Wan3.0: Alibaba transforma PDF, PowerPoint y páginas web en videos de 30 segundos
Alibaba avanza aún más en el ámbito de la video generativa con Wan3.0, que es capaz de producir videos de hasta 30 segundos en 1080p a partir de texto, imágenes, audio, así como de PDF, PowerPoint o páginas web.
Más que una herramienta creativa, este modelo representa una nueva pieza comercial para Alibaba Cloud, en un momento donde el grupo ha recaudado más de 10 mil millones de dólares para financiar su ofensiva en inteligencia artificial.
Wan3.0 produce videos de 30 segundos
Wan3.0 duplica la duración máxima propuesta por la generación anterior. El nuevo modelo puede producir hasta 30 segundos de video en una sola generación, con una definición que puede alcanzar el 1080p.
Alibaba destaca especialmente la coherencia a lo largo de toda la secuencia: personajes, accesorios, entorno, estilo visual y movimientos deben permanecer suficientemente estables para construir una pequeña narrativa en lugar de una sucesión de planos artificiales.
El modelo también genera el audio y los diálogos, con soporte para varios idiomas.
El modelo ya estaba accesible desde principios de agosto
Sin embargo, la presentación del 24 de agosto no marca la primera aparición de Wan3.0. Alibaba Cloud ya había abierto el modelo en Model Studio desde el 6 de agosto, ofreciendo acceso anticipado a sus nuevas funciones.
El lanzamiento actual, por lo tanto, representa más un impulso comercial y una expansión gradual del acceso que un descubrimiento real del modelo. La API se distribuye, de hecho, en forma de vista previa con aprobación, antes de una disponibilidad más general anunciada para más adelante.
This is Wan3.0.
Simple Input. Smart Creation. Where Imagination Meets Reality.
Wan3.0 is now generally available.🎉 Launch offer: Get 30% off Wan3.0 (Standard) on Alibaba Cloud Model Studio and Qwen Cloud from August 23 to September 23. pic.twitter.com/GVogLtvzjK
— Wan (@Alibaba_Wan) August 24, 2026
PDF y PowerPoint transformados directamente en video
La función más original de Wan3.0 probablemente no es su duración. Alibaba habla de un enfoque «Todo a video». El modelo acepta texto, imágenes, videos y audio, pero también documentos directamente: .doc, .xls, .ppt, .pdf, markdown e incluso páginas web. El usuario puede proporcionar una presentación comercial o un documento existente y solicitar a la IA que produzca una versión en video.
Aquí es donde la propuesta se vuelve especialmente interesante. Wan3.0 puede, por supuesto, producir cortometrajes o contenido para redes sociales. Sin embargo, el soporte para documentos abre la puerta a usos mucho más profesionales.
Una empresa podría teóricamente entregar un PowerPoint de lanzamiento de producto y generar un video de marketing, un informe puede convertirse en una animación educativa, una página web puede servir como referencia para una presentación audiovisual, y un archivo que contenga datos puede ser transformado en una visualización animada.
Wan3.0 así se presenta como una herramienta de productividad multimedia tanto como un generador de videos artísticos.
Hasta 50 páginas y 100 MB por documento
Alibaba especifica las limitaciones actuales. Cada solicitud puede utilizar un archivo o un enlace con un tamaño máximo de 100 MB, con hasta 50 páginas. El modelo utiliza luego el documento como referencia para organizar el contenido del video.
Este enfoque podría reducir significativamente el trabajo necesario para transformar una presentación interna en contenido destinado a un cliente, una formación o una campaña social.
El interés comercial es evidente: reemplazar varias etapas manuales de producción por una generación centralizada.
Alibaba promete mayor coherencia visual
Wan3.0 también mejora el modo de referencia. Se espera que el modelo preserve de manera más precisa la apariencia de un personaje, objeto o entorno a lo largo de la generación.
Este es uno de los grandes problemas actuales de los modelos de video. Una persona puede cambiar ligeramente de rostro, un producto puede perder un botón, o un escenario puede transformarse entre dos planos. Estas variaciones son especialmente visibles cuando la secuencia supera unos pocos segundos.
Pasar a 30 segundos hace que la coherencia sea aún más importante.
El audio se genera de forma nativa
Wan3.0 también produce su propio entorno sonoro. Alibaba habla de generación audiovisual nativa, con voces, diálogos y sonidos integrados directamente en el proceso. Se espera que el modelo sincronice las microexpresiones faciales con el habla. Nuevamente, se requerirán más evaluaciones independientes para medir la calidad real.
Alibaba incluso reconoce varias limitaciones, especialmente en la textura de audio y la precisión del texto mostrado en pantalla.
De 1,50 a 6 dólares por 30 segundos
Alibaba adopta una estructura de precios muy clara. El costo depende de la definición: 0,05 dólares por segundo en 480p, 0,10 dólares en 720p y 0,20 dólares en 1080p. Un video completo de 30 segundos cuesta 1,50 dólares en 480p, 3 dólares en 720p o 6 dólares en 1080p. A la hora, el costo teórico de 1080p alcanza los 12 dólares.
Para un equipo de marketing que genera decenas de variantes de un mismo anuncio, esta estructura de precios puede resultar rápidamente atractiva.
El precio no es suficiente para demostrar la superioridad
Alibaba se posiciona de manera agresiva frente a Google y otros proveedores de video generativa. Sin embargo, comparar precios por segundo no es suficiente. Un modelo dos veces más barato puede acabarse convirtiendo en más costoso si el usuario debe reiniciar la generación cinco veces para obtener un resultado utilizable.
La calidad, el respeto por las indicaciones, la coherencia, el tiempo de generación o la tasa de fallos, son todos elementos que determinan el costo real de un video utilizable. Sin embargo, Wan3.0 aún no cuenta con un volumen suficiente de benchmarks independientes para llegar a una conclusión.
Las prestaciones siguen siendo las de Alibaba
Esa es la principal precaución que hay que tener en cuenta. Las demostraciones de Wan3.0 son impresionantes, pero son proporcionadas por Alibaba. El modelo acaba de llegar y aún no ha sido ampliamente sometido a clasificaciones independientes de generación de video. Por lo tanto, es demasiado pronto para saber cómo se posiciona frente a los mejores modelos de Google, OpenAI o las numerosas soluciones chinas.
La video generativa evoluciona tan rápidamente en la actualidad que un ranking puede cambiar en cuestión de semanas.
China se ha vuelto imprescindible en video IA
Wan3.0 llega a un campo donde los laboratorios chinos han adquirido una importancia notable. La competencia es mucho más fragmentada que en el mercado de chatbots. Los actores chinos han desarrollado múltiples modelos capaces de producir videos largos o altamente controlables a precios agresivos.
Alibaba posee aquí una ventaja adicional: una infraestructura en la nube capaz de vender directamente el modelo a las empresas.
Wan3.0 ya no es un modelo abierto
No obstante, el lanzamiento marca un cambio estratégico. Alibaba había construido en gran medida la reputación de Wan en torno a modelos cuyos pesos estaban disponibles públicamente.
Wan2.2, publicado en julio de 2025, había sido acompañado de su código de inferencia y sus pesos. Esto no ocurre con Wan3.0. Por ahora, su uso pasa por los servicios en la nube de Alibaba. El modelo se convierte, por lo tanto, en un producto comercial cerrado en lugar de una nueva base que los desarrolladores puedan descargar y ejecutar por sí mismos.
Alibaba busca monetizar más su ventaja
Este cambio no es probablemente un accidente. Alibaba está invirtiendo cantidades significativas en inteligencia artificial y ahora debe demostrar que parte de esos gastos pueden generar ingresos. El grupo acaba de anunciar una emisión de acciones en Hong Kong por un valor de aproximadamente 10,2 mil millones de dólares, cuyos fondos se destinarán al desarrollo de su infraestructura, chips y modelos de inteligencia artificial.
Wan3.0 llega, por lo tanto, en un contexto financiero muy diferente al de los primeros modelos Wan de código abierto. No es suficiente construir una comunidad; también se necesita vender capacidad de cómputo.
Finalmente, Wan3.0 no busca solo generar mejores videos. Alibaba intenta transformar la video generativa en un servicio en la nube ordinario: una herramienta por la que las empresas paguen por segundo, como ya lo hacen con almacenamiento o computación.
