Wan, el modelo de vídeo de Alibaba, de Wan 2.2 en abierto a Wan 3.0

¿Qué es Wan y quién lo hace?

Wan lo desarrolla el equipo de IA de Alibaba. Hace vídeo a partir de texto, de una imagen o de otros vídeos. Alibaba lo ofrece en Model Studio, su plataforma para empresas y en Qwen Cloud.

Lo que lo hizo famoso fue que se podía bajar. Mientras Kling, Veo o Runway solo se usaban en su web, Alibaba publicó Wan 2.1 y Wan 2.2 con licencia Apache 2.0, que permite el uso comercial. Además, la 2.2 funciona en ComfyUI y Diffusers desde el día en que salió.

La evolución de Wan, de la 2.1 a la 3.0

Wan 2.1, febrero de 2025

Alibaba publicó el código y los pesos el 25 de febrero de 2025 (GitHub de Wan 2.1). Venía en dos tamaños. El grande, de 14.000 millones de parámetros, daba más calidad. El pequeño, de 1.300 millones, pedía unos 8 GB de memoria gráfica y corría en casi cualquier tarjeta de consumo. Generaba clips cortos a 480p o 720p, sin sonido. Según su equipo, fue el primer modelo de vídeo capaz de escribir texto legible en chino y en inglés dentro de la imagen.

Wan 2.2, julio de 2025

Salió el 28 de julio de 2025, también en abierto (GitHub de Wan 2.2). Por dentro reparte el trabajo entre dos «expertos». Uno compone el plano y otro afina el detalle. Se entrenó con bastantes más imágenes y vídeos que la 2.1.

Trae tres modelos principales. Dos grandes, de texto a vídeo y de imagen a vídeo, que piden una gráfica de 80 GB si no se recorta nada. Y uno de 5.000 millones de parámetros que, según Alibaba, genera vídeo a 720p y 24 fotogramas por segundo en una RTX 4090.

Después llegaron dos ampliaciones abiertas. Wan2.2-S2V, en agosto de 2025, anima a una persona a partir de una voz. Wan2.2-Animate, en septiembre, mueve a un personaje copiando la interpretación de un vídeo o lo sustituye dentro de una escena.

Wan 2.5, 2.6 y 2.7, ya solo por API

A partir de aquí Alibaba dejó de publicar los pesos. Las versiones 2.5, 2.6 y 2.7 están en el catálogo de Model Studio y no aparecen en su página de Hugging Face, donde están todos los modelos abiertos. Con ellas llegó el sonido sincronizado con la imagen, la resolución 1080p y clips de hasta 15 segundos. La 2.7 trajo la edición de vídeo que hereda la 3.0.

Wan 3.0, agosto de 2026

Entró en prueba pública el 6 de agosto de 2026 (Alibaba Cloud). El 24 de agosto quedó abierta a cualquiera por API, sin solicitud previa (Alibaba Cloud). Es cerrada. A 22 de octubre de 2026 no hay pesos de la 3.0 publicados.

Duraciones según el catálogo de Model Studio.

¿Qué cambia en Wan 3.0?

Lo más visible es la duración. Wan 3.0 genera entre 2 y 30 segundos de una vez, el doble que la 2.7, a 480p, 720p o 1080p y 30 fotogramas por segundo (guía de Wan 3.0). El sonido sale con la imagen y trae diálogo, música y efectos. Se puede apagar.

Lo segundo es un único modelo para todo. Texto a vídeo, imagen a vídeo con fotograma inicial y final, generación con referencias, edición y extensión del clip van por la misma puerta.

Y lo tercero, lo más curioso, son las referencias. Admite hasta 20 por petición. Pueden ser 10 imágenes, 5 vídeos y 5 audios, pero también un documento (PDF, Word, PowerPoint…) o el enlace de una web pública. La idea es que le pases el catálogo del producto o la presentación de la campaña y lo use como contexto.

Para guiones con varios planos, acepta un storyboard dentro del texto, con planos de 4 a 6 segundos marcados por tiempos.

Se paga por segundo generado y los vídeos fallidos no se cobran (Alibaba Cloud). La tarifa cambia según la región, así que consulta el precio en tu consola antes de presupuestar.

¿Wan 2.2 o Wan 3.0?

Depende de dónde tenga que vivir el proyecto.

Wan 2.2 tiene sentido cuando el material no puede salir de tus máquinas, cuando quieres controlar el proceso nodo a nodo en ComfyUI o cuando vas a generar mucho y prefieres pagar electricidad en lugar de segundos. A cambio, pide una gráfica potente, no tiene sonido y sus clips son cortos.

Wan 3.0 compensa cuando necesitas una escena larga con diálogo, mucha consistencia entre planos o un resultado rápido sin montar nada en local. Es lo que hay que comparar con Kling 4.0, Seedance 2.5 o Veo 3.1.

Ejemplos de piezas que encajan con Wan

Alibaba piensa Wan 3.0 para cine, microdramas, redes sociales, publicidad y vídeo educativo (Alibaba Cloud). Algunos ejemplos de cómo se traduce eso en un encargo:

Un spot de producto de 30 segundos. Una crema que pasa del baño a la mochila y acaba en un bodegón final, en una sola generación. Si le das el PDF del catálogo, el modelo tiene el envase, los colores y el claim delante.

Una escena de diálogo para un microdrama. Dos personajes discuten en la cocina con voz, ambiente y música. Con un storyboard por tiempos marcas cuándo cambia el plano. Qué plano conviene en cada momento lo contamos en tipos de plano.

Un vídeo que enseña una app. Wan 3.0 promete que las pantallas de software se mantienen estables, algo útil en un tutorial o un anuncio de producto digital. Aun así, los textos finos y los precios van mejor en postproducción.

Una coreografía con Wan 2.2 Animate. Grabas a alguien bailando con el móvil y el modelo traslada ese movimiento a tu personaje. Alibaba sigue abriendo modelos de esta línea, como Wan-Animate-2, publicado en agosto de 2026 (GitHub de Wan-Animate-2).

Preguntas frecuentes

¿Wan es gratis?

Wan 2.1 y Wan 2.2 son gratuitos y de código abierto con licencia Apache 2.0. Pagas tu equipo o el servidor donde lo ejecutes. Wan 3.0 se paga por segundo generado a través de la API de Alibaba.

¿Wan 3.0 es open source?

No. A 22 de octubre de 2026, Alibaba no ha publicado los pesos de Wan 3.0 ni de las versiones 2.5, 2.6 y 2.7. Los últimos modelos abiertos de vídeo general son los de Wan 2.2.

¿Qué ordenador necesito para Wan 2.2?

El modelo de 5.000 millones de parámetros funciona con 24 GB de memoria gráfica, como una RTX 4090. Los dos modelos grandes piden 80 GB si no se usan técnicas para reducir memoria.

¿Wan genera sonido?

Desde la 2.5, sí. Wan 3.0 genera diálogo, música y efectos junto con la imagen. Wan 2.1 y 2.2 hacen vídeo sin sonido, salvo la variante S2V de la 2.2, que anima a partir de una voz.

Elegir modelo es solo el principio

Saber qué versión de Wan usar ahorra horas. Lo que decide si un corto funciona es la historia, que el personaje sea el mismo en cada plano y que todo monte al final. En el curso de cine con IA llevas tu proyecto de la idea a la entrega y pruebas qué modelo va mejor para cada tipo de plano.