Alibaba a ouvert la bêta de Wan 3.0, un modèle vidéo qui double la durée maximale de génération et avale des documents entiers en entrée. Trente secondes en 1080p reviennent à six dollars, et un PDF devient une source de scénario au même titre qu’un prompt écrit.
Pour résumer
- Wan 3.0 génère jusqu’à trente secondes de vidéo, contre quinze pour Wan 2.5.
- Le modèle accepte texte, images, vidéos, audio, PDF, pages web et présentations dans le même appel.
- La bêta tourne sur la plateforme Wan, sur Alibaba Cloud Model Studio et via l’API Qwen Cloud.
Faire résumer cet article par une IA
ChatGPTTrente secondes et des entrées que personne n’attendait
Alibaba a mis Wan 3.0 en bêta publique et le premier chiffre mis en avant est la durée. Le modèle produit des séquences de trente secondes là où Wan 2.5 s’arrêtait à quinze. Le doublement paraît anodin, il change pourtant la nature de ce qu’on peut demander à un générateur vidéo, parce qu’une contrainte de quinze secondes interdit la plupart des formats publicitaires.
La seconde nouveauté tient à ce que le modèle accepte en amont. Wan 3.0 lit du texte, jusqu’à dix images, cinq vidéos et cinq extraits audio, mais également des PDF, des pages web et des fichiers de présentation. Tous ces formats peuvent arriver dans le même appel de génération, sans étape de conversion préalable.
Un support commercial devient donc un point de départ direct. L’utilisateur ne rédige plus un prompt qui décrit une scène, il fournit un document et laisse le modèle en extraire la structure narrative. La bêta est ouverte sur la plateforme officielle où Alibaba distribue ses modèles vidéo, sur Alibaba Cloud Model Studio et via l’API Qwen Cloud.
Deux fonctions plus discrètes complètent la sortie. Le modèle recommande lui même la durée qui convient au contenu fourni, et il sait prolonger une vidéo existante plutôt que de la régénérer entièrement. Sur un format long, l’économie de calcul est loin d’être théorique, puisque chaque seconde regénérée est facturée.
Le travail sur la stabilité visuelle ferme la liste des annonces. Alibaba cible explicitement les déformations de visages et les incohérences d’interface, deux défauts qui trahissent immédiatement une séquence générée et qui rendent le résultat inutilisable dès qu’un logo ou un écran apparaît dans le plan.
Google avait ouvert cette voie multimodale plus tôt dans l’année avec un modèle capable de partir de presque n’importe quelle entrée, sans aller jusqu’au fichier bureautique. Alibaba pousse le curseur un cran plus loin en traitant le document de travail comme un média parmi les autres.
Ce que six dollars la séquence change pour les studios
La grille tarifaire est publiée à la seconde, ce qui reste rare sur ce segment. Le premier palier démarre à cinq centimes la seconde en 480p standard et monte à vingt huit centimes en 1080p Prime. Trente secondes en 1080p standard reviennent à six dollars.
Ce prix déplace la question pour les équipes qui produisent des formats courts en volume. Tester dix variantes d’une même séquence coûte moins qu’une heure de montage, et l’arbitrage porte désormais sur le temps de sélection plutôt que sur le budget de production.
Les entrées documentaires amplifient l’effet côté entreprise. Une équipe formation qui dispose déjà de ses supports en présentation se passe du brief créatif intermédiaire. Elle envoie le fichier, récupère une première version, et le travail humain se reporte entièrement sur la correction et le choix.
La contrepartie tient à la nature de la bêta. Alibaba ne communique aucun engagement de disponibilité, et les tarifs affichés valent pour la phase d’ouverture. Le groupe avait suivi le même schéma en lançant son plus gros modèle de langage cet été, ouvert largement avant d’être cadré.
Pour les indépendants, l’obstacle reste le compte. L’accès passe par Alibaba Cloud ou par Qwen Cloud, deux environnements pensés pour des développeurs, avec la vérification d’identité et la facturation à l’usage qui vont avec. Le créateur solo qui veut simplement essayer trente secondes n’est visiblement pas la cible de cette ouverture.
Reste la qualité réelle des trente secondes. Une durée doublée expose deux fois plus longtemps les défauts de cohérence, et c’est précisément sur ce terrain que les premiers retours d’usage feront le verdict, bien avant les comparatifs de benchmarks.
D’autres articles sur Horizon
- Test V4-Flash-Vision : DeepSeek convainc sur les agents
- Ox Alpha arrive gratuitement et sans éditeur connu
- DeepSeek V4-Flash-Vision talonne Opus 4.8
Google, ByteDance et la course à la durée
La durée est devenue le terrain de comparaison le plus lisible entre modèles vidéo. Chaque palier gagné ouvre un format que le précédent interdisait, et trente secondes couvrent désormais une publicité complète, une séquence d’ouverture ou un tutoriel court.
ByteDance occupe ce terrain depuis le début de l’année avec un modèle vidéo qui a fait réagir Hollywood. La bataille se joue sur le rendu des visages et la cohérence des plans, exactement les deux points qu’Alibaba met en avant pour Wan 3.0.
Côté américain, la pression attendue porte sur le prix. Un tarif à la seconde publié aussi clairement rend comparable ce que les offres à abonnement gardent flou, puisque le coût réel d’une séquence y dépend d’un système de crédits dont la conversion change au fil des mises à jour.
L’entrée documentaire est le point sur lequel Alibaba insiste le plus. Lire une présentation ou une page web dans le même appel qu’une image de référence déplace le modèle du studio créatif vers l’outil de production interne, un marché où le concurrent n’est plus un générateur rival mais une agence.
Les fonctions d’édition vont dans le même sens. Pouvoir reprendre un intervalle précis et le régénérer seul rapproche le modèle d’une timeline de montage, là où la génération vidéo restait jusqu’ici un exercice de tout ou rien.
Reste la question du volume. Une génération de trente secondes coûte bien plus cher en calcul qu’une de quinze, et cette bêta sert aussi à mesurer combien d’utilisateurs iront réellement jusqu’au format long avant que la grille tarifaire ne se fige.
Affaire à suivre sur Horizon.
