Wan 3: обзор видеомодели Alibaba
Wan 3 — видеомодель Alibaba нового поколения, которая создаёт ролики длиной до 30 секунд и озвучивает их в том же проходе. Она вышла в публичную бету 6 августа 2026 года, а 24 августа стала общедоступной, и теперь Wan 3 есть в каталоге Артиллекта. В этом обзоре Wan 3 мы разбираем, что заявлено в релизе, какие режимы и цены доступны на платформе, чем модель отличается от Wan 2.7 и как она справляется с реальными запросами. Мы проверили четыре примера: уличную сцену со звуком, реплику на русском, трёхкадровый ролик на 10 секунд и оживление картинки, а затем сравнили модель с FLUX 3 и Wan 2.7 на одном и том же запросе.
Что такое Wan 3
По данным DataNorth, Alibaba запустила Wan 3.0 в общий доступ 24 августа 2026 года через Alibaba Cloud Model Studio и Qwen Cloud под идентификатором wan3.0-video, а публичная бета началась 6 августа. Главные заявленные отличия от Wan 2.7: клипы вдвое длиннее (от 2 до 30 секунд вместо 15), звук создаётся вместе с видео, а в запрос можно добавить не только изображения, видео и аудио, но и документы и веб-страницы. По тем же сообщениям, веса модели не открыты: Wan 3 доступна только через облако.
В каталоге Артиллекта представлены две модели: wan-30 и wan-30-prime. Они поддерживают режимы «из текста», «из изображения», «по первому и последнему кадру» и «по референсам». По параметрам каталога:
- длительность от 2 до 30 секунд, по умолчанию 5;
- разрешение 480P, 720P или 1080P;
- форматы кадра: адаптивный, 16:9, 4:3, 1:1, 3:4 и 9:16;
- звук включается параметром генерации;
- промпт до 8000 символов;
- референсы: до 10 изображений, 5 видео и 5 аудио, а также один документ и одна веб-ссылка.
О предыдущем поколении читайте в обзоре Wan 2.7, а в статье Сравнение видеомоделей: Veo, Seedance, Kling, Wan есть общий разбор рынка.
Ключевые возможности
- Длинные ролики. Один клип может длиться до 30 секунд. Мы проверили 10 секунд с тремя планами.
- Звук в одном проходе. Шум дождя, музыка, реплики и ритм создаются вместе с картинкой. В нашем тесте реплику на русском распознавание речи подтвердило.
- Многокадровая сцена. В запросе вы описываете планы по порядку, и модель собирает их в один ролик.
- Оживление изображения. Стартовый кадр сохраняет композицию, а движется то, что вы описали.
- Работа с референсами. Картинки, видео и аудио помогают закрепить героя, стиль или голос. В этом обзоре мы референсы не тестировали.
- Документы и ссылки как контекст. По описанию Alibaba, в запрос можно добавить документ или веб-страницу. Это мы тоже не проверяли.
Что стоит учитывать
Мы замерили стоимость через оценку платформы в октябре 2026 года.
| Режим | Токенов |
|---|---|
| Wan 3, 5 с, 720P, звук | 40 |
| Wan 3, 5 с, 720P, без звука | 40 |
| Wan 3, 10 с, 720P, звук | 80 |
| Wan 3, 5 с, 1080P | 80 |
| Wan 3 Prime, 5 с, 720P | 63 |
| Wan 2.7, 5 с | 40 |
| FLUX 3 Video, 5 с, 720p | 85 |
Цена растёт пропорционально длительности: около 8 токенов за секунду в 720P и 16 в 1080P. Звук цену не меняет, и это приятная особенность по сравнению с Kling, где звук удваивает стоимость. Wan 3 Prime стоит 63 токена за те же 5 секунд, этот вариант мы в обзоре не тестировали, поэтому о его отличиях судить не беремся. Как не переплачивать за видео, читайте в статье Как сэкономить на нейросетях.
Наши тесты: четыре примера
Все ролики сделаны в Артиллекте на wan-30, разрешение 720P, формат 16:9, звук включён. Каждый получен с первой попытки.
Пример 1. Скрипач на мосту
Промпт: «A street violinist plays on an old stone bridge on a rainy evening, the camera slowly pushes in, raindrops splash on the stones, warm streetlights reflect in puddles, the sound of rain and a melancholic violin melody».
Модель: wan-30, из текста, 5 секунд, 720P, звук, 40 токенов. Герой в кожаной куртке и шарфе играет на скрипке на мосту, за ним арки старого города с тёплыми фонарями, камера плавно приближается, и кадр переходит от среднего плана к крупному. Брусчатка мокрая и блестит, вода стекает по волосам. Звуковая дорожка в файле есть, но мы проверяли речь, а не музыку, поэтому мелодию оцените на слух.
Пример 2. Реплика на русском
Промпт: «Уютная кухня утром. Женщина в халате наливает кофе, смотрит в камеру и говорит по-русски: «Доброе утро! Кофе уже готов.» Тихий звон посуды, за окном щебечут птицы».
Модель: wan-30, из текста, 5 секунд, 720P, звук, 40 токенов. Распознавание речи на готовом файле выдало «Доброе утро! Кофе уже готов!», то есть русская реплика прозвучала дословно. Отдельно отметим, что в начале расшифровки появилась строка про субтитры: это известная особенность модели распознавания на тихих участках, а не часть ролика. В кадре героиня наливает кофе, поднимает взгляд, улыбается и говорит, а на заднем плане светлая кухня с окном и растениями. Для русскоязычной рекламы это сильный результат: многие видеомодели проверяют только английский.
Пример 3. Три плана за 10 секунд
Промпт: «A small fishing boat leaves a foggy harbor at sunrise. Shot 1: wide shot of the boat gliding past wooden piers. Shot 2: close-up of a fisherman's hands coiling a rope. Shot 3: the boat reaches open water as the sun breaks through the fog, seagulls follow. Natural sounds of water, engine and gulls».
Модель: wan-30, из текста, 10 секунд, 720P, звук, 80 токенов. Три плана получились по порядку: общий план лодки у деревянных пирсов в тумане, крупный план рук с канатом и открытое море с восходящим солнцем и чайками. Переходы чёткие, а детали из запроса на месте: туман, канат, чайки, солнце. Это сильная сторона Wan 3: длинный ролик с монтажной структурой по цене двух коротких клипов. Тот же приём мы разбирали для других моделей в статье Раскадровка и сториборд с ИИ.
Пример 4. Оживление картинки
Стартовый кадр: маяк на фоне луны, созданный в Midjourney V8.
Промпт: «The camera slowly pushes in toward the lighthouse, clouds drift across the huge moon, waves glow and roll against the rocks, the lantern light flickers, deep ocean ambience and soft wind».
Модель: wan-30, из изображения, 5 секунд, 720P, звук, 40 токенов. Композиция стартового кадра сохранена, а ожили именно те элементы, которые мы просили: волны, облака и свет фонаря. Откуда взялся кадр, читайте в обзоре Midjourney V8. Больше про оживление картинок мы писали в статье Как оживить картинку нейросетью.
Сравнение: Wan 3, FLUX 3 и Wan 2.7 на одном запросе
Мы запустили запрос про скрипача из первого примера ещё на двух моделях: FLUX 3 Video и Wan 2.7.
FLUX 3 Video
Модель: flux-3, из текста, 5 секунд, 720p, звук, 85 токенов. Кадр красивый и атмосферный, камера действительно приближается, скрипач идёт по мосту. Но герой остаётся на общем и среднем плане, крупного плана в ролике нет, а цена за тот же ролик вдвое выше, чем у Wan 3. Подробнее о модели читайте в обзоре FLUX 3.
Wan 2.7
Модель: wan-27, из текста, 5 секунд, 720p, 40 токенов. Тот же запрос: общий план моста с одним фонарём, затем средний и крупный план руки скрипача с дождём. Картинка кинематографичная, камера движется ровно так, как просили. Каталог не отмечает у Wan 2.7 генерацию звука, но в файле есть дорожка; по измерению громкости она заметно тише, чем у Wan 3 (средний уровень около минус 26 дБ против минус 14 дБ). Разница между поколениями на этом запросе небольшая: ключевое преимущество Wan 3 в длине клипа и многокадровой структуре, а не в картинке одного плана. Подробнее о предыдущем поколении читайте в обзоре Wan 2.7.
| Критерий | Wan 3 | Wan 2.7 | FLUX 3 Video |
|---|---|---|---|
| Токенов за 5 с, 720p | 40 | 40 | 85 |
| Звук | Да, цену не меняет | В каталоге не отмечен, в файле тихая дорожка | Да |
| Максимальная длина | 30 с | 15 с | 20 с по описанию BFL |
| Многокадровая сцена | Да, проверено на 10 с | Не тестировали | Заявлена BFL |
Таблица построена на наших замерах цены и параметрах каталога. Качество в одинаковых условиях сравнивайте на своих запросах.
Как писать промпты для Wan 3
- Сцена, действие, камера, звук. Звук пишите отдельной фразой в конце: «the sound of rain and a melancholic violin melody».
- Планы нумеруйте. «Shot 1, Shot 2, Shot 3» и тип плана: wide, close-up.
- Реплики в кавычках. Для русского языка пишите «говорит по-русски» и саму фразу в кавычках.
- Длительность подбирайте под число планов. Три плана комфортно умещаются в 10 секунд.
- Проверяйте речь. Прогоните готовый файл через распознавание речи за 1 токен и сверьте текст.
Больше шаблонов в статье Промпты для ИИ-видео: шесть блоков.
Для каких задач подходит
- Реклама и соцсети. Ролики со звуком и русской речью.
- Многокадровые истории. Сцена из трёх планов за одну генерацию.
- Оживление иллюстраций. Обложки, афиши, стартовые кадры из Midjourney или Nano Banana Pro.
- Длинные атмосферные вставки. До 30 секунд по заявлению Alibaba.
- Сериальный контент с референсами. Герои и голоса из загруженных файлов.
Сильные и слабые стороны
Сильные стороны
- Звук в одном проходе и без доплаты.
- Низкая цена: 40 токенов за 5 секунд в 720P.
- Многокадровая структура на 10 секунд работает.
- Русская реплика прозвучала дословно.
Слабые стороны
- Максимум заявлен 30 секунд, но мы проверяли только 10.
- Музыку и шумы мы на слух не расшифровывали.
- Референсы, документы и ссылки в этом обзоре не тестировались.
- Для 1080P цена вдвое выше.
Когда выбирать Wan 3, а когда нет
Выбирайте Wan 3, когда нужен недорогой ролик со звуком, особенно с русской репликой, или многокадровая сцена на 10 секунд. Если вам нужна сложная режиссура с диалогами нескольких героев, посмотрите Kling 3.0. Если нужно максимальное качество кадра при любых затратах, сравните с Veo 3.1 и Seedance 2.5.
Как попробовать Wan 3 в Артиллекте
- Откройте видеогенератор и выберите wan-30.
- Вставьте промпт или загрузите стартовое изображение, включите звук.
- Выберите длительность и разрешение и проверьте оценку стоимости.
- Для автоматизации подключите Артиллект через MCP.
Оплата в рублях, без VPN, токены не сгорают. Цены в статье актуальны на октябрь 2026 года.
Частые вопросы
Что такое Wan 3? Это видеомодель Alibaba, вышедшая в общий доступ 24 августа 2026 года. Она создаёт ролики до 30 секунд со звуком.
Сколько стоит Wan 3 в Артиллекте? По нашему замеру в октябре 2026 года: 40 токенов за 5 секунд в 720P, 80 за 10 секунд и 80 за 5 секунд в 1080P. Звук цену не меняет.
Умеет ли Wan 3 говорить по-русски? В нашем тесте реплика на русском прозвучала дословно. Проверяйте результат на своих фразах.
Чем Wan 3 отличается от Wan 2.7? Клипы вдвое длиннее, звук создаётся вместе с видео, а цена за 5 секунд в 720P такая же: 40 токенов.
Есть ли открытые веса? По сообщениям источников, нет: модель доступна только через облако.
Доступна ли модель без VPN? В Артиллекте да: без VPN, с оплатой в рублях.