Wan 3.0

Ikhtisar

Wan 3.0 adalah model terbaru di lini video Wan milik Alibaba Tongyi Lab. Public beta-nya dibuka pada 6 Agustus 2026. Alibaba menyebutnya lompatan “dari membuat satu frame ke menceritakan satu kisah utuh”. Wujudnya: klip 30 detik native sekali jalan, dengan audio yang digenerate bersama gambar. Inputnya juga tidak berhenti di prompt, karena dokumen, deck, dan halaman web ikut diterima. Untuk kreator di sini, artinya satu klip 30 detik yang siap dibagikan tanpa perlu merakit potongan. Model ini berjalan di Alibaba Cloud Model Studio dan Qwen Cloud sebagai wan3.0-video. Harganya dihitung per detik di tiga tingkat resolusi.

Video dari dokumen jadi bintang utamanya

Kemampuan yang paling membedakan Wan 3.0 adalah Omni-Reference. Selain teks, gambar, audio, dan video, ia juga membaca file terstruktur. Formatnya: doc, xls, ppt, pdf, txt, key, pages, numbers, dan md. URL halaman web pun diterima. Isinya dibaca, lalu dirangkai jadi video. Alibaba menyebutnya mengubah “data statis yang padat teks menjadi konten video setara nyata”.

Serahkan deck laporan kuartalan atau katalog produk toko, dan yang pulang adalah klip jadi, bukan storyboard. Sejauh ini belum ada model video arus utama lain yang membaca dokumen seperti itu.

Take panjang dalam sekali jalan

Tiga puluh detik tanpa putus kira-kira dua kali lipat kemampuan lini ini di Wan 2.7. Lompatannya bukan cuma soal angka, tetapi soal satuan kerjanya. Satu spot iklan penuh, satu adegan pendek, atau satu reveal yang pelan kini muat dalam sekali generate. Tidak perlu lagi merakit beberapa klip, lalu mencocokkan cahaya, tempo, dan sambungannya. Kontrol durasi cerdas mencocokkan panjang klip dengan brief, jadi momen pendek tidak diisi detik kosong.

Shot panjang juga menuntut prompt yang berbeda. Tiga puluh detik butuh alur: pembuka, titik balik, dan penutup. Jadi tulis bagaimana frame itu berubah, bukan cuma apa isinya. Panjang tanpa titik balik hanya menghasilkan klip yang lambat, dan di situlah generasi panjang paling sering terbuang.

Kontrol referensi dan editing presisi

Omni-Reference menampung sampai 20 aset referensi. Karakter, produk, atau set dijaga konsisten sepanjang klip dan antar shot, sehingga satu rangkaian terbaca sebagai satu karya. Memberi label pada tiap referensi di dalam prompt sama pentingnya dengan mengunggahnya.

Editing kini ada di dalam model yang sama, bukan di alat terpisah. Wan 3.0 mendukung editing berbasis instruksi dan berbasis referensi. Anda bisa memilih satu rentang waktu, lalu generate ulang bagian itu saja tanpa mengusik sisanya. Visual, aksi, bahkan kalimat yang diucapkan karakter ikut bisa diubah. Media Tiongkok menggambarkan pergeserannya sebagai langkah “dari gacha ke produksi”. Prosesnya bisa dikendalikan, bukan reroll yang tidak habis-habis.

Rendering, audio, dan teks

Target visualnya disebut Alibaba “reality-grade rendering”, dengan perhatian besar pada manusia. Wajah dan kulit lebih detail, emosinya wajar dan tidak berlebihan, dan mikroekspresinya menempel pada gerak tubuh. Kustomisasi potret bahkan turun sampai struktur tulang dan detail mata.

Audio digenerate di proses yang sama dengan gambar. Karena itu tempo perlu ditulis di dalam prompt. Sebutkan bed suaranya, tentukan letak ketukannya, lalu gambar dan suara mendarat bersamaan. Teks di layar juga membaik, dengan render teks panjang di 12 bahasa. Bagan, rumus, dan infografisnya ikut lebih bersih. Meski begitu, peninjau mencatat kualitas audio dan teks di dalam frame masih bisa naik lagi.

Resolusi dan mitos 4K

Wan 3.0 keluar di 480p, 720p, dan 1080p. Tidak ada tingkat 4K. Klaim “Wan 3.0 bisa 4K” yang beredar di hasil pencarian tidak datang dari Alibaba. Daftar modelnya sendiri memberi harga untuk tepat tiga tingkat, dan 4K tidak disebut sama sekali. Perlakukan 4K, tabel spesifikasi “60B parameter”, dan “open weights Apache 2.0” sebagai karangan sampai Alibaba menerbitkan model card.

Soal open weights

Wan 3.0 tertutup dan hanya jalan lewat API. Tidak ada bobot yang muncul di organisasi Wan-AI di Hugging Face, organisasi Wan-Video di GitHub, maupun ModelScope. Open weights yang pernah dipublikasikan Alibaba berhenti di Wan 2.2 dengan lisensi Apache 2.0. Generasi 2.5, 2.6, dan 2.7 semuanya model API komersial. Untuk tim yang wajib self-hosting, Wan 2.2 tetap Wan terbaru yang bisa diunduh. Detail itulah yang menentukan cocok tidaknya lini ini.

Wan 3.0 dan Morphic

Wan 3.0 sudah tersedia di Morphic dalam dua versi: Wan 3.0, dan Wan 3.0 Prime, versi yang lebih cepat untuk iterasi kilat. Keduanya membuat klip hingga 30 detik dengan audio bawaan, dalam resolusi 480p, 720p, atau 1080p, dari teks, satu gambar, atau frame pertama dan terakhir. Keduanya ada di pemilih model video bersama Seedance, Kling, dan Veo. Kebiasaan prompt di atas langsung terbawa. Tulis take panjang sebagai alur, beri label pada tiap referensi, lalu taruh tempo di dalam prompt. Untuk konten TikTok maupun video jualan UMKM, kebiasaan itu tetap berlaku saat Anda membandingkan beberapa model pada shot yang sama.