6 $ pour un clip de 30 secondes : Wan3.0 d'Alibaba passe la vidéo IA au compteur

Pour environ 6 $, Alibaba Cloud générera une vidéo de 30 secondes en 1080P, et vous facturera à la seconde pour ce faire. Ce tarif, plus que la fenêtre de génération prolongée ou les contrôles faciaux affinés, est l'élément le plus conséquent du lancement de Wan3.0.

Wan3.0 est passé en disponibilité générale sur les canaux internationaux le 24 août 2026, facturé à la seconde générée : 0,05 $ en 480P, 0,10 $ en 720P, 0,20 $ en 1080P. Un brouillon complet de 30 secondes en 480P revient à environ 1,50 $. Le même clip en résolution maximale revient à environ 6,00 $ avant toute remise promotionnelle. Johnny Mai, directeur de la stratégie produit et du go-to-market pour l'IA générative chez Alibaba Cloud, expose clairement l'argument dans le blog produit : l'exploration et la finalisation peuvent vivre dans des budgets séparés.

L'unité de travail vient de doubler

Wan2.7 générait de 2 à 15 secondes par génération. Wan3.0 fait doubler ce chiffre pour atteindre 30 secondes en natif. Quinze secondes suffisent pour un plan, un temps narratif ou un court contenu social. Trente secondes offrent plusieurs temps narratifs, une mise en place et sa résolution, une démo produit plus longue ou un mouvement de caméra ininterrompu, ce qui change ce que les créateurs peuvent tenter en une seule passe.

La vraie question est de savoir si le temps supplémentaire tient la route. Les clips longs sont un point de défaillance connu des modèles vidéo, et le cadrage d'Alibaba lui-même le concède :

"La durée n'apporte de valeur de production que si la cohérence se maintient sur l'ensemble."

Wan3.0 est livré avec une recommandation intelligente de durée, qui permet au système de choisir une longueur à partir de la consigne et des références, ainsi qu'une extension vidéo pour poursuivre au-delà de la génération initiale. Par-dessus cela, les affirmations sur la cohérence se sont élargies. Wan2.7 se concentrait sur l'identité, la voix, l'émotion et le mouvement de caméra dans des scènes multi-personnages. Wan3.0 ajoute les détails du visage, les cheveux, les vêtements, les accessoires, les objets de décor, les relations spatiales, la perspective de la caméra et la stabilité sur des clips plus longs. Ce sont les propres affirmations d'Alibaba, et l'article comporte un avertissement selon lequel les chiffres de tiers sont cités tels que publiés, sans vérification indépendante.

Les documents rejoignent la consigne

L'ensemble des références s'est élargi dans une autre direction. Wan3.0 accepte le texte, l'image, l'audio et la vidéo, ainsi que DOC, XLS, PPT, PDF, TXT, KEY, Pages, Numbers, Markdown et les pages web, dans des limites d'ingestion définies. Une présentation de marque, un brief de campagne, un rapport ou une feuille de calcul peuvent apporter leur propre contexte factuel et visuel dans la génération. L'utilisateur cesse de reformuler l'information et commence à la diriger : ce qui compte, qui est le public, quel ton adopter, comment la caméra se comporte.

Les fondations d'édition introduites par Wan2.7 sont conservées, si bien que les visuels, l'intrigue et le dialogue peuvent être modifiés sans régénérer à partir de zéro. L'itération devient une passe de révision, pas un recommencement. Il y a là aussi une lacune connue : les propres documents d'Alibaba signalent le texte lisible à l'écran comme un domaine en cours d'affinement, ce qui est gênant pour un modèle présenté comme capable de transformer graphiques et documents en vidéo.

Le compteur change l'équation du flux de travail

Le tarif de Wan2.7 n'a jamais été indiqué dans les documents publics, ce qui fait de Wan3.0 la première image claire de ce que coûte une génération vidéo Alibaba. Le tableau est le point essentiel : le même clip de 30 secondes coûte 1,50 $ en brouillon et 6,00 $ en version finale, et les équipes peuvent faire passer les brouillons bon marché et les passes finales par des budgets séparés. L'argument plus large de Mai est que les paramètres de génération font progressivement partie du raisonnement du modèle plutôt que d'une séquence de contrôles manuels, et que chaque version élargit la surface sans obliger les équipes à réapprendre la boucle de création.

Les lacunes que le fournisseur reconnaît

Wan3.0 est la mise d'Alibaba dans une course plus large vers la génération tout-en-un. Le H3 de MiniMax unifie déjà texte, image, vidéo et audio dans un seul modèle, si bien que la pression vient de plusieurs directions à la fois. La famille Wan a livré huit itérations, de Wan1.0 à Wan3.0, et Alibaba oriente ces mêmes capacités vers l'IA incarnée, la conduite autonome et la simulation industrielle. Wan n'est pas non plus le seul axe de l'entreprise ; Alibaba a récemment ouvert le code de Qwen 3.8-Max, son modèle le plus performant.

Rien de tout cela ne tranche la question que ce lancement soulève réellement. La facturation à la seconde rend les dépenses en vidéo IA prévisibles, mais elle ne garantit pas que les 30 secondes soient exploitables. Savoir si 6 $ permettent d'obtenir un clip qu'une équipe de production peut livrer est une question à laquelle seule une vraie production peut répondre.