$6 por un clip de 30 segundos: el Wan3.0 de Alibaba pone el video con IA en el medidor

Por unos $6, Alibaba Cloud generará un video de 30 segundos en 1080P, y le facturará por segundo para hacerlo. Ese precio, más que la ventana de generación más larga o los controles faciales más finos, es la parte más trascendental del lanzamiento del Wan3.0.

El Wan3.0 alcanzó disponibilidad general en los canales internacionales el 24 de agosto de 2026, con facturación por segundo generado: $0.05 en 480P, $0.10 en 720P, $0.20 en 1080P. Un borrador completo de 30 segundos en 480P cuesta unos $1.50. El mismo clip en resolución máxima cuesta unos $6.00 antes de cualquier descuento promocional. Johnny Mai, director de estrategia de producto de IA generativa y GTM de Alibaba Cloud, expone el argumento explícitamente en el blog del producto: la exploración y el acabado pueden vivir en presupuestos separados.

La unidad de trabajo acaba de duplicarse

El Wan2.7 generaba de 2 a 15 segundos por generación. El Wan3.0 duplica esa cifra hasta los 30 segundos nativos. Quince segundos bastan para una toma, un compás o un activo social corto. Treinta segundos permiten múltiples compases narrativos, un planteamiento y su resolución, una demostración de producto más larga, o un movimiento de cámara ininterrumpido, y eso cambia lo que los creadores pueden intentar en una sola pasada.

La pregunta difícil es si el tiempo adicional se mantiene cohesionado. Los clips largos son un punto de fallo conocido en los modelos de video, y el propio enfoque de Alibaba lo concede:

"La duración solo aporta valor de producción cuando la coherencia se mantiene a lo largo de ella."

El Wan3.0 incorpora recomendación inteligente de duración, que permite al sistema elegir una longitud a partir del prompt y las referencias, además de extensión de video para continuar más allá de la generación inicial. Además, las afirmaciones de consistencia se ampliaron. El Wan2.7 se centraba en identidad, voz, emoción y movimiento de cámara en escenas con varios personajes. El Wan3.0 añade detalles faciales, cabello, ropa, accesorios, utilería, relaciones espaciales, perspectiva de cámara y estabilidad en clips más largos. Esas son afirmaciones propias de Alibaba, y la publicación incluye un aviso de que las cifras de terceros se citan tal como se publicaron, sin verificación independiente.

Los documentos se suman al prompt

El conjunto de referencias creció en otra dirección. El Wan3.0 acepta texto, imagen, audio y video, además de DOC, XLS, PPT, PDF, TXT, KEY, Pages, Numbers, Markdown y páginas web, dentro de límites de ingreso definidos. Una presentación de marca, un brief de campaña, un informe o una hoja de cálculo pueden aportar su propio contexto fáctico y visual a la generación. El usuario deja de repetir información y comienza a dirigirla: qué importa, quién es la audiencia, qué tono adoptar, cómo se comporta la cámara.

La base de edición que introdujo el Wan2.7 continúa, por lo que los visuales, la trama y el diálogo pueden modificarse sin regenerar desde cero. La iteración se convierte en una pasada de revisión, no en un reinicio. También hay una brecha conocida aquí: los propios materiales de Alibaba señalan el texto legible en pantalla como un área de refinamiento activo, lo que resulta incómodo para un modelo que se presenta como capaz de convertir gráficos y documentos en video.

El medidor cambia los cálculos del flujo de trabajo

El precio del Wan2.7 nunca se indicó en los materiales públicos, lo que convierte al Wan3.0 en la primera imagen nítida de cuánto cuesta una generación de video de Alibaba. La tabla es el punto clave: el mismo clip de 30 segundos cuesta $1.50 como borrador y $6.00 como acabado, y los equipos pueden canalizar borradores baratos y pasadas finales a través de presupuestos separados. El argumento más amplio de Mai es que los ajustes de generación se están convirtiendo gradualmente en parte del razonamiento del modelo, en lugar de una secuencia de controles manuales, y que cada lanzamiento amplía la superficie sin obligar a los equipos a reaprender el ciclo de creación.

Las brechas que admite el proveedor

El Wan3.0 es la apuesta de Alibaba en una carrera más amplia hacia la generación todo en uno. El H3 de MiniMax ya unifica texto, imagen, video y audio en un solo modelo, por lo que la presión llega desde varias direcciones a la vez. La familia Wan ha lanzado ocho iteraciones, del Wan1.0 al Wan3.0, y Alibaba está orientando las mismas capacidades hacia la IA encarnada, la conducción autónoma y la simulación industrial. Wan tampoco es el único frente de la empresa; Alibaba publicó recientemente Qwen 3.8-Max como código abierto, su modelo más capaz.

Nada de eso resuelve la pregunta que el lanzamiento realmente plantea. La facturación por segundo hace predecible el gasto en video con IA, pero no garantiza que los 30 segundos sean utilizables. Si $6 compran un clip que un equipo de producción pueda publicar es algo que solo una producción real puede responder.