Wan3.0 от Alibaba: 30 секунд видео из PDF или презентации — но веса впервые закрыли

24 августа 2026 года Alibaba перевела в общую доступность Wan3.0 — новое поколение своей модели генерации видео. Главная цифра релиза — 30 секунд ролика за один проход, вдвое больше прежнего лимита в 15 секунд. Но интереснее другое: на вход модели теперь можно подать не только текст и картинку, а целый документ — PDF, презентацию, таблицу — и получить из него готовое видео со звуком. И одновременно с этим Alibaba впервые не стала выкладывать веса модели в открытый доступ.

Что именно выпустили

Wan3.0 находилась в публичной бете примерно с 6 августа, а 24 августа компания объявила о полноценном запуске. Официальный аккаунт проекта подтвердил статус general availability (общая доступность) и стартовую акцию: 30% скидки на тариф Standard в период с 23 августа по 23 сентября.

Ключевые параметры релиза:

• Длительность — до 30 секунд одним непрерывным проходом. Предыдущее поколение серии упиралось в 15 секунд, и это ограничение заставляло склеивать длинные сцены из кусков, теряя связность.
• Разрешение — 480p, 720p или 1080p при 30 кадрах в секунду.
• Звук — генерируется по умолчанию, вместе с многоязычной озвучкой и синхронизацией мимики говорящего с речью.
• Редактирование — модель умеет править уже сгенерированный ролик: менять картинку, сюжетную линию и диалоги, а также продлевать видео.
• «Умная длительность» — по тексту запроса модель сама предлагает оптимальную длину ролика.

Alibaba Cloud формулирует прирост качества сдержанно: улучшены следование инструкции, согласованность между кадрами и качество звука. Заявленные технические акценты — высокая визуальная непрерывность, реалистичная прорисовка лиц с микромимикой и стабильный рендер интерфейсов и моушн-графики, то есть ровно тех вещей, на которых генеративное видео обычно «плывёт».

Документ на входе — видео на выходе

Самая заметная новинка Wan3.0 — не длительность, а список поддерживаемых входов. Модель принимает одновременно:

• текстовый промпт;
• до 10 изображений;
• до 5 видеофрагментов;
• до 5 аудиоклипов;
• публичные веб-страницы по URL;
• документы — PDF, Word, PowerPoint, Excel, Markdown, а также форматы Apple (Keynote, Pages, Numbers), с ограничением до 50 страниц и 100 МБ на файл.

Практически это означает, что путь от корпоративной презентации до видеоролика перестаёт требовать монтажёра. Раньше цепочка выглядела так: выжать тезисы из презентации, написать сценарий, собрать визуал, наложить озвучку. Wan3.0 предлагает отдать ей PPTX целиком и получить ролик, который пересказывает содержимое. Модель также умеет переносить из референсов персонажей, реквизит, звук, пространственную композицию и стиль — то есть держать единый визуальный язык между роликами одной серии.

Заявленные сценарии применения у Alibaba широкие: кино и короткие сериалы, контент для соцсетей, маркетинговые и обучающие видео для бизнеса, а также генерация симуляционного видео для обучения систем автономного вождения и робототехники.

Сколько это стоит и как соотносится с Veo

Тарификация посекундная, по выходному видео:

• 480p — $0,05 за секунду, то есть около $1,50 за 30-секундный ролик;
• 720p — $0,10 за секунду, около $3,00 за ролик;
• 1080p — $0,20 за секунду, около $6,00 за ролик.

Это цены тарифа Standard. Существует и более быстрый тариф Prime — по данным издания The Decoder, он стоит примерно на 40% дороже: $2,04, $4,20 и $8,40 за 30 секунд соответственно.

Для сравнения: у Google Veo 3.1 в 1080p генерация видео со звуком стоит $0,40 за секунду, а без звука — $0,20 за секунду. То есть Wan3.0 в максимальном разрешении и со звуком выходит вдвое дешевле прямого конкурента, а с учётом стартовой скидки — почти втрое. Важная оговорка: независимых бенчмарков качества Wan3.0 на момент запуска ещё нет, поэтому сопоставлять пока корректно только цены, но не результат.

Разворот на 180 градусов: веса закрыты

Самое существенное изменение в релизе — не техническое. Alibaba, которая последние годы была одним из главных поставщиков открытых моделей и совсем недавно выпустила открытый флагман Qwen3.8-Max, на этот раз веса Wan3.0 не опубликовала. Предыдущие версии линейки Wan выкладывались открыто и стали основой для целой экосистемы форков, LoRA-адаптеров и локальных пайплайнов на потребительских видеокартах. Wan3.0 доступна только как хостируемый сервис.

Получить доступ можно тремя путями: через потребительский сайт wan.video, через Alibaba Cloud Model Studio и по API в Qwen Cloud. Доступ выдаётся по заявке — то есть регистрации и оплаты карты недостаточно, нужно пройти согласование, а учётные данные должны совпадать по региону.

Для российских разработчиков это двойное ограничение: и заявочный доступ, и отсутствие возможности поднять модель у себя. Тем, кто рассчитывал на очередной открытый релиз Wan под свои задачи, придётся оставаться на прошлых версиях.

Что это значит на практике

Если убрать маркетинг, релиз меняет три вещи.

Порог входа в видеоконтент опустился до цены обеда

Тридцатисекундный ролик в 720p стоит около $3 — это дешевле, чем час работы фрилансера-монтажёра, и на порядок дешевле съёмочного дня. Для владельца интернет-магазина или небольшой студии это меняет саму экономику: видеокарточку товара или короткий обучающий ролик становится дешевле сгенерировать, чем снять. Другой вопрос, что дешевизна генерации не отменяет необходимости в сценарии и вкусе — иначе лента наполнится одинаковыми роликами.

Документ становится полноценным форматом промпта

Это более глубокий сдвиг, чем кажется. До сих пор мультимодальность в видеомоделях означала «текст плюс картинка». Приём документов на 50 страниц превращает модель в инструмент, который сам извлекает структуру: заголовки, порядок разделов, цифры из таблиц. Для интеграции это значит, что в пайплайн можно подавать те артефакты, которые у бизнеса уже есть — отчёты, коммерческие предложения, методички, — не строя отдельный слой подготовки сценария.

Ценовое давление на западные видеомодели

Wan3.0 повторяет стратегию, которую Alibaba уже отработала на текстовых моделях: сопоставимая функциональность за половину цены. Если качество окажется хотя бы близким к Veo, конкурентам придётся отвечать ценой. Тот же сюжет мы уже видели в сегменте «рабочих» текстовых моделей, где Google удешевляла Gemini Flash под давлением дешёвых альтернатив.

О чём стоит подумать заранее

Возможность загрузить рабочий документ прямо в модель — сильная сторона Wan3.0 и одновременно её главный практический риск. Самостоятельного развёртывания нет, веса закрыты, а значит любой файл, отправленный на генерацию, физически уходит в облако Alibaba и обрабатывается по правилам китайской юрисдикции. Для рекламного креатива это не проблема. Для коммерческого предложения с ценами, внутренней методички или документа с персональными данными клиентов — вопрос, который лучше решить до, а не после интеграции.

Второй момент — предварительный статус API. Доступ по заявке и региональная привязка учётных данных означают, что закладывать Wan3.0 в продакшн-пайплайн на этой неделе рискованно: условия доступа у моделей в статусе preview меняются быстро. Разумная стратегия — протестировать на некритичных задачах, замерить реальное качество на своём материале и держать запасной вариант.

И третье: 30 секунд одним проходом — это всё ещё ролик, а не видео. Формат «сгенерировал и выложил» работает для соцсетей и карточек товара. Для чего-то длиннее по-прежнему нужны сценарий, монтаж и человек, который решает, что из сгенерированного вообще годится.