O que custa mesmo um clip do Wan 3.0, depois de se contarem as tentativas

A Alibaba publica a tarifa: $0.05, $0.10 e $0.20 por segundo de saída a 480P, 720P e 1080P. Multiplica pelos segundos e tens o preço de uma geração, que é um número verdadeiro e quase nunca é a tua conta.

Há quatro coisas entre os dois. Três delas estão bem documentadas e raramente reunidas num sítio só; uma delas cobra-te vídeo que forneceste em vez de vídeo que o modelo fez, e não a encontrámos escrita em lado nenhum para quem cria. Aqui fica a aritmética inteira, usando só preços de tabela publicados.

Esse é o chão. Agora os multiplicadores.

Todas as tarifas e tetos abaixo vêm da referência da API do Wan 3.0 e do esquema de criação de tarefa, lidos a 25 de agosto de 2026. O que a Alibaba cobra está na lista de preços dela; o que nós cobramos está na nossa.

Multiplicador um: as tentativas que deitas fora

Três a cinco gerações por clip utilizável é a suposição de trabalho em toda esta categoria, e o Wan 3.0 não é exceção. A tarifa publicada de ninguém inclui isso, porque uma tarifa descreve uma geração e nunca houve um trabalho acabado por uma geração.

Por isso a unidade honesta é o custo por clip bom, não o custo por segundo. A quatro tentativas, um clip de dez segundos a 720P são $4.00, não $1.00. Esse número é o que vale a pena orçamentar, e é também aquele sobre o qual tens mais controlo — vê o ciclo mais abaixo, que o corta a mais de metade sem mudar a saída.

A metade disto que não está sob o teu controlo é se as falhas são cobradas. Uma geração que devolve FAILED não produziu nada, e os fornecedores de modelos não a faturam, por isso o facto de ela aparecer ou não na tua conta é uma decisão política de quem está entre ti e o modelo. Nós reembolsamo-las automaticamente; a taxonomia completa das falhas está aqui.

Multiplicador dois: os segundos de clipe de referência são cobrados como saída

É este que produz a fatura confusa.

Quando anexas um clipe de referência, os segundos dele são cobrados ao teu preço de saída, por cima dos segundos que pediste. Todos os fornecedores que conseguimos ler dizem isto de forma independente, e a fórmula que publicam é a mesma:

segundos faturáveis = segundos de entrada + segundos de saída pedidos

Arredonda para cima ao segundo inteiro, multiplica pela tarifa da resolução. Por isso um clipe de referência de 4,5 segundos a conduzir uma saída de 5 segundos a 720P são 10 segundos faturáveis, $1.00, contra os $0.50 que orçamentaste. Exatamente o dobro, para um clip que continua a ter cinco segundos.

Duas coisas tornam isto menos alarmante do que parece à primeira leitura. É só para referências de vídeo. As imagens de referência, o áudio de referência, os documentos e as ligações não acrescentam nada à conta — podes anexar dez imagens e cinco faixas de áudio de graça, e só a família do vídeo é medida. E isto é visível a posteriori: a resposta traz input_video_duration ao lado de output_video_duration, que é precisamente o campo que reconcilias.

Vale a pena dizer a consequência para o planeamento sem rodeios, porque inverte a intuição: no Wan 3.0, um clipe de referência de quinze segundos é a entrada mais cara que podes anexar, e dez imagens de referência são grátis. Se uma imagem fixa conseguir levar a mesma informação que um clip — uma cara, um produto, um local, uma paleta — usa a imagem fixa.

Onde isto morde com mais força é a continuar um clip que já tens, porque aí o clipe de referência é o objetivo inteiro e não o podes trocar por uma imagem fixa. Estender um clip é cobrado pelos segundos que envias tanto como pelos segundos que recebes, que é a razão de cortar até à cauda antes de carregares ser ao mesmo tempo o movimento mais barato e o que te compra mais imagens novas.

Multiplicador três: a duração inteligente reserva o teto

O Wan 3.0 aceita -1 como duração, o que quer dizer decide tu a duração disto. É uma funcionalidade genuinamente boa e um perigo de faturação, porque o preço não pode ser conhecido no momento da submissão.

Os fornecedores resolvem isso de duas maneiras incompatíveis. Uns reservam os trinta segundos completos, acertam depois contra a saída real e devolvem a diferença. Outros cobram simplesmente o teto dos trinta segundos e ficam com ele. A distância entre essas duas políticas num clip que o modelo decide que deve durar seis segundos são $4.80 a 1080P — a diferença entre $1.20 e $6.00.

Não há maneira de saber em que política estás a não ser lendo os termos, por isso o hábito seguro é nomear a duração. Pede uma duração explícita e o número no botão é o número que pagas.

Multiplicador quatro: as variantes multiplicam, não se agrupam

Quatro variantes do mesmo prompt no Wan 3.0 custam quatro vezes uma variante. Não há desconto de quantidade dentro de um pedido, e não há razão para esperar um — o modelo corre quatro vezes.

Isto é óbvio quando está escrito e fácil de esquecer numa interface com uma etiqueta «4». É também a maneira mais rápida de queimar um orçamento a 1080P: quatro variantes de trinta segundos são $24.00 de computação para responder a uma pergunta que três esboços a 480P por $4.50 teriam respondido melhor, porque terias visto três ideias diferentes em vez de quatro versões de uma.

A única definição que quadruplica a conta a troco de nada

Se não definires uma resolução, o Wan 3.0 gera a 1080P. É esse o valor por omissão, não te avisa, e é quatro vezes a tarifa dos 480P para uma saída que provavelmente ias voltar a correr de qualquer maneira. Custa zero corrigir e custa muito deixar como está — as outras que são silenciosas estão aqui, e qual o escalão que cada trabalho quer mesmo é uma decisão que vale a pena tomar uma vez em vez de clip a clip.

Três coisas que não mudam o que pagas

A primeira linha merece um segundo de atenção, porque tira do caminho uma decisão sobre a qual as pessoas se atormentam. Não há desconto secreto. Se queres o clip mudo, torna-o mudo porque o silêncio é o certo para a montagem.

O ciclo que corta a conta a meio

Todos os escalões de qualidade são o mesmo modelo. 480P não é um Wan 3.0 menor com pior compreensão dos prompts; é a mesma geração com um quarto dos píxeis e um quarto do preço. O que quer dizer que esboçar barato não te custa nada a não ser resolução, e o enquadramento, o movimento, o ritmo e o som leem-se todos bem a 480P.

Dois caminhos para um clip acabado de dez segundos, quatro tentativas em ambos:

As mesmas quatro gerações, as mesmas quatro aprendizagens, menos 56% de dinheiro. Aos trinta segundos a distância abre para $24.00 contra $10.50, porque tudo escala linearmente com a duração e a disciplina escala com ela.

A falha que as pessoas têm mesmo não é gastar de mais a 1080P. É voltar a correr a 1080P enquanto ainda estão a decidir qual é o plano, que é pagar quatro vezes por informação que chega igualzinha a um quarto do preço. Os seis passos desse ciclo, por ordem, valem a pena ter à frente nas primeiras sessões; a poupança está na ordem, não nas definições.

Quanto custa um minuto acabado, nas unidades que os testes usam

Convertido para a unidade que as tabelas públicas usam, o Wan 3.0 ao preço de tabela da Alibaba são $3.00 por minuto a 480P, $6.00 a 720P e $12.00 a 1080P.

O número do meio é o interessante. Na arena de texto para vídeo da Artificial Analysis, quadro With Audio, instantâneo de 25 de agosto de 2026, o Wan 3.0 está no topo da tabela em Elo — e a coluna de preço do próprio quadro para ele está vazia. Preenchê-la a partir da tarifa publicada põe os 720P em $6.00 por minuto, que é a par do segundo classificado e abaixo do terceiro, a $7.80.

Duas notas de honestidade sobre isso, porque é o número com mais probabilidade de nos ser citado de volta. A posição do Wan 3.0 assenta em 5 728 votos, a amostra mais pequena das cinco do topo, e a margem dele sobre o segundo lugar são três pontos Elo contra um intervalo de confiança de cerca de nove. O próprio quadro dá-lhe um intervalo de posição de 1–2. «Empatado no topo, a um preço mais baixo do que os modelos à volta dele» é sustentável. «O melhor modelo, provado» não é, e quem te disser o contrário não leu a coluna da amostra.

Os custos que nunca aparecem numa tabela de preços

Uma tabela por segundo só consegue dar o preço da computação. Há quatro coisas que custam com fiabilidade mais do que a computação custou, e nenhuma delas aparece como rubrica.

Renderizações que pagaste e depois perdeste. As ligações de saída do Wan 3.0 expiram 24 horas depois de uma tarefa terminar. Um clip que gerou na perfeição e nunca foi transferido é uma perda total, e é invisível — não é uma falha, é um êxito que ninguém recolheu. Seja o que for que uses, os ficheiros acabados precisam de aterrar nalgum sítio permanente no momento em que existem.

Clips bons a que não consegues voltar. O Wan 3.0 aceita uma semente entre 0 e 2 147 483 647, e a mesma semente com o mesmo prompt e as mesmas definições reproduz o mesmo clip. Escreve a semente, o prompt exato e a resolução ao lado de cada resultado de que gostes. É o hábito mais barato do fluxo de trabalho inteiro e o mais fácil de saltar: sem ele, voltar a encontrar a boa tomada é uma ronda nova de tentativas a preço inteiro.

Prompts que foram reescritos em silêncio. A expansão está ligada por omissão, por isso o texto que correu muitas vezes não é o texto que escreveste. A resposta devolve orig_prompt exatamente por essa razão. Se as tuas ferramentas o deitarem fora, estás a afinar contra um prompt que nunca viste, e é assim que as pessoas acabam convencidas de que o modelo é inconsistente.

Tarefas que expiraram em vez de falharem. Um task_id do Wan 3.0 é válido durante 24 horas. Consulta-o mais tarde e recebes UNKNOWN, que não é êxito nem falha e é o único estado que as regras de reembolso automático costumam deixar passar.

As quatro são problemas de fluxo de trabalho e não problemas de preço, que é a razão de comparar tabelas de preços dizer tão pouco sobre o que um mês custa mesmo. Quatro perguntas que vale a pena fazer a qualquer serviço, incluindo este: onde vivem os meus ficheiros depois das 24 horas, consigo ver que prompt correu mesmo, o que acontece a uma tarefa que expira, e o que acontece a uma que falha. Aqui as respostas são armazenamento permanente no momento em que uma tarefa acaba, o ID do modelo e o ID da tarefa mostrados junto a cada resultado, tarefas expiradas marcadas como expiradas e não como falhadas, e tarefas falhadas reembolsadas sem abrir pedido. A taxonomia das falhas tem o detalhe.

Cinco perguntas antes de carregares em gerar

1. A resolução está definida, ou está prestes a assumir a cara?
2. Isto é um esboço ou um final? Se tens dúvidas, é um esboço, portanto 480P.
3. Há um clipe de referência anexado, e somaste os segundos dele à estimativa?
4. A duração está explícita, ou está o -1 prestes a reservar trinta segundos?
5. Quantas variantes, e três prompts diferentes ensinavam-te mais do que quatro versões de um?

Perguntas frequentes

Quanto custa o Wan 3.0 por segundo?

A Alibaba publica $0.05 por segundo a 480P, $0.10 a 720P e $0.20 a 1080P, cobrados sobre segundos de saída. Isso faz um clip de cinco segundos custar $0.25, $0.50 e $1.00, e um de trinta segundos $1.50, $3.00 e $6.00. O som é gerado na mesma passagem em todos os escalões e não muda a tarifa.

Porque é que o wan3.0-video-prime custa mais do que o wan3.0-video?

O Prime é o segundo ID de modelo que a Alibaba publica, e tem preço mais alto: $0.068 por segundo a 480P, $0.14 a 720P e $0.28 a 1080P, o que é cerca de 40 por cento acima da tarifa normal a 720P e a 1080P. As especificações de saída publicadas são idênticas para os dois — 480P a 1080P, 2 a 30 segundos, 30 fps — e a própria lista de modelos da Alibaba classifica o prime como de alta velocidade, por isso aquilo que o prémio está documentado a comprar é tempo de resposta, não uma imagem diferente. São preços de tabela, e o desconto de lançamento que vai até 24 de setembro não cobre o prime, o que torna a distância temporariamente maior do que 40 por cento: o Wan 3.0 Prime tem a aritmética por data.

Quanto custa um vídeo de 30 segundos com o Wan 3.0?

À tarifa publicada da Alibaba, $1.50 a 480P, $3.00 a 720P e $6.00 a 1080P para uma geração. Conta com três a cinco gerações para um clip que publiques mesmo, e esboça as primeiras a 480P.

Porque é que me cobraram mais do que a duração que pedi?

Quase de certeza um clipe de referência. Os segundos dele são cobrados ao teu preço de saída por cima dos segundos de saída, arredondados para cima ao segundo inteiro. As imagens de referência, o áudio, os documentos e as ligações não acrescentam nada.

Desligar o áudio torna o Wan 3.0 mais barato?

Não. A tabela de parâmetros diz que alternar o áudio não afeta o preço, porque a imagem e o som são gerados na mesma passagem. Não há dinheiro em silenciá-lo.

A duração inteligente sai mais barata do que escolher uma duração?

Normalmente não. Como a duração é desconhecida no momento da submissão, os fornecedores ou reservam o teto dos trinta segundos e devolvem a diferença, ou cobram o teto sem mais. Nomear uma duração tira a pergunta do caminho.

Um prompt mais comprido custa mais?

Não. O Wan 3.0 cobra segundos de saída, não caracteres de entrada, e o teto são 20 000 caracteres. Descreve o plano como deve ser.

O Wan 3.0 é caro comparado com outros modelos?

Por minuto de vídeo acabado com som, os 720P dão $6.00 — o mesmo que o modelo diretamente abaixo dele no quadro With Audio da Artificial Analysis e menos do que o que vem a seguir. Não é um modelo de orçamento e também não é um caso fora da curva.