阿里Wan3.0视频模型低调公测：30秒长视频价格砍半，附10个实测案例

阿里 Wan3.0 视频模型低调上线，30 秒长视频价格砍半

昨晚刷手机，看到阿里在千问创作端（c.qianwen.com）悄悄公测了新一代视频生成模型 Wan3.0。没有大张旗鼓的发布会，但消息传开后，圈子里已经炸了。

跟朋友要了个内测资格，连夜跑了二十多个测试案例，挑出 10 个有代表性的分享给大家。先说结论：这个模型在长视频生成、多模态参考、指令遵循这几个维度上，确实有两把刷子。

价格直接打到友商一半

先看最敏感的部分——定价。

Wan3.0 的收费标准是：480P 每秒 0.3 元，720P 每秒 0.6 元，1080P 每秒 1.2 元。换算下来，大概是同类产品 Runway Gen-3 的 40% 到 50%。

而且它支持生成 30 秒的完整视频，目前市面上能做到这个时长的模型屈指可数。更关键的是，Wan3.0 不只是支持文本、图片、视频、音乐这四种基础模态，还能直接读取网页链接和 Word 文档。这意味着你丢给它一个产品说明文档，它就能直接生成对应的视频内容。

十个实测案例，看看真实水平

为了不吹不黑，每个案例只跑一次正式生成，不反复抽卡。以下是我挑出来的几个代表性场景。

霓虹粒子城市 MV：视觉冲击力拉满

提示词要求生成一支 30 秒的赛博朋克电子音乐 MV，洋红与青蓝主色调，粒子构成的奔跑者，最后变成霓虹凤凰穿越云层。

实际效果：粒子到凤凰再到城市远景的转换非常连贯，没有硬切，光影和材质质感都在线。视觉冲击力我给 9 分，提示词遵循度 9 分，连续性和运镜 8.5 分。在抽象视觉和长距离空间运动上，Wan3.0 的表现确实让人意外。

液态金属芭蕾：复杂指令完成度高

这个案例要求舞者与液态金属共舞，金属要经历液态、丝带、薄片、圆环四种状态转换，全程单镜头拍摄。

结果：舞者动作连贯稳定，金属状态转换自然，最终银环清晰呈现。整个视频有超现实高级艺术短片的感觉。唯一的小瑕疵是金属丝带在个别帧的物理反馈稍显生硬，但整体完成度已经很高。

深夜便利店微短剧：情绪表达到位

这个案例考验的是人物一致性和情感表达。要求同一男主和女店员贯穿全片，女店员多给一串鱼丸，说一句”今天也辛苦了”。

结果：男女主角的外貌特征、服装细节全程保持一致，雨夜冷暖光对比处理得很好，男主克制表演和结尾便利店远景都成立。那句台词也准确生成了。唯一遗憾的是”多给一串鱼丸”这个动作细节没有特别突出，但整体情绪表达已经相当到位。

香水瓶里的沙漠风暴：产品稳定性出色

用一张参考图锁定无品牌香水瓶，要求瓶内出现微缩沙漠、沙尘涡旋、金色气泡的完整叙事。

Wan3.0 在单图产品稳定性上表现不错：瓶型、玻璃质感、瓶盖和琥珀色液体贯穿 30 秒都保持稳定，还能把”瓶内沙漠—沙尘涡旋—金色气泡”做成完整广告叙事。指令遵循能力确实强。

火星快递品牌片：四张分镜准确扩成完整叙事

这个案例给了四张参考分镜，要求生成一支火星快递品牌片，锁定同一快递员、同一快递车、同一岩石生物。

结果：四张分镜被准确扩成了一支结构完整的 30 秒品牌短片，人物、包裹、岩石生物和色彩标识都保持稳定。唯一不足是最后一个镜头中，头盔反射里的青绿色三角形看起来像是印上去的，反射效果不够自然。

折纸鲸穿过纸上城市：多参考分镜控制力强

要求按四张参考分镜生成折纸定格动画，锁定同一只靛蓝色折纸鲸和同一座纸上城市。

这条测试说明 Wan3.0 对”多参考分镜＋单一视觉”的控制有明显提升：同一只折纸鲸、同一座纸城和同一条蓝纸河能够连续跨越 30 秒，金色胸鳍与三栋地标也没有漂移。

末班地铁的第二个自己：首尾帧控制惊艳

这个案例要求首帧和尾帧严格锚定，女主在地铁车厢里看到自己的倒影延迟半秒动作，最后倒影站起来说”轮到我了”。

Wan3.0 的首尾帧控制力确实强：不仅复现了开场的空地铁与车窗倒影，还能在 30 秒内保持同一人物、同一服装和同一车厢轴线，最后把”反射站起来、本体仍在座位旁”的关键尾帧稳定落地。分身逻辑和长镜头连续性都很强。

电商后台 AI 商品助手功能发布片：文档参考实用

这个案例用了一张电商后台设计稿和一份功能说明 TXT，要求生成 30 秒的产品发布演示视频。

结果：五个阶段几乎完全准确，主标题、四步流程、任务状态都保留了。虽然小字和拖放细节会有点小漂移，但作为产品概念片已经有很高的可用度。这个”全能参考”能力对做产品演示的人来说非常实用。

机械腕表城市机芯：工业设计参考扩成概念片

三张参考图（正面、背面、爆炸结构图）被真正组织成了”外观展示—轴向拆解—机芯城市—回装复原”的 30 秒连续广告。产品身份、机械结构和橙色光轨都能前后对应。

已经能把静态工业设计参考扩成高完成度概念片了，这对做产品广告的团队来说是个好消息。

黑洞吞噬恒星科普视频：PDF 参考直接生成

Wan3.0 能够读取科普 PDF 和确定性结构图，把黑洞潮汐瓦解压成四阶段、带中文标签与旁白的解释动画，结构清晰。适合做科普视频的片段。

Agent Team 模式：多智能体协作创作

这次千问创作端还上线了一个新功能叫 Agent Team 模式。简单说，就是可以拉多个专业 Agent 协同创作，根据不同的创作需求，自动组建由编剧、导演、美术、视频师、剪辑师等组成的 AI 团队。

每个 Agent 各司其职，模拟真实内容团队的分工方式，让复杂的视频创作从”一个模型单点生成”升级为”多个专家共同完成”。目前这个功能还需要邀请码。

总结：性价比是最大杀器

跑完这二十多个案例，我的感受是：Wan3.0 在真实物理世界、光影、运动、表情等方面的表现可圈可点，人物一致性和稳定性都不错，BGM 和配音也能同步生成。

缺点也有：视频里的小字还是容易崩，个别细节的物理反馈偶尔会出错。但拿来做漫剧、短剧完全没有问题。

最大的优势还是那个：30 秒 1080P 音画同步视频，价格只有友商的一半。市场上出现越多强大的 AI 视频模型，对我们普通用户就越有利。厂商之间良性竞争，价格才会越来越便宜。

手机端用户也可以在千问 App 的 AI 生视频功能里选择 Wan3.0 体验，已经开启公测了，可以看看有没有灰度到。