Alibaba : Wan3.0 génère des vidéos de 30 s, accès filtré et tarifs sous Veo

Alibaba lance Wan3.0, un modèle de génération vidéo capable de produire des clips jusqu’à 30 secondes en 1080p et d’ingérer des documents comme des PDF ou des présentations. L’accès est contrôlé et l’évaluation indépendante manque encore, tandis que les prix se situent sous ceux de Google Veo 3.1. L’entreprise a procédé à ce lancement quelques jours après une levée d’environ 10,2 milliards de dollars à Hong Kong.

Alibaba restreint l’accès et ne publie plus le code

L’utilisation de Wan3.0 passe par des garde-fous : la bêta n’est accessible que sur demande via Model Studio et Qwen Cloud, et l’API sera mise à disposition progressivement. Un site grand public, wan.video, a été annoncé, avec un accès réservé aux membres. Wan3.0 avait toutefois été proposé en bêta publique au début de l’été. Wan3.0 n’a pas encore fait l’objet d’évaluations par des tiers et les informations disponibles sur sa qualité proviennent pour l’heure d’Alibaba. Parallèlement, le groupe a cessé de publier le code de ses modèles : Wan2.2, sorti en juillet 2025, demeure le dernier modèle mis en open-source.

Tarification de Wan3.0 et écart avec Veo 3.1

Wan3.0 est commercialisé à 0,05 dollar la seconde pour une résolution de 480p, à 0,10 dollar pour du 720p et à 0,20 dollar pour du 1080p, ce qui correspond à 12 dollars la minute pour la qualité maximale. De son côté, le prix standard appliqué par Google Veo 3.1 atteint 0,40 dollar la seconde. Bien que la différence soit notable, Wan3.0 n’appartient pas aux solutions les plus économiques du secteur et plusieurs rivaux, qui devançaient déjà les anciennes versions d’Alibaba dans des classements indépendants, proposent des tarifs plus bas pour une minute de vidéo en 1080p. Le lancement officiel de Wan3.0 intervient quelques jours après une levée d’environ 10,2 milliards de dollars à Hong Kong.

Clips de 30 s, 1080p et entrées variées, dont PDF et PPT

Wan3.0 génère des clips jusqu’à 30 secondes en une seule passe, contre 15 secondes pour Wan2.7, et peut atteindre 1080 pixels de large. À titre de comparaison, Google Veo se limite à des séquences de 8 secondes. Côté interaction, le modèle accepte du texte, des images, de l’audio et de la vidéo, mais aussi des pages web et des documents, notamment des PDF et des présentations PowerPoint. Il peut ainsi produire une vidéo structurée à partir d’un diaporama ou d’un tableau. Selon Alibaba, le modèle maintient la cohérence des éléments visuels sur toute la séquence et synchronise les expressions faciales avec des voix multilingues.