Az Alibaba Wan3.0 videógeneráló modellje 2026. augusztus 24-én vált általánosan elérhetővé, és egyetlen dologgal lóg ki a mezőnyből: nemcsak szövegből és képből, hanem PDF-ekből, prezentációkból és táblázatokból is készít videót, akár 30 másodperces hosszban. Ha eddig az volt a gondod, hogy egy meglévő céges anyagot valakinek kézzel kellett videóvá alakítania, ez a modell pontosan erre a munkafolyamatra készült.
A bejelentés időzítése sem véletlen: az Alibaba egy nappal azután indította el a modellt, hogy lezárta 10,2 milliárd dolláros (HK$80 milliárdos) részvénykibocsátását, amelynek teljes bevételét az AI-infrastruktúrájába forgatja vissza. A Wan3.0 tehát nem egy izolált termékfrissítés, hanem egy nagyon drágán megvásárolt stratégia első látható eredménye.
Mi az az Alibaba Wan3.0, és milyen problémát old meg?
A Wan3.0 az Alibaba videógeneráló modellcsaládjának legújabb tagja, amely 2026. augusztus 6. óta nyilvános bétában volt elérhető, majd augusztus 24-én kapott teljes elérhetőséget. A bejelentés az Alibaba Cloud hivatalos WeChat-csatornáján érkezett.
A legtöbb videógeneráló eszköznél a bemenet szöveges prompt, esetleg egy kiindulási kép. A Wan3.0 ennél lényegesen szélesebb bemeneti körrel dolgozik — egyetlen generáláshoz egyszerre használhatsz:
- szöveges promptokat,
- legfeljebb 10 képet,
- legfeljebb 5 videót,
- legfeljebb 5 hangklipet,
- PDF-eket, PowerPoint-prezentációkat és egyéb dokumentumokat,
- táblázatokat és weboldalakat.
Ez a lista a gyakorlatban azt jelenti, hogy egy termékadatlapból, egy negyedéves prezentációból vagy egy landing page-ből is indulhat a videó — nem kell előbb kézzel forgatókönyvvé alakítani az anyagot. Ez az a pont, ahol a Wan3.0 érdemben eltér a tisztán szöveg- és képalapú versenytársaktól.
Funkciók és technikai adatok
A modell maximum 30 másodperces videót generál, ami pontosan a kétszerese az elődje, a Wan2.5 képességének. Ez a hossz már elég egy komplett reklámspothoz vagy egy rövid közösségimédia-videóhoz anélkül, hogy több generálást kellene összevágnod.
Három felbontás közül választhatsz: 480p, 720p és 1080p. A 480p a gyors vázlatokhoz, a koncepciók teszteléséhez való, az 1080p pedig a publikálásra szánt végeredményhez.
Mennyibe kerül? Konkrét árak
Az Alibaba másodpercalapú árazást használ, két szinttel: a kedvezőbb Standard és a drágább Prime csomaggal. Az alábbi árak a Standard szintre vonatkozó 30 százalékos kedvezménnyel értendők:
- 480p: $0,05/mp (Standard), $0,068/mp (Prime) — egy 30 másodperces videó $1,50, illetve $2,04
- 720p: $0,10/mp (Standard), $0,14/mp (Prime) — 30 másodperc: $3,00, illetve $4,20
- 1080p: $0,20/mp (Standard), $0,28/mp (Prime) — 30 másodperc: $6,00, illetve $8,40
Egy teljes hosszúságú, 1080p felbontású, 30 másodperces videó Standard áron nagyjából 6 dollárba kerül — ez az az összeg, amivel a költségvetésedet tervezned érdemes, ha publikálásra szánt anyagot gyártasz.
Fontos, hogy a listaár másodpercalapú, tehát a költség lineárisan skálázódik a hosszal. Egy tízmásodperces vázlat 1080p-ben körülbelül 2 dollár, vagyis a kísérletezés olcsóbb, ha rövidebb klipekkel és alacsonyabb felbontáson kezded, és csak a kiválasztott verziót rendered ki teljes minőségben.
Hol és hogyan próbálhatod ki?
A Wan3.0 három csatornán érhető el:
- wan.video — a webes felület, ha kód nélkül szeretnél elindulni,
- Alibaba Cloud Model Studio — a felhős fejlesztői környezet,
- Qwen Cloud API — ha saját alkalmazásba vagy automatizált munkafolyamatba integrálnád.
Ha csak megnéznéd, mit tud, a webes felület a legegyszerűbb kiindulópont. Ha viszont rendszeres, sok darabszámú tartalomgyártásban gondolkodsz, az API a valódi kérdés: ott tudod a videógenerálást beépíteni egy meglévő folyamatba, például egy terméklista automatikus videósításába.
A minőség itt is azon áll vagy bukik, hogy mennyire pontosan fogalmazod meg, mit szeretnél. A promptírás alapjaihoz a promptmesterai.hu anyagai adnak gyakorlati kiindulást.
Gyakorlati munkafolyamat: hogyan érdemes nekiállni
A másodpercalapú árazásból egy nagyon egyszerű munkarend következik. Ne az legyen az első lépés, hogy 1080p-ben, 30 másodpercre indítasz egy generálást — az azonnal 6 dollár, és ha a kompozíció nem tetszik, az egészet újra kell futtatnod.
Helyette érdemes rétegesen haladni. Először 480p-n, rövid klipekkel teszteld a promptot és a bemeneti anyagot: itt egy tízmásodperces próba nagyjából fél dollár, tehát tucatnyi variációt is végigpróbálhatsz egyetlen 1080p-s generálás áráért. Amikor megvan a működő irány, akkor kapcsolj fel 720p-re a jóváhagyáshoz, és csak a véglegesített változatot rendereld 1080p-ben.
A dokumentumalapú bemenet miatt az előkészítés is másképp néz ki, mint a szöveges promptot használó eszközöknél. Mivel PDF-et, prezentációt, táblázatot és weboldalt is átadhatsz, az számít, hogy ezek az anyagok mennyire tiszták és strukturáltak. Egy jól tagolt termékadatlap vagy egy világos felépítésű prezentáció használhatóbb kiindulás, mint egy szöveges prompt, amelybe kézzel másolod át ugyanazokat az adatokat.
A bemeneti korlátokat is érdemes fejben tartani a tervezésnél: egy generáláshoz legfeljebb 10 kép, 5 videó és 5 hangklip adható meg. Ha ennél több vizuális elemet vinnél be, a videót több szegmensre kell bontanod, és a darabokat utómunkában összefűznöd.
Mire használják eddig?
Az Alibaba közlése szerint a Wan3.0-t eddig négy fő területen vetették be:
- rövid drámák és filmgyártás,
- reklám és marketing,
- turisztikai promóció,
- zenei videók készítése.
Ezek a felhasználási területek jól illeszkednek a modell profiljához: mind olyan tartalom, ahol a 30 másodperces hossz elegendő, és ahol a meglévő anyagokból (termékfotók, brosúrák, prezentációk) való építkezés természetes.
Kinek ajánljuk — és kinek nem?
Neked való, ha marketing- vagy tartalomgyártó csapatban dolgozol, ahol sok a meglévő dokumentum, prezentáció és termékadat, és ezekből kellene rendszeresen rövid videót gyártani. A dokumentumalapú bemenet itt konkrét időmegtakarítás. Szintén jó választás, ha API-n keresztül automatizálnál: az árazás átlátható, a költség előre kiszámolható.
Kevésbé neked való, ha hosszabb, összefüggő videót készítenél — a 30 másodperces korlát ilyenkor több generálást és utómunkát jelent. És ha a döntésedet független minőségi összehasonlításra alapoznád, itt őszintének kell lennünk: a bejelentéshez nem tartozik nyilvános benchmark, sem független minőségi teszt, amely a Sora, a Veo vagy a Kling ellenében pozicionálná a modellt. Az Alibaba közleménye a képességeket sorolja, nem méri őket. Amíg ilyen összehasonlítás nem érhető el, a saját teszt az egyetlen megbízható válasz — ehhez érdemes a 480p-s, olcsó generálásokkal kezdeni.
Az sem mellékes, hogy a bejelentés kizárólag közlemény alapú: sem a Reuters, sem a többi tudósító nem közölt vezetői nyilatkozatot a modellről.
A háttér: 10 milliárd dollár és zuhanó profit
A Wan3.0 érkezése nem érthető meg az Alibaba pénzügyi helyzete nélkül. A cég vasárnap zárta le HK$80 milliárdos (~10,2 milliárd dolláros) részvénykibocsátását, amely minden idők legnagyobb elsődleges follow-on kibocsátása egy hongkongi tőzsdén jegyzett vállalattól. A tranzakció keretében 710 millió új részvényt bocsátottak ki 8,4 százalékos diszkonttal, ami a meglévő kibocsátott tőke nagyjából 3,7 százaléka. Az intézményi kereslet körülbelül háromszorosa volt a felkínált mennyiségnek.
A bevétel teljes egészét a Qwen-modellek infrastruktúrájának fejlesztésére és az AI-számítási kapacitás bővítésére fordítják. Az Alibaba nyelvi modelljeiről korábbi cikkünkben írtunk részletesen: Qwen3.8-Max: az Alibaba új nyílt modellje kihívja a GPT-5.6-ot és a Fable 5-öt.
A piac reakciója ennek ellenére hűvös volt: az Alibaba részvényei hétfőn 8,1 százalékot estek, HK$113-ra. Az ok a hígulás és a megugró AI-kiadások. A cég egy héttel korábban 75 százalékos visszaesést jelentett a negyedéves nettó nyereségben — nagyjából 10,44 milliárd jüanra —, épp az AI-beruházások miatt. (A Quartz némileg eltérő adatot, 76 százalékos esést és 10,54 milliárd jüanos profitot közölt.)
Közben a tőkeberuházás 67,68 milliárd jüanra nőtt, 75 százalékkal többre, mint egy éve, az AI-felhő bevétele pedig 48,44 milliárd jüanra, 45 százalékos növekedéssel. A kép egyértelmű: az Alibaba tudatosan áldozza fel a rövid távú profitabilitást az AI-infrastruktúráért.
Mit jelent ez a videógenerálási versenyben?
A videógenerálás mezőnye 2026-ra zsúfolttá vált: a Sora, a Veo és a Kling mellett kell helyet találnia minden új belépőnek. Az Alibaba nem a leglátványosabb ponton próbál nyerni — nem a videóhossz vagy a felbontás rekordjaival —, hanem a bemeneti oldalon.
Ez üzleti logika: a vállalati tartalomgyártásban ritkán a nulláról indul egy videó. Van termékadatbázis, van prezentáció, van weboldal — és eddig ezeket valakinek kézzel kellett forgatókönyvvé alakítania, mielőtt bármelyik generátorba betáplálta volna. Ha ez a lépés kiesik, az a folyamat egészét gyorsítja, függetlenül attól, hogy a kimenet képminősége pontosan hol áll a mezőnyben.
A másik különbség a hozzáférés. A Wan3.0 három csatornán, nyilvános és tételes árazással érhető el, közte egy API-n, amely ugyanabba a Qwen-ökoszisztémába illeszkedik, ahová az Alibaba a mostani 10 milliárd dollárt is fordítja. Aki már használ Alibaba Cloud szolgáltatást, annak az integráció nem külön projekt.
Összefoglaló
A Wan3.0 nem a leghosszabb és nem is a bizonyítottan legjobb minőségű videómodell — de jelenleg az egyik legszélesebb bemeneti körrel dolgozó eszköz a piacon. Ha a munkafolyamatodban sok a kész dokumentum és prezentáció, amelyekből videó kellene, ez a képesség önmagában is indokolja a kipróbálást. Az árazás átlátható, az API-elérés azonnali, a belépési költség egy tesztre néhány dollár.
A tágabb kép viszont az, hogy az Alibaba nagyon nagy tétet tesz: 10 milliárd dollárt szedett össze, zuhanó profit mellett, hogy a Qwen-ökoszisztémát és a mögötte álló számítási kapacitást építse. A Wan3.0 ennek a stratégiának a kirakata — a következő hónapok független tesztjei fogják megmondani, mennyire állja a versenyt.
Kapcsolódó eszközteszt: Legjobb AI videógenerátor 2026: 6 erős eszköz teljes tesztje. További AI-eszköz hírekért iratkozz fel az AI Hírek hírlevelére.