30秒片段6美元：阿里巴巴Wan3.0让AI视频按量计费

大约花6美元，阿里云就能生成一段30秒的1080P视频，而它是按秒向你收费的。这个定价，而非更长的生成窗口或更精细的面部控制，才是Wan3.0发布中最具实质影响的部分。

Wan3.0于2026年8月24日在国际渠道正式商用（GA），按生成秒数计费：480P每秒0.05美元，720P每秒0.10美元，1080P每秒0.20美元。一段完整的30秒480P草稿约需1.50美元。同一片段以最高分辨率生成，在享受任何促销折扣之前约为6.00美元。阿里云生成式AI产品战略与GTM总监Johnny Mai在产品博客中明确提出了这一论点：探索与完稿可以分属不同的预算。

工作单元翻倍

Wan2.7每次生成2到15秒。Wan3.0将这一数字翻倍，原生支持30秒。15秒足以表现一个镜头、一个节拍或一个简短的社交媒体素材。30秒则能容纳多个叙事节拍、铺陈与收束、更长的产品演示，或一次不间断的镜头运动，这改变了创作者在单次生成中能够尝试的内容。

真正的问题在于，多出来的时间是否依然连贯。长片段是视频模型众所周知的失败点，而阿里自己的表述也承认了这一点：

“只有全程保持连贯，时长才能换来制作价值。”

Wan3.0搭载了智能时长推荐功能，可让系统根据提示词和参考内容选择时长，同时还支持视频扩展，以便在初次生成之后继续生成。在此基础上，一致性方面的宣称也扩大了范围。Wan2.7聚焦于多人物场景中的身份、声音、情绪和镜头运动。Wan3.0新增了面部细节、头发、服饰、配饰、道具、空间关系、镜头视角以及更长片段中的稳定性。这些都是阿里自己的说法，而该博文附带了一项免责声明：第三方数据均按发布原样引用，未经独立核实。

文档加入提示词

参考集朝另一个方向扩展。Wan3.0接受文本、图像、音频和视频，以及DOC、XLS、PPT、PDF、TXT、KEY、Pages、Numbers、Markdown和网页，但受明确的输入限制。品牌演示文稿、营销活动简报、报告或电子表格，都可以将其自身的事实和视觉语境带入生成过程。用户不再复述信息，而是开始指导信息：什么重要、受众是谁、采用什么语气、镜头如何运动。

Wan2.7引入的剪辑基础得以延续，因此画面、情节和对话可以在不从头重新生成的情况下进行修改。迭代变成一次修订，而不是重做。这里也存在一个已知的短板：阿里自己的资料将清晰的屏幕文字标记为一个正在优化的领域，这对于一款主打把图表和文档转化为视频的模型来说有些尴尬。

按量计费改变了工作流的成本算法

分辨率	每生成秒的标准价格
480P	$0.05
720P	$0.10
1080P	$0.20

Wan2.7的定价从未在公开材料中说明，这使得Wan3.0第一次清晰展示了阿里视频生成的成本。上表正是关键：同样一段30秒片段，作为草稿需要1.50美元，作为完稿需要6.00美元，团队可以将廉价草稿和最终出片分入不同预算。Mai更广泛的论点是，生成设置正逐渐成为模型推理的一部分，而不是一系列手动控制；每次发布都会扩展操作面，却不必让团队重新学习创作流程。

厂商承认的短板

Wan3.0是阿里巴巴在迈向一体化生成这场更广泛竞赛中的筹码。MiniMax的H3已经将文本、图像、视频和音频统一到单个模型中，因此压力正从多个方向同时涌来。Wan系列从Wan1.0到Wan3.0已发布八个迭代版本，阿里巴巴还在将同样的能力投向具身智能、自动驾驶和工业仿真。Wan也不是这家公司唯一的赛道；阿里巴巴最近还开源了其最强模型Qwen 3.8-Max。

这些都未能解决这次发布真正提出的问题。按秒计费让AI视频支出变得可预测，但并不能保证这30秒是可用的。6美元买到的片段是否能让制作团队直接交付，只有一次真正的制作实践才能回答。