Wan 3.0 vs Wan 2.7：时长、输入、编辑和价格

16–30 秒生成、480P 初稿、更大参考集或文档和网页输入时选择 Wan 3.0。需要显式视频编辑或其单独的参考视频到视频控制时选择 Wan 2.7。 Wan 3.0 不只是画质升级：它将更多输入类型合并到一个参考模型中，而 Wan 2.7 暴露了专用编辑模式。^[1]^[2]

Wan 3.0 vs Wan 2.7 速览

需求	Wan 3.0	Wan 2.7 Video
文字/图片输出时长	2–30 秒	2–15 秒
分辨率	480P、720P、1080P	720P、1080P
首尾帧	支持	支持
参考图片	最多 10 张	最多 5 个主体参考
参考视频	最多 5 个，总时长 15 秒	最多 5 个；有视频时输出上限较低
参考音频	最多 5 个	每个主体的语音参考
文档输入	支持，最多 50 页/100 MB	不支持
公网网页输入	支持	不支持
专用源视频编辑	无单独编辑模式	支持
生成音频	默认开启	模式相关的音频控制

正确选择遵循请求形态而非版本号。

15 秒界限是最清晰的差异

Wan 2.7 文字转视频和图片转视频的上限是 15 秒。Wan 3.0 将该天花板翻倍至 30 秒。^[1]^[2]

这对连续场景至关重要。一段 24 秒的表演是一个 Wan 3.0 任务，但用 Wan 2.7 至少需要两个任务外加编辑。额外的拼接可能改变脸孔、房间布局、语音、衣着或镜头速度。

对于切成五秒镜头的广告则影响较小。短镜头列表已经有意图明确的编辑，而一个失败的五秒插入比替换 30 秒素材的最后五秒要便宜。更长时长仅在需要连续性时有用。

Wan 3.0 接受 2.7 不支持的素材

Wan 3.0 可以将 DOCX、XLSX、PPTX、PDF、text/Markdown 文件、Apple iWork 文档或公网免登录网页用作参考输入。文档最大 100 MB、50 页。^[1]

这使其适合以下工作：

从产品简报转换为概念片；
用公网产品页面作为视频背景；
提供演示稿或报告而无需手动将每一页转为图片；
在一个请求中组合文档与视觉和音频参考。

Wan 2.7 期望媒体和文字字段。应用必须先提取或总结文档再提交视频请求。

文档支持不应与确定性幻灯片渲染混淆。Wan 3.0 将素材作为参考解读。它可能选择不同场景、重新排列想法或省略细节。如果每个数字和屏幕文字必须精确匹配，先提取脚本和故事板。

Wan 2.7 仍有更清晰的编辑路径

Wan 2.7 暴露专用视频编辑模式：通过 video_url 发送源素材、描述改动，并选择声轨是自动处理还是保留原始。它可以用 duration: 0 处理完整源素材，遵循该模式的规则。^[2]

Wan 3.0 接受参考视频，但参考不承诺在改动一个对象时保留每一帧源素材。它与提示和其他资产一起解读该片段。对于"重新渲染这段源视频"而非"用这段片段作为指导"，Wan 2.7 是更明确的 API 契约。

参考限制改变预处理需求

Wan 3.0 接受最多十张参考图片、五段参考视频片段和五段参考音频片段。Wan 2.7 支持最多五个主体图片和五段参考片段，参考语音绑定到主体。^[1]^[2]

更高的图片限制有助于主体加衣着、产品、房间、灯光和道具参考。更多参考不是自动更好。矛盾的角度或身份可能使目标模糊。从定义镜头的最小集合开始，仅在参考提供其他参考缺失的信息时才添加。

没有模式时成本不可比

当前公网 reAPI 费率为：

模型	分辨率	每秒费率	简单 10 秒输出
Wan 3.0	480P	$0.038	$0.38
Wan 3.0	720P	$0.076	$0.76
Wan 3.0	1080P	$0.151	$1.51
Wan 2.7	720P	约 $0.074	约 $0.74
Wan 2.7	1080P	约 $0.121	约 $1.21

纯文字/图片生成时，Wan 2.7 在共享分辨率下略便宜。Wan 3.0 添加 480P 迭代层级和 30 秒天花板。

参考和编辑工作改变对比。Wan 2.7 可在输入计费模式中纳入探测的源时长进入可计费秒数，而 Wan 3.0 当前公网定价将费率乘以输出时长。检查输入模式而非用同一时长乘以两个模型都假设结果等价。^[1]^[2]

简单决策规则

满足以下任意条件时使用 Wan 3.0：

镜头必须超过 15 秒；
输入是文档或公网网页；
便宜的 480P 迭代过程有帮助；
工作需要更多参考图片；
一次多模态参考请求比构建预处理更简单。

满足以下条件时使用 Wan 2.7：

工作专门是源视频编辑；
15 秒足够；
其按主体的参考语音结构适应场景；
较低的 1080P 文字/图片生成费率对 3.0 的新输入更重要。

不要仅通过改模型 id 迁移

将 2.7 工作流移至 3.0 的应用应将其视为新请求 schema。Wan 2.7 分离主体参考、参考语音和源视频编辑字段。Wan 3.0 将参考媒体合并在不同的族下并添加 file_url、link_url 和显式 generation_type 选项。

为每个模型构建验证器并一次迁移一个模式。从纯提示生成开始，然后首尾帧，再混合参考。将 2.7 编辑请求保留在旧模型上直到 3.0 参考测试证明它满足相同验收标准。成功的 HTTP 响应不意味着语义操作保持相同。

同时在迁移期间显式设置分辨率和时长。Wan 3.0 添加 480P 并默认为 1080P；其 -1 时长行为在 reAPI 上保留至 30 秒天花板。静默默认改变是发现新模型成本概况的糟糕方式。

两者都通过其公网模型和文档页面可用：Wan 3.0、Wan 2.7 Video、Wan 3.0 文档和 Wan 2.7 文档。

参考资料

reAPI Wan 3.0 API 文档，访问时间 2026 年 8 月 23 日。
reAPI Wan 2.7 Video API 文档，访问时间 2026 年 8 月 23 日。
阿里巴巴云，"Wan 3.0: 30 秒 AI 视频生成，任意输入"，2026 年。