Ce que coûte vraiment un clip Wan 3.0, une fois les tentatives comptées

Alibaba publie le tarif : 0,05, 0,10 et 0,20 $ la seconde de sortie en 480P, 720P et 1080P. Multipliez par les secondes et vous avez le prix d’une génération, qui est un nombre réel et presque jamais votre facture.

Quatre choses se glissent entre les deux. Trois sont largement documentées et rarement rassemblées au même endroit ; la quatrième vous facture de la vidéo que vous avez fournie plutôt que de la vidéo que le modèle a fabriquée, et nous ne l’avons trouvée écrite nulle part à destination des créateurs. Voici toute l’arithmétique, sur les seuls prix de liste publiés.

C’est le plancher. Passons aux multiplicateurs.

Chaque tarif et chaque plafond ci-dessous vient de la référence de l’API Wan 3.0 et du schéma create-task, consultés le 2026-08-25. Ce qu’Alibaba facture est sur sa propre grille ; ce que nous facturons est sur la nôtre.

Multiplicateur un : les tentatives que vous jetez

Trois à cinq générations par clip utilisable, c’est l’hypothèse de travail dans toute cette catégorie, et Wan 3.0 n’y fait pas exception. Le tarif publié de personne n’inclut cela, parce qu’un tarif décrit une génération et qu’aucun brief n’a jamais été bouclé par une seule génération.

L’unité honnête est donc le coût par prise gardée, pas le coût par seconde. À quatre tentatives, un clip de dix secondes en 720P coûte 4,00 $, pas 1,00 $. C’est ce nombre qu’il vaut la peine de budgéter, et c’est aussi celui sur lequel vous avez le plus de prise — voyez la boucle plus bas, qui le réduit de plus de moitié sans rien changer au résultat.

La moitié de cela qui ne dépend pas de vous, c’est de savoir si les échecs sont facturés. Une génération qui renvoie FAILED n’a rien produit, et les fournisseurs de modèles ne la facturent pas : qu’elle atterrisse sur votre facture est une décision de politique prise par celui qui se tient entre le modèle et vous. Nous les remboursons automatiquement ; la taxonomie complète des échecs est ici.

Multiplicateur deux : les secondes de clip de référence sont facturées comme de la sortie

C’est celui qui produit la facture incompréhensible.

Quand vous joignez un clip de référence, ses secondes sont facturées à votre tarif de sortie, en plus des secondes que vous avez demandées. Chaque fournisseur que nous pouvons lire l’énonce indépendamment, et la formule qu’ils publient est la même :

secondes facturées = secondes de vidéo entrante + secondes de sortie demandées

Arrondi à la seconde entière, multiplié par le tarif de la résolution. Donc un clip de référence de 4,5 secondes pilotant une sortie de 5 secondes en 720P fait 10 secondes facturables, 1,00 $, contre les 0,50 $ que vous aviez budgétés. Exactement le double, pour un clip qui dure toujours cinq secondes.

Deux choses rendent cela moins alarmant qu’à la première lecture. Cela ne concerne que les références vidéo. Les images de référence, les pistes audio de référence, les documents et les liens web n’ajoutent rien : vous pouvez joindre dix images et cinq pistes audio sans un centime de plus, seule la famille vidéo est au compteur. Et c’est visible après coup — la réponse porte input_video_duration à côté de output_video_duration, précisément le champ sur lequel on rapproche.

La conséquence pour la planification mérite d’être dite platement, parce qu’elle inverse l’intuition : avec Wan 3.0, un clip de référence de quinze secondes est l’entrée la plus chère que vous puissiez joindre, et dix images de référence ne coûtent rien. Si une image fixe peut porter la même information qu’un clip — un visage, un produit, un lieu, une palette — prenez l’image fixe.

Là où cela mord le plus, c’est en prolongeant un clip que vous avez déjà, parce que le clip de référence y est tout l’intérêt et que vous ne pouvez pas l’échanger contre une image fixe. Prolonger un clip se facture sur les secondes que vous envoyez autant que sur celles que vous récupérez, ce qui explique pourquoi couper jusqu’à la fin avant d’envoyer est à la fois le geste le moins cher et celui qui vous achète le plus d’images neuves.

Multiplicateur trois : la durée automatique réserve le plafond

Wan 3.0 accepte -1 comme durée, ce qui veut dire décide toi-même de la longueur. C’est une fonction réellement bonne et un risque de facturation, parce que le prix ne peut pas être connu au moment de l’envoi.

Les fournisseurs résolvent cela de deux façons incompatibles. Certains réservent les trente secondes entières, puis régularisent sur la sortie réelle et remboursent la différence. D’autres facturent simplement le plafond de trente secondes et le gardent. L’écart entre ces deux politiques, sur un clip que le modèle décide de faire durer six secondes, est de 4,80 $ en 1080P — la différence entre 1,20 $ et 6,00 $.

Il n’y a aucun moyen de savoir sous quelle politique vous êtes sinon en lisant les conditions, donc la bonne habitude est de nommer la durée. Demandez une durée explicite et le nombre sur le bouton est le nombre que vous payez.

Multiplicateur quatre : les variantes multiplient, elles ne groupent pas

Quatre variantes Wan 3.0 du même prompt coûtent quatre fois une variante. Il n’y a pas de remise de lot à l’intérieur d’une requête, et il n’y a aucune raison d’en attendre une : le modèle tourne quatre fois.

C’est évident écrit noir sur blanc et facile à oublier dans une interface qui porte une pastille « 4 ». C’est aussi la façon la plus rapide de brûler un budget en 1080P : quatre variantes de trente secondes, cela fait 24,00 $ de calcul pour répondre à une question à laquelle trois brouillons en 480P à 4,50 $ auraient mieux répondu, parce que vous auriez vu trois idées différentes au lieu de quatre versions d’une seule.

Le réglage qui quadruple la facture pour rien

Si vous ne fixez pas de résolution, Wan 3.0 génère en 1080P. C’est la valeur par défaut, elle ne vous prévient pas, et c’est quatre fois le tarif 480P pour une sortie que vous alliez probablement relancer de toute façon. La corriger ne coûte rien et la laisser coûte beaucoup — les autres réglages silencieux sont ici, et quel palier chaque tâche réclame vraiment est une décision qui vaut d’être prise une fois plutôt qu’à chaque clip.

Trois choses qui ne changent rien à ce que vous payez

Cette première ligne mérite une seconde d’attention, parce qu’elle supprime une décision sur laquelle les gens s’angoissent. Il n’y a pas de remise silencieuse. Si vous voulez le clip muet, faites-le muet parce que le silence est juste pour le montage.

La boucle qui divise la facture par deux

Chaque palier de qualité est le même modèle. Le 480P n’est pas un Wan 3.0 moindre qui comprendrait moins bien les prompts ; c’est la même génération au quart des pixels et au quart du prix. Ce qui veut dire que brouillonner bon marché ne vous coûte rien d’autre que de la résolution : le cadrage, le mouvement, le rythme et le son se lisent très bien en 480P.

Deux trajets vers un même clip fini de dix secondes, quatre tentatives dans les deux cas :

Les mêmes quatre générations, les mêmes quatre enseignements, 56 % d’argent en moins. À trente secondes, l’écart s’élargit à 24,00 $ contre 10,50 $, parce que tout croît linéairement avec la durée et que la discipline croît avec.

Le mode d’échec que les gens ont vraiment n’est pas de trop dépenser en 1080P. C’est de relancer en 1080P pendant qu’on cherche encore ce qu’est le plan, ce qui revient à payer quatre fois une information qui arrive à l’identique au quart du prix. Les six étapes de cette boucle, dans l’ordre, valent d’être sous les yeux les premières séances : l’économie est dans l’ordre, pas dans les réglages.

Ce que coûte une minute finie, dans les unités des classements

Converti dans l’unité qu’emploient les classements publics, Wan 3.0 au prix de liste d’Alibaba revient à 3,00 $ la minute en 480P, 6,00 $ en 720P et 12,00 $ en 1080P.

Ce chiffre du milieu est l’intéressant. Sur l’arène text-to-video d’Artificial Analysis, tableau With Audio, instantané du 2026-08-25, Wan 3.0 est en tête à l’Elo — et la colonne de prix du classement le concernant est vide. La remplir au tarif publié met le 720P à 6,00 $ la minute, ce qui est au niveau du deuxième et sous le troisième à 7,80 $.

Deux notes d’honnêteté là-dessus, parce que c’est le chiffre qu’on nous renverra le plus probablement. Le placement de Wan 3.0 repose sur 5 728 votes, le plus petit échantillon des cinq premiers, et sa marge sur le deuxième est de trois points d’Elo face à un intervalle de confiance d’environ neuf. Le tableau lui-même lui donne une plage de rang de 1 à 2. « À égalité en tête, à un prix inférieur à celui des modèles qui l’entourent » se défend. « Meilleur modèle, c’est prouvé » ne se défend pas, et qui vous dit le contraire n’a pas lu la colonne échantillon.

Les coûts qui n’apparaissent sur aucune grille tarifaire

Un tableau à la seconde ne peut chiffrer que le calcul. Quatre choses coûtent régulièrement plus cher que le calcul, et pas une n’apparaît en ligne de facture.

Des rendus payés puis perdus. Les liens de sortie de Wan 3.0 expirent 24 heures après la fin d’une tâche. Un clip qui a parfaitement généré et que personne n’a téléchargé est une perte sèche, et elle est invisible : ce n’est pas un échec, c’est une réussite que personne n’a ramassée. Quel que soit l’outil, les fichiers finis doivent atterrir quelque part de permanent à l’instant où ils existent.

Des prises gardées auxquelles vous ne pouvez pas revenir. Wan 3.0 accepte une graine de 0 à 2 147 483 647, et la même graine avec le même prompt et les mêmes réglages reproduit le même clip. Notez la graine, le prompt exact et la résolution à côté de chaque résultat qui vous plaît. C’est l’habitude la moins chère de tout le flux de travail et la plus facile à sauter : sans elle, retrouver la bonne prise est une nouvelle série de tentatives au tarif plein.

Des prompts silencieusement réécrits. L’expansion est active par défaut, donc le texte qui a tourné n’est souvent pas celui que vous avez écrit. La réponse vous rend orig_prompt exactement pour cette raison. Si votre outillage le jette, vous réglez contre un prompt que vous n’avez jamais vu, et c’est comme cela qu’on finit convaincu que le modèle est inconstant.

Des tâches expirées plutôt qu’échouées. Un task_id Wan 3.0 vaut 24 heures. Interrogez-le plus tard et vous obtenez UNKNOWN, qui n’est ni une réussite ni un échec et qui est le seul état que les règles de remboursement automatique ont tendance à rater.

Ces quatre-là sont des problèmes de flux de travail plutôt que de tarif, et c’est pourquoi comparer des grilles tarifaires vous dit si peu de ce que coûte réellement un mois. Quatre questions à poser à n’importe quel service, celui-ci compris : où vivent mes fichiers après 24 heures, puis-je voir quel prompt a réellement tourné, qu’advient-il d’une tâche qui expire, et qu’advient-il d’une tâche qui échoue. Ici les réponses sont : stockage permanent dès qu’une tâche se termine, l’identifiant du modèle et celui de la tâche affichés à côté de chaque résultat, les tâches expirées marquées expirées et non échouées, et les tâches échouées remboursées sans ticket. La taxonomie des échecs a le détail.

Cinq questions avant d’appuyer sur générer

1. La résolution est-elle fixée, ou est-elle sur le point de retomber sur la plus chère ?
2. Est-ce un brouillon ou un final ? Dans le doute, c’est un brouillon, donc 480P.
3. Y a-t-il un clip de référence joint, et avez-vous ajouté ses secondes à l’estimation ?
4. La durée est-elle explicite, ou -1 est-il sur le point de réserver trente secondes ?
5. Combien de variantes, et est-ce que trois prompts différents ne vous apprendraient pas plus que quatre versions d’un seul ?

Questions fréquentes

Combien coûte Wan 3.0 à la seconde ?

Alibaba publie 0,05 $ la seconde en 480P, 0,10 $ en 720P et 0,20 $ en 1080P, facturés sur les secondes de sortie. Cela met un clip de cinq secondes à 0,25 $, 0,50 $ et 1,00 $, et un clip de trente secondes à 1,50 $, 3,00 $ et 6,00 $. Le son est généré dans la même passe à tous les paliers et ne change pas le tarif.

Pourquoi wan3.0-video-prime coûte-t-il plus cher que wan3.0-video ?

Prime est le second identifiant de modèle publié par Alibaba, et il est tarifé plus haut : 0,068 $ la seconde en 480P, 0,14 $ en 720P et 0,28 $ en 1080P, soit environ 40 pour cent au-dessus du tarif standard en 720P et 1080P. Les spécifications de sortie publiées sont identiques pour les deux — 480P à 1080P, 2 à 30 secondes, 30 images par seconde — et la liste de modèles d’Alibaba étiquette prime comme high-speed : ce que la prime est documentée comme achetant, c’est du délai, pas une autre image. Ce sont des prix de liste, et la remise de lancement qui court jusqu’au 24 septembre ne couvre pas prime, ce qui creuse temporairement l’écart au-delà de 40 pour cent : Wan 3.0 Prime a l’arithmétique par date.

Combien coûte une vidéo Wan 3.0 de 30 secondes ?

Au tarif publié d’Alibaba, 1,50 $ en 480P, 3,00 $ en 720P et 6,00 $ en 1080P pour une génération. Budgétez trois à cinq générations pour un clip que vous livrez vraiment, et brouillonnez les premières en 480P.

Pourquoi ai-je été facturé plus que la durée demandée ?

Presque certainement à cause d’un clip de référence. Ses secondes sont facturées à votre tarif de sortie en plus des secondes de sortie, arrondies à la seconde entière. Les images de référence, l’audio, les documents et les liens n’ajoutent rien.

Couper le son rend-il Wan 3.0 moins cher ?

Non. Le tableau de paramètres énonce que basculer le son ne change pas le prix, parce que l’image et le son sont générés dans la même passe. Il n’y a pas d’argent à gagner en le coupant.

La durée automatique est-elle moins chère que de choisir une longueur ?

Pas d’ordinaire. Comme la longueur est inconnue au moment de l’envoi, les fournisseurs réservent le plafond de trente secondes et remboursent la différence, ou facturent le plafond sans plus. Nommer une durée supprime la question.

Un prompt plus long coûte-t-il plus cher ?

Non. Wan 3.0 facture des secondes de sortie, pas des caractères d’entrée, et le plafond est de 20 000 caractères. Décrivez le plan correctement.

Wan 3.0 est-il cher face aux autres modèles ?

Par minute de vidéo finie avec son, le 720P revient à 6,00 $ — autant que le modèle juste en dessous de lui sur le tableau With Audio d’Artificial Analysis, et moins que celui d’après. Ce n’est pas un modèle discount et ce n’est pas non plus une anomalie.