Wan3.0-Video facturé à la seconde : un clip de 30 secondes coûte 6 $

Wan3.0-Video, le modèle de génération vidéo de la marketplace DashScope d'Alibaba, est facturé à la seconde de sortie. Cette seule décision détermine le coût d'un projet. En 1080P, le palier le plus élevé, chaque seconde coûte 0,20 $. Le modèle génère des clips allant jusqu'à 30 secondes, si bien qu'une génération complète revient à 6 $ par tentative.

Les paliers inférieurs adoucissent le calcul. La 480P facture 0,05 $ la seconde, ce qui place un clip de 30 secondes à 1,50 $. La 720P se situe entre les deux à 0,10 $ la seconde, soit 3,00 $ pour la même durée. La facture pour chaque clip est simplement la durée multipliée par le tarif, ce qui rend la budgétisation à peu près aussi simple que la tarification de la génération vidéo peut l'être.

Quatre modes créatifs, un seul modèle

Wan3.0-Video est présenté comme un modèle tout-en-un plutôt que comme un simple moteur texte-vers-vidéo. La page cite quatre capacités créatives : référence, montage, réplication et « driving ». Elle ne définit pas ces termes en détail, si bien que la différence entre « driving » et « référence » en pratique est laissée à la découverte de l'utilisateur. C'est la plus grande lacune d'une fiche par ailleurs concrète.

Ce qui est clair, c'est le côté entrées. Le modèle accepte l'audio, l'image, le texte et la vidéo, et il peut analyser des fichiers, des pages web et des images complexes comme matériel de référence. Associé à une promesse de cohérence des personnages de qualité production et de visuels réalistes avec son, l'argumentaire cible les équipes qui doivent réutiliser ou contrôler un style établi, et non les équipes qui enchaînent des prompts ponctuels.

La grille tarifaire à la seconde

Les détails de l'API comptent pour quiconque intègre ceci dans un pipeline. Les générations s'exécutent de manière asynchrone via DashScope, avec deux tâches simultanées, une file d'attente asynchrone de 50 et 30 requêtes par minute. L'implémentation de référence soumet un prompt avec une résolution, un ratio adaptatif et une durée, puis interroge le système jusqu'à obtenir le clip terminé. Ce profil convient aux traitements par lots où l'on met plusieurs générations en file d'attente et où l'on revient vérifier, plutôt qu'aux flux de travail qui nécessitent une exécution synchrone.

Sora, Veo, Runway et un marché encombré

Wan3.0-Video entre sur un marché de la génération qui compte déjà une longue liste d'acteurs. Il comprend Sora 2, un modèle qui génère des vidéos avec un son synchronisé et dont l'API d'origine est obsolète et doit être fermée le 24 septembre 2026 ; Veo 3.1 de Google et le Veo 3.1 Lite, moins coûteux ; et Runway Gen-4.5, positionné sur une haute fidélité visuelle et un contrôle créatif. Luma Ray, Kling et Seedance complètent la liste. La fiche Wan ne se compare à aucun d'entre eux et ne donne pas les prix des concurrents, si bien que les tarifs à la seconde flottent sans points de référence directs.

Alibaba couvre déjà l'autre moitié de la pile vidéo. Qwen3-VL est une famille vidéo-langage à poids ouverts avec des variantes denses de 2B à 32B et des variantes mixture-of-experts allant jusqu'à 235B-A22B, avec un contexte natif de 256K tokens. Wan3.0-Video sur DashScope en est la contrepartie pour la génération. La fiche ne relie pas explicitement les deux, mais les équipes qui utilisent déjà Qwen3-VL pour la compréhension vidéo disposent désormais d'une option de génération sur la même plateforme.

Ce que la fiche laisse en suspens

Trois questions ressortent. D'abord, ce que font réellement les modes « driving » et « réplication », puisque la page ne fournit aucun exemple. Ensuite, de savoir si les générations abandonnées ou échouées sont facturées, ce que la page n'aborde pas. Enfin, comment la limite de deux tâches simultanées se ressent dans une boucle d'itération réelle, où corriger un mauvais clip signifie mettre une autre génération en file d'attente derrière celle qui est déjà en cours.

Rien de tout cela ne change le chiffre principal. Alibaba vend des secondes de vidéo à 0,20 $ chacune au palier le plus élevé, et un clip de 30 secondes cohérent en termes de personnages qui rate la cible coûte 6 $ à refaire. La facturation à la seconde rend au moins cette dépense prévisible. La sortie, comme toujours, est la partie qui ne l'est pas.