Lo que cuesta de verdad un clip de Wan 3.0, contando los intentos

Alibaba publica la tarifa: 0,05 $, 0,10 $ y 0,20 $ por segundo de salida a 480P, 720P y 1080P. Multiplica por los segundos y tienes el precio de una generación, que es un número real y casi nunca es tu factura.

Entre los dos hay cuatro cosas. Tres están ampliamente documentadas y rara vez reunidas en un solo sitio; una te factura el vídeo que aportaste tú en vez del que hizo el modelo, y no la hemos encontrado escrita para creadores en ninguna parte. Aquí está la aritmética completa, usando solo precios de lista publicados.

Ese es el suelo. Ahora los multiplicadores.

Todas las tarifas y todos los techos de abajo salen de la referencia de la API de Wan 3.0 y del esquema de create-task, consultados el 2026-08-25. Lo que cobra Alibaba está en su propia lista de precios; lo que cobramos nosotros, en la nuestra.

Multiplicador uno: los intentos que tiras

De tres a cinco generaciones por clip aprovechable es el supuesto de trabajo en toda esta categoría, y Wan 3.0 no es una excepción. La tarifa publicada de nadie incluye eso, porque una tarifa describe una generación y ningún encargo se ha terminado nunca con una sola generación.

Así que la unidad honesta es el coste por toma buena, no el coste por segundo. A cuatro intentos, un clip de diez segundos a 720P cuesta 4,00 $, no 1,00 $. Ese es el número con el que merece la pena presupuestar, y es también sobre el que más control tienes — mira el bucle de más abajo, que lo recorta a menos de la mitad sin cambiar el resultado.

La mitad de esto que no está en tu mano es si los fallos se cobran. Una generación que devuelve FAILED no produjo nada, y los proveedores de modelos no facturan por ella, así que si aparece o no en tu factura es una decisión de política de quien se sitúa entre tú y el modelo. Nosotros los reembolsamos solos; la taxonomía completa de fallos está aquí.

Multiplicador dos: los segundos de clip de referencia se facturan como salida

Este es el que produce la factura desconcertante.

Cuando adjuntas un clip de referencia, sus segundos se facturan a tu tarifa de salida, por encima de los segundos que pediste. Todos los proveedores que podemos leer lo dicen de forma independiente, y la fórmula que publican es la misma:

segundos facturables = segundos de entrada + segundos de salida solicitados

Redondea al segundo entero y multiplica por la tarifa de la resolución. Así que un clip de referencia de 4,5 segundos que impulsa una salida de 5 segundos a 720P son 10 segundos facturables, 1,00 $, frente a los 0,50 $ que habías presupuestado. Exactamente el doble, para un clip que sigue durando cinco segundos.

Dos cosas lo hacen menos alarmante de lo que parece al principio. Solo afecta a las referencias de vídeo. Las imágenes de referencia, el audio de referencia, los documentos y los enlaces web no añaden nada a la factura — puedes adjuntar diez imágenes y cinco clips de audio gratis, y solo se mide la familia del vídeo. Y se ve a posteriori: la respuesta lleva input_video_duration junto a output_video_duration, que es justo el campo con el que conciliar.

La consecuencia para la planificación merece decirse sin rodeos, porque invierte la intuición: con Wan 3.0, un clip de referencia de quince segundos es la entrada más cara que puedes adjuntar, y diez imágenes de referencia son gratis. Si un fotograma fijo puede llevar la misma información que un clip — una cara, un producto, una localización, una paleta — usa el fijo.

Donde más muerde esto es al continuar un clip que ya tienes, porque ahí el clip de referencia es justamente el objetivo y no puedes cambiarlo por un fijo. Alargar un clip se factura por los segundos que envías además de los que recibes, y por eso recortar hasta la cola antes de subirlo es a la vez lo más barato y lo que te compra más metraje nuevo.

Multiplicador tres: la duración inteligente reserva el techo

Wan 3.0 acepta -1 como duración, que significa decide tú cuánto debe durar esto. Es una función genuinamente buena y un riesgo de facturación, porque el precio no se puede conocer en el momento de enviar.

Los proveedores lo resuelven de dos maneras incompatibles. Unos reservan los treinta segundos completos, luego liquidan contra la salida real y devuelven la diferencia. Otros simplemente cobran el techo de treinta segundos y se lo quedan. La diferencia entre esas dos políticas, en un clip que el modelo decide que dure seis segundos, es de 4,80 $ a 1080P — la diferencia entre 1,20 $ y 6,00 $.

No hay forma de saber en qué política estás salvo leyendo las condiciones, así que la costumbre segura es indicar la duración. Pide una duración explícita y el número del botón es el número que pagas.

Multiplicador cuatro: las variantes multiplican, no se agrupan

Cuatro variantes de Wan 3.0 del mismo prompt cuestan cuatro veces una variante. No hay descuento por lote dentro de una petición, y no hay razón para esperarlo: el modelo se ejecuta cuatro veces.

Escrito así es obvio y en una interfaz con una ficha de «4» se olvida fácil. Es además la forma más rápida de quemar presupuesto a 1080P: cuatro variantes de treinta segundos son 24,00 $ de cómputo para responder una pregunta que tres borradores a 480P por 4,50 $ habrían respondido mejor, porque habrías visto tres ideas distintas en lugar de cuatro versiones de una.

El único ajuste que cuadruplica la factura a cambio de nada

Si no fijas una resolución, Wan 3.0 genera a 1080P. Ese es el valor por defecto, no te avisa, y es cuatro veces la tarifa de 480P para un resultado que probablemente ibas a repetir de todos modos. Corregirlo no cuesta nada y dejarlo cuesta muchísimo — los otros ajustes silenciosos están aquí, y qué nivel quiere de verdad cada trabajo es una decisión que conviene tomar una vez y no clip a clip.

Tres cosas que no cambian lo que pagas

Esa primera fila merece un segundo de atención, porque elimina una decisión que la gente sufre mucho. No hay ningún descuento silencioso. Si quieres el clip mudo, déjalo mudo porque el silencio le va bien al montaje.

El bucle que reduce la factura a la mitad

Todos los niveles de calidad son el mismo modelo. 480P no es un Wan 3.0 menor con peor comprensión del prompt; es la misma generación a la cuarta parte de los píxeles y a la cuarta parte del precio. Lo que significa que hacer borradores baratos no te cuesta nada salvo resolución, y el encuadre, el movimiento, el ritmo y el sonido se leen bien a 480P.

Dos vías hacia un mismo clip terminado de diez segundos, con cuatro intentos en las dos:

Las mismas cuatro generaciones, los mismos cuatro aprendizajes, un 56 % menos de dinero. A treinta segundos la brecha se abre a 24,00 $ frente a 10,50 $, porque todo escala linealmente con la duración y la disciplina escala con ella.

El fallo que la gente comete de verdad no es gastar de más en 1080P. Es repetir a 1080P mientras todavía está decidiendo cuál es el plano, que es pagar cuatro veces por una información que llega idéntica a la cuarta parte del precio. Los seis pasos de ese bucle, en orden, conviene tenerlos delante las primeras sesiones; el ahorro está en el orden, no en los ajustes.

Lo que cuesta un minuto terminado, en las unidades que usan los rankings

Convertido a la unidad que usan las tablas públicas, Wan 3.0 al precio de lista de Alibaba sale a 3,00 $ por minuto a 480P, 6,00 $ a 720P y 12,00 $ a 1080P.

Ese número del medio es el interesante. En la arena de texto a vídeo de Artificial Analysis, tabla With Audio, instantánea del 2026-08-25, Wan 3.0 está en lo alto de la tabla por Elo — y la columna de precio de la propia tabla, para él, está en blanco. Rellenarla con la tarifa publicada pone el 720P en 6,00 $ por minuto, que queda a la par del segundo clasificado y por debajo del tercero, que está en 7,80 $.

Dos apuntes de honestidad sobre eso, porque es el número que más probablemente nos van a devolver. La posición de Wan 3.0 se apoya en 5.728 votos, la muestra más pequeña de los cinco primeros, y su margen sobre el segundo es de tres puntos Elo frente a un intervalo de confianza de unos nueve. La propia tabla le da un rango de puesto de 1–2. «Empatado en lo más alto, a un precio menor que los modelos de alrededor» se sostiene. «El mejor modelo, demostrado» no, y quien te diga lo contrario no ha leído la columna de la muestra.

Los costes que nunca salen en un tarifario

Una tabla por segundo solo puede ponerle precio al cómputo. Hay cuatro cosas que cuestan más que el cómputo de forma fiable, y ninguna aparece como partida.

Renderizados que pagaste y luego perdiste. Los enlaces de salida de Wan 3.0 caducan 24 horas después de terminar la tarea. Un clip que se generó perfecto y no se descargó nunca es una pérdida total, y es invisible: no es un fallo, es un éxito que nadie recogió. Uses lo que uses, los archivos terminados tienen que aterrizar en algún sitio permanente en cuanto existen.

Tomas buenas a las que no puedes volver. Wan 3.0 acepta una semilla entre 0 y 2.147.483.647, y la misma semilla con el mismo prompt y los mismos ajustes reproduce el mismo clip. Apunta la semilla, el prompt exacto y la resolución junto a cada resultado que te guste. Es la costumbre más barata de todo el flujo de trabajo y la más fácil de saltarse: sin ella, volver a encontrar la toma buena es otra ronda de intentos a precio completo.

Prompts que se reescribieron en silencio. La expansión está activada por defecto, así que el texto que se ejecutó a menudo no es el que escribiste. La respuesta te devuelve orig_prompt justo por eso. Si tu herramienta lo descarta, estás ajustando contra un prompt que nunca viste, que es como acaba uno convencido de que el modelo es inconsistente.

Tareas que caducaron en vez de fallar. Un task_id de Wan 3.0 es válido 24 horas. Consúltalo después y obtienes UNKNOWN, que no es ni éxito ni fallo y es el único estado que las reglas de reembolso automático suelen pasar por alto.

Los cuatro son problemas de flujo de trabajo y no de precio, y por eso comparar tarifarios dice tan poco sobre lo que cuesta un mes de verdad. Cuatro preguntas que merece la pena hacerle a cualquier servicio, este incluido: dónde viven mis archivos pasadas 24 horas, puedo ver qué prompt se ejecutó realmente, qué pasa con una tarea que caduca y qué pasa con una que falla. Aquí las respuestas son almacenamiento permanente en cuanto una tarea termina, el identificador del modelo y el de la tarea mostrados junto a cada resultado, las tareas caducadas marcadas como caducadas y no como fallidas, y las tareas fallidas reembolsadas sin abrir incidencia. La taxonomía de fallos tiene el detalle.

Cinco preguntas antes de darle a generar

1. ¿Está fijada la resolución, o está a punto de irse por defecto a la cara?
2. ¿Esto es un borrador o un final? Si dudas, es un borrador, así que 480P.
3. ¿Hay un clip de referencia de vídeo adjunto, y le sumaste sus segundos a la estimación?
4. ¿La duración es explícita, o -1 está a punto de reservar treinta segundos?
5. ¿Cuántas variantes, y te enseñarían más tres prompts distintos que cuatro versiones de uno?

Preguntas frecuentes

¿Cuánto cuesta Wan 3.0 por segundo?

Alibaba publica 0,05 $ por segundo a 480P, 0,10 $ a 720P y 0,20 $ a 1080P, facturados sobre segundos de salida. Eso deja un clip de cinco segundos en 0,25 $, 0,50 $ y 1,00 $, y uno de treinta en 1,50 $, 3,00 $ y 6,00 $. El sonido se genera en la misma pasada en todos los niveles y no cambia la tarifa.

¿Por qué cuesta más wan3.0-video-prime que wan3.0-video?

Prime es el segundo identificador de modelo que publica Alibaba, y tiene un precio más alto: 0,068 $ por segundo a 480P, 0,14 $ a 720P y 0,28 $ a 1080P, que es alrededor de un 40 por ciento por encima de la tarifa estándar a 720P y 1080P. Las especificaciones de salida publicadas son idénticas en los dos — de 480P a 1080P, de 2 a 30 segundos, 30 fps — y la propia lista de modelos de Alibaba etiqueta prime como de alta velocidad, así que lo que el sobreprecio está documentado que compra es tiempo de entrega, no una imagen distinta. Son precios de lista, y el descuento de lanzamiento que corre hasta el 24 de septiembre no cubre prime, lo que hace la brecha temporalmente mayor del 40 por ciento: Wan 3.0 Prime tiene la aritmética por fechas.

¿Cuánto cuesta un vídeo de 30 segundos con Wan 3.0?

A la tarifa publicada por Alibaba, 1,50 $ a 480P, 3,00 $ a 720P y 6,00 $ a 1080P por una generación. Presupuesta de tres a cinco generaciones para un clip que vayas a publicar de verdad, y haz los primeros a 480P.

¿Por qué me cobraron más que la duración que pedí?

Casi con seguridad, por un clip de referencia. Sus segundos se facturan a tu tarifa de salida por encima de los segundos de salida, redondeados al segundo entero. Las imágenes de referencia, el audio, los documentos y los enlaces no añaden nada.

¿Apagar el audio abarata Wan 3.0?

No. La tabla de parámetros dice que activar o desactivar el audio no afecta al precio, porque imagen y sonido se generan en la misma pasada. No hay dinero en silenciarlo.

¿Sale más barata la duración inteligente que elegir una duración?

No suele. Como la duración se desconoce al enviar, los proveedores o bien reservan el techo de treinta segundos y devuelven la diferencia, o bien cobran el techo directamente. Indicar una duración elimina la pregunta.

¿Cuesta más un prompt largo?

No. Wan 3.0 factura segundos de salida, no caracteres de entrada, y el techo es de 20.000 caracteres. Describe el plano como es debido.

¿Es Wan 3.0 caro comparado con otros modelos?

Por minuto de vídeo terminado con sonido, el 720P sale a 6,00 $ — lo mismo que el modelo que va justo por debajo en la tabla With Audio de Artificial Analysis y menos que el siguiente. No es un modelo barato y tampoco es un caso atípico.