p y 1080p. No hay nivel 4K. Las afirmaciones de “Wan 3.0 en 4K” que circulan en los resultados de búsqueda no vienen de Alibaba: su propio listado del modelo cobra exactamente tres niveles y en ninguna parte menciona 4K. Trata el 4K como un invento hasta que Alibaba publique una ficha del modelo. Lo mismo con las tablas de especificaciones que hablan de “60B de parámetros” o de “pesos abiertos Apache 2.0”.

Sobre los pesos abiertos

Wan 3.0 es un modelo cerrado, solo por API. No han aparecido pesos en la organización Wan-AI de Hugging Face, en la organización Wan-Video de GitHub ni en ModelScope. Los pesos abiertos que Alibaba sí publicó se detienen en Wan 2.2, bajo Apache 2.0. Las generaciones 2.5, 2.6 y 2.7 fueron todas modelos comerciales por API. Para un equipo que necesita autoalojar, Wan 2.2 sigue siendo el Wan descargable más nuevo. Ese detalle define si la línea encaja o no en una infraestructura propia.

Wan 3.0 y Morphic

Wan 3.0 no está en el catálogo de Morphic. Hoy Morphic corre una línea amplia de video, con Seedance, Kling y Veo entre sus modelos. Puedes generar video ahora mismo y elegir el que le queda a cada toma. Los hábitos de prompt de arriba se trasladan a todos: escribir la toma larga como un arco, etiquetar cada referencia y meter el ritmo dentro del prompt. Practicarlos desde hoy no te cuesta nada.