Wan3.0-Video se cobra por segundo: un clip de 30 segundos asciende a $6

Wan3.0-Video, el modelo de generación de video del marketplace DashScope de Alibaba, se factura por segundo de salida. Esa única decisión determina cuánto cuesta un proyecto. En 1080P, el nivel superior, cada segundo cuesta $0.20. El modelo genera clips de hasta 30 segundos, por lo que una generación de longitud completa asciende a $6 por intento.

Los niveles inferiores suavizan los números. 480P se factura a $0.05 por segundo, lo que sitúa un clip de 30 segundos en $1.50. 720P queda en el medio a $0.10 por segundo, o $3.00 por la misma duración. La factura de cualquier clip es simplemente la duración multiplicada por la tarifa, lo que hace que presupuestar sea tan simple como puede llegar a ser la tarificación en generación de video.

Cuatro modos creativos, un solo modelo

Wan3.0-Video está listado como un modelo todo en uno, no como un simple motor de texto a video. La página menciona cuatro capacidades creativas: referencia, edición, replicación y conducción. No define esos términos en detalle, por lo que descubrir en la práctica en qué se diferencia la "conducción" de la "referencia" queda en manos del usuario. Esa es la brecha más grande en una publicación por lo demás concreta.

Lo que está claro es el lado de las entradas. El modelo acepta audio, imagen, texto y video, y puede analizar archivos, páginas web e imágenes complejas como material de referencia. Combinado con la promesa de consistencia de personajes de calidad de producción y visuales realistas con sonido, la propuesta apunta a equipos que necesitan reutilizar o controlar una estética establecida, no a equipos que lanzan indicaciones únicas.

La tarjeta de tarifas por segundo

Los detalles de la API importan para cualquiera que integre esto en un pipeline. Las generaciones se ejecutan de forma asíncrona a través de DashScope, con dos tareas concurrentes, una cola asíncrona de 50 y 30 solicitudes por minuto. La implementación de referencia envía un prompt con una resolución, una proporción adaptativa y una duración, y luego consulta el clip terminado. Ese perfil encaja con trabajos por lotes en los que se encolan varias generaciones y se revisan más tarde, más que con flujos de trabajo que requieren una respuesta síncrona.

Sora, Veo, Runway y un campo saturado

Wan3.0-Video entra en un mercado de generación que ya tiene una larga lista de participantes. El campo incluye a Sora 2, un modelo que genera video con audio sincronizado y cuya API original está obsoleta y programada para cerrarse el 24 de septiembre de 2026; el Veo 3.1 de Google y el Veo 3.1 Lite de menor costo; y Runway Gen-4.5, posicionado por su alta fidelidad visual y control creativo. Luma Ray, Kling y Seedance completan la lista. La publicación de Wan no se compara con ninguno de ellos ni ofrece precios de sus rivales, por lo que las tarifas por segundo flotan sin puntos de referencia directos.

Alibaba ya cubre la otra mitad del stack de video. Qwen3-VL es una familia de video-lenguaje de pesos abiertos con variantes densas de 2B a 32B y variantes de mezcla de expertos de hasta 235B-A22B, con un contexto nativo de 256K tokens. Wan3.0-Video en DashScope es la contraparte de generación. La publicación no vincula ambos explícitamente, pero los equipos que ya ejecutan Qwen3-VL para comprensión de video ahora tienen una opción de generación en la misma plataforma.

Lo que la publicación deja abierto

Hay tres preguntas destacadas. Primero, qué hacen realmente los modos de "conducción" y "replicación", ya que la página no ofrece ejemplos. Segundo, si las generaciones descartadas o fallidas se facturan, algo que la página no aborda. Tercero, cómo se siente el límite de concurrencia de dos tareas en un ciclo de iteración real, donde arreglar un clip deficiente implica poner en cola otra generación detrás de la que ya está en ejecución.

Nada de eso cambia la cifra principal. Alibaba vende segundos de video a $0.20 cada uno en el nivel superior, y producir un clip de 30 segundos con consistencia de personaje que no da en el blanco es un reintento de $6. La facturación por segundo al menos hace predecible ese gasto. El resultado, como siempre, es la parte que no lo es.