Wan3.0-Video يُفوتر بالثانية: مقطع من 30 ثانية يصل إلى 6 دولارات

يُفوتر Wan3.0-Video، نموذج توليد الفيديو في سوق DashScope من Alibaba، بالثانية الواحدة من المخرجات. هذا القرار الواحد يحدد تكلفة المشروع. بدقة 1080P، وهي الطبقة الأعلى، تبلغ تكلفة كل ثانية 0.20 دولار. يولّد النموذج مقاطع يصل طولها إلى 30 ثانية، لذا فإن عملية التوليد الكاملة الواحدة تصل إلى 6 دولارات لكل محاولة.

الطبقات الأدنى تخفف من وطأة الحساب. تُفوتر دقة 480P بمعدل 0.05 دولار في الثانية، ما يضع مقطعًا من 30 ثانية عند 1.50 دولار. وتقع دقة 720P في المنتصف بمعدل 0.10 دولار في الثانية، أي 3.00 دولارات لنفس الطول. فاتورة أي مقطع هي ببساطة الطول مضروبًا في السعر، ما يجعل إعداد الميزانية أبسط ما يمكن في تسعير توليد الفيديو.

أربعة أوضاع إبداعية، نموذج واحد

يُدرج Wan3.0-Video كنموذج متكامل وليس مجرد محرك نص-إلى-فيديو. تذكر الصفحة أربع قدرات إبداعية: المرجع (reference)، والتحرير (editing)، والاستنساخ (replication)، والقيادة (driving). لا تعرّف الصفحة هذه المصطلحات بأي تفصيل، لذا فإن كيفية اختلاف "القيادة" عن "المرجع" عمليًا تُترك للمستخدم ليكتشفها. وهذه هي أكبر فجوة في إدراج محدد بخلاف ذلك.

ما هو واضح هو جانب الإدخال. يقبل النموذج الصوت والصورة والنص والفيديو، ويمكنه تحليل الملفات وصفحات الويب والصور المعقدة كمواد مرجعية. وإلى جانب ادعاء بثبات الشخصية بمستوى إنتاجي ومرئيات واقعية مع الصوت، يستهدف العرض الفرق التي تحتاج إلى إعادة استخدام مظهر قائم أو التحكم فيه، وليس الفرق التي تطلق مطالبات (prompts) لمرة واحدة.

بطاقة الأسعار بالثانية

تفاصيل API مهمة لأي شخص يدمج هذا في خط إنتاج. تعمل عمليات التوليد بشكل غير متزامن عبر DashScope، مع مهمتين متزامنتين، وطابور غير متزامن من 50، و30 طلبًا في الدقيقة. يرسل التنفيذ المرجعي مطالبة تتضمن دقة ونسبة تكيفية ومدة، ثم يستعلم عن المقطع المكتمل. هذه المواصفات تناسب المهام الدفعية حيث تضع عدة عمليات توليد في الطابور وتعود لاحقًا، بدلاً من سير العمل التي تحتاج إلى استجابة متزامنة.

Sora وVeo وRunway ومجال مزدحم

يدخل Wan3.0-Video سوق توليد يضم بالفعل قائمة طويلة من النماذج. يشمل المجال Sora 2، وهو نموذج يولّد فيديو مع صوت متزامن وقد تم إهمال واجهة API الأصلية له ومن المقرر إغلاقها في 24 سبتمبر 2026؛ وVeo 3.1 من Google وVeo 3.1 Lite الأقل تكلفة؛ وRunway Gen-4.5، الذي يتموضع على دقة بصرية عالية وتحكم إبداعي. وتكتمل القائمة بـ Luma Ray وKling وSeedance. لا يقارن إدراج Wan نفسه بأي من هذه النماذج، ولا يقدم أسعارًا للمنافسين، لذا تبقى الأسعار بالثانية دون نقاط مرجعية مباشرة.

تغطي Alibaba بالفعل النصف الآخر من مجموعة أدوات الفيديو. Qwen3-VL هي عائلة فيديو-لغة مفتوحة الأوزان بنماذج كثيفة تتراوح من 2B إلى 32B ونماذج خليط الخبراء حتى 235B-A22B، مع سياق أصلي يبلغ 256 ألف توكن. Wan3.0-Video على DashScope هو النظير المخصص للتوليد. لا يربط الإدراج بين الاثنين صراحةً، لكن الفرق التي تعمل بالفعل على Qwen3-VL لفهم الفيديو لديها الآن خيار توليد على المنصة نفسها.

ما يتركه الإدراج مفتوحًا

تبرز ثلاثة أسئلة. أولاً، ما الذي تفعله أوضاع "القيادة" و"الاستنساخ" فعليًا، إذ لا تقدم الصفحة أي أمثلة. ثانيًا، ما إذا كانت عمليات التوليد المهملة أو الفاشلة تُفوتر، وهو ما لا تتناوله الصفحة. ثالثًا، كيف يبدو حد التزامن المكون من مهمتين في حلقة تكرار حقيقية، حيث يعني إصلاح مقطع سيئ وضع عملية توليد أخرى في الطابور خلف ما يعمل بالفعل.

لا شيء من ذلك يغير الرقم الرئيسي. تبيع Alibaba ثواني الفيديو بسعر 0.20 دولار لكل ثانية في الطبقة الأعلى، وإنتاج مقطع من 30 ثانية متسق الشخصية لكنه يخطئ الهدف يعني إعادة التوليد بتكلفة 6 دولارات. الفوترة بالثانية تجعل هذا الإنفاق متوقعًا على الأقل. المخرجات، كما هو الحال دائمًا، هي الجزء غير المتوقع.