Alibaba soltó Wan 3.0 el 6 de agosto y Magnific —la casa que hasta abril se llamaba Freepik— lo tiene ya en su generador de vídeo. La promesa es gorda: medio minuto de vídeo con sonido en una sola generación, sin pegar clips. Hemos generado los nuestros, en español, y los hemos transcrito uno a uno. La imagen cumple: treinta segundos sin un salto. El audio, no: pasados unos doce segundos, la voz deja de hablar español y empieza a inventar sílabas. Y la tabla de precios promete la mitad de lo que cobra el panel.
Lo que hemos probado, y con qué
Pedimos acceso de prensa a Magnific el 26 de agosto porque su cuenta gratuita no genera vídeo: el botón de generar se convierte en un «Upgrade» y ahí se acaba la prueba. Nos contestaron al día siguiente con una invitación a su equipo de prensa. Todo lo que sigue está generado desde esa cuenta, con nuestros propios textos, y cada cifra sale del panel, no de su web.
Lo que generamos
- 10 segundos, 1080p apaisado. Una periodista habla a cámara en español.
- 30 segundos, 1080p apaisado, con guion corto. Plano secuencia por una redacción.
- 30 segundos, 1080p vertical, con guion que llena la duración. El formato de redes.
- 30 segundos con Seedance 2.5, para comparar modelo contra modelo en el mismo panel.
En total, 69.800 créditos gastados en pruebas. Todos los vídeos, capturas y transcripciones son nuestros.
Qué es Wan 3.0 y por qué importa
Wan 3.0 es la última generación de la familia de vídeo de Alibaba, desarrollada por Tongyi Lab y publicada en versión beta el 6 de agosto de 2026. Tres cosas la definen, y las tres tienen consecuencias prácticas:
- Treinta segundos en una sola generación, con sonido. Duplica el techo de 15 segundos de Wan 2.7. El audio se genera en la misma pasada, sincronizado desde el primer fotograma. No son clips pegados después.
- Referencias de todo tipo. Hasta 10 imágenes, 5 clips de vídeo y 5 pistas de audio en la misma llamada, para que el personaje mantenga la cara y el objeto su sitio.
- Un modelo en vez de cuatro. Wan 2.7 repartía texto a vídeo, imagen a vídeo, referencias y edición en modelos distintos. Aquí va todo junto.
El techo real es 1080p: Wan 3.0 no genera nativamente por encima de esa resolución. Si hace falta 4K, hay que pasar el resultado por el ampliador de la propia casa.
La prueba en español: sale, y con acento
Este es el punto que ninguna reseña en inglés cubre, y es el que le importa a quien publica en español. Le pedimos a la periodista de la prueba 1 una frase concreta. Esto es lo que devolvió, transcrito después con Whisper para no fiarnos del oído:
«Buenos días. Estamos probando One 3.0 dentro de Magnific para iarenking.com y esto es lo que sale sin retocar nada.»
Idioma detectado: español, 99,8 % de confianza.
El castellano es correcto, la entonación es natural y los labios van pegados al sonido. Pero fíjese en dos palabras: pidió «Wan 3.0» y dijo «One 3.0»; pidió «iaranking punto com» y dijo «iarenking.com». El modelo habla español, pero lee las marcas y las palabras extranjeras con fonética inglesa. Para un vídeo de producto en el que el nombre de la marca se pronuncia mal, eso no es un detalle: es la toma tirada a la basura.
La solución práctica es escribir la marca tal y como se pronuncia en español dentro del guion —«Uan tres punto cero»— y comprobar el resultado antes de dar la pieza por buena.
El fallo gordo: si el guion es corto, la voz se rompe a los doce segundos
Y aquí está lo que no cuenta ninguna nota de prensa. En la primera prueba de 30 segundos le dimos un guion de unos doce segundos de locución. Esto es lo que devolvió, transcrito:
Segundos 0 a 12 — impecable:
«Estos son 30 segundos generados de una sola pasada. Ni cortes, ni montaje, ni retoques. Lo que ves es lo que devuelve el modelo.»
Segundo 12 en adelante — esto:
«Lo que gulgo senzadian nahakulak ebeldo orelo kol mandala pasin… El estamsan erau diadelo lequesa prada ostela… Podemintse mon pazarlo kon un lise.»
No ha cambiado de idioma: ha dejado de hablar un idioma. Son fonemas encadenados con entonación de persona hablando. El detector automático, que en las otras dos pruebas identificó español con un 99,8 % de confianza, aquí se rinde: devuelve «euskera» con un 52 %, que es su manera de decir «esto no es ninguna lengua».
La causa parecía clara: al modelo se le pidieron treinta segundos y solo se le dieron doce de texto. En vez de callarse y dejar el ambiente, rellena el silencio balbuceando. Nadie avisa de esto en el panel.
Lo comprobamos: con el guion completo, aguanta los 30 segundos
Para no quedarnos en la queja, repetimos la prueba cambiando una sola cosa: un guion de 82 palabras, escrito para durar los treinta segundos enteros. Misma duración, misma resolución, mismo modelo, formato vertical. Resultado transcrito:
«Esto que estás viendo son 30 segundos de una sola pasada, ni cortes ni montaje ni retoques. Lo ha generado la nueva One 3.0 desde el panel de Magnific, que antes se llamaba Freepik. Fíjate en que la cara no cambia, la luz no salta y el sonido va pegado a los labios. Hasta ahora esto costaba tres o cuatro clips pegados.»
Español detectado con un 99,6 % de confianza, los treinta segundos completos. Solo repite el tropiezo de la marca: «One» por «Wan».
Conclusión, y es la que se lleva usted a casa: el balbuceo no es un defecto del modelo, es lo que pasa cuando el texto no llena la duración pedida. Escriba el guion a medida y Wan 3.0 sostiene el castellano medio minuto sin despeinarse.
Lo que aguanta siempre es la imagen. Los treinta segundos completos mantienen a la misma persona, con la misma ropa, en el mismo sitio, mientras la cámara la acompaña. Ni un salto de cara, ni un cambio de luz, ni el parpadeo típico de los clips pegados. La promesa visual se cumple entera.
La regla práctica
Escriba un guion que llene toda la duración que va a pedir: unas 40 palabras por cada 15 segundos de castellano hablado (82 nos cubrieron 30 segundos justos). Si el texto es corto, pida un clip corto y alárguelo después con la función de extensión, nunca al revés.
Lo que tarda de verdad
El panel avisa en vivo de la saturación de los servidores de Alibaba. El 26 de agosto anunciaba unos 20 minutos de espera; el 27, ocho. Medido con reloj en nuestras generaciones:
| Prueba | Lo que anuncia el panel | Lo que tardó |
|---|---|---|
| 10 segundos, 1080p | ~8 minutos | menos de 6 minutos |
| 30 segundos, 1080p | ~19 minutos | 19 minutos clavados |
| 30 segundos, 1080p vertical | ~19 minutos | 20 minutos |
La estimación pecа de prudente en los clips cortos, que es la forma correcta de equivocarse. Aun así, conviene saberlo antes de prometerle a nadie un vídeo para dentro de diez minutos.
Lo que cuesta de verdad: aquí no cuadran las cuentas
Y llegamos a la parte incómoda. La tabla de precios pública de Magnific anuncia, con una etiqueta roja de «40 % OFF», que Wan 3.0 en 1080p cuesta 480 créditos cada 2 segundos, y que con el plan Premium salen «500 vídeos».
Su propio blog, en el artículo con el que presentaron el modelo, publica otra cifra: 400 créditos por segundo de salida en 1080p. Es decir, 800 créditos cada 2 segundos. El doble.
¿Cuál de las dos cobra el panel? Lo hemos medido tres veces:
| Generación | Créditos cobrados | Por 2 segundos |
|---|---|---|
| 10 segundos, 1080p | 4.000 | 800 |
| 30 segundos, 1080p | 12.000 | 800 |
| 10 segundos, 1080p en modo PRIME | 5.200 | 1.040 |
El contador de consumo de la cuenta lo confirma: después de tres generaciones (10 + 30 + 10 segundos) marcaba 20.000 créditos gastados. Cobra 800 por cada 2 segundos, la cifra del blog, no la de la tabla de precios. Y el sonido no suma: apagarlo no baja el precio ni un crédito.
Entonces, ¿cuántos vídeos entran de verdad en el plan de 12 €?
El plan Premium cuesta 12 € al mes pagando el año por delante e incluye 240.000 créditos anuales, que no se resetean cada mes. Con el precio que cobra el panel:
| Si genera vídeos de… | Créditos por vídeo | Vídeos al año con Premium |
|---|---|---|
| 2 segundos (lo que cuenta su tabla) | 800 | 300 |
| 10 segundos | 4.000 | 60 |
| 30 segundos (el reclamo del modelo) | 12.000 | 20 |
Los «500 vídeos» de la tabla son clips de 2 segundos, contados además al precio rebajado que el panel no aplicó en nuestra cuenta. Contando en vídeos de 30 segundos —la razón entera por la que este modelo es noticia— el plan Premium da para veinte al año. Menos de dos al mes.
No es que Magnific sea caro: la API de Alibaba cobra por su cuenta cifras equiparables, y aquí uno paga por tener a Wan 3.0, Seedance, Kling y Veo en el mismo panel. Es que la cuenta que enseña la tabla y la cuenta que sale al final no son la misma cuenta.
Cómo sale el archivo
Nada de sorpresas al descargar, y esto también conviene medirlo: el clip de 10 segundos sale en 1920 × 1080 a 30 fotogramas por segundo, vídeo H.264 y audio AAC en estéreo a 44,1 kHz. Pesa 30 MB por 10 segundos —unos 24 Mbps—, así que un archivo de 30 segundos ronda los 90 MB. Para subir a redes va sobrado; para almacenar en cantidad, hágase a la idea.
Nuestra nota
Wan 3.0 dentro de Magnific
7,25 / 10
| Criterio | Nota | Por qué |
|---|---|---|
| Calidad de imagen en 1080p | 9 | Piel, luz y fondo aguantan el primer plano sin el plástico habitual. |
| 30 segundos de una pasada | 9 | Cumple lo que promete: sin cortes ni pegado posterior. |
| Voz en español y sincronía | 8 | Castellano natural y labios pegados al audio. |
| Pronunciación de marcas | 6 | Lee «Wan» como «One» y se come el nombre de la web. |
| Transparencia de precios | 4 | La tabla anuncia 480 créditos por 2 s y el panel cobra 800. |
| Velocidad | 6 | De 6 a 19 minutos, con avisos de saturación casi a diario. |
| Facilidad de uso | 7 | Elegir modelo y generar es inmediato; la cuenta gratuita no deja probarlo. |
| Precio frente a rivales | 9 | 2,75 veces más barato que Seedance 2.5 por el mismo medio minuto. |
Suma de criterios: 58 ÷ 8 = 7,25. La nota global es la media exacta, sin redondeos amables. Así probamos las herramientas.
Lo comparamos con Seedance 2.5, en el mismo panel
Para saber si lo del castellano es mérito de Wan 3.0 o cosa de todos, repetimos la prueba con Seedance 2.5 —del que ya contamos su salto a los 30 segundos y las 50 referencias— sin salir del mismo desplegable: otra escena, mismo guion largo, misma duración y misma resolución.
| Wan 3.0 | Seedance 2.5 | |
|---|---|---|
| Créditos por 30 s en 1080p | 12.000 | 33.000 |
| Castellano los 30 segundos | Sí, con guion completo | Sí, guion entero |
| Tamaño del archivo | 158 MB | 4,6 MB |
| Tiempo de generación | 19 minutos | 9 minutos |
| Tropiezos de pronunciación | «One» por «Wan» | «entlera» por «entera» |
Conclusión de la comparación: Wan 3.0 sale 2,75 veces más barato por el mismo medio minuto en 1080p, y esa es su gran baza. A cambio entrega archivos treinta veces más pesados y tarda el doble. Si va justo de créditos, Wan; si va justo de espacio o de paciencia, Seedance. Y si lo que busca es comparar plataformas enteras en vez de modelos sueltos, tenemos analizados otros paneles con varios modelos de vídeo.
Conclusión
Wan 3.0 hace lo que dice: medio minuto de vídeo con sonido, en español, sin pegar clips y con una calidad que aguanta el primer plano. Dentro de Magnific se usa en dos clics y se puede comparar con media docena de modelos rivales sin cambiar de pestaña.
Lo que no aguanta es la tabla de precios. Antes de suscribirse, haga la cuenta con la cifra que cobra el panel —800 créditos por cada 2 segundos en 1080p— y no con la que anuncia la web. Si su plan es publicar vídeos de 30 segundos, el plan de 12 € da para veinte al año; el de 27 €, para cincuenta. Sabiéndolo, la decisión es suya y es informada. Que es de lo que se trata.
Contenido elaborado con la asistencia tecnológica de AURA y supervisión editorial. Sobre IARanking → Fermín Sánchez es el responsable editorial de IARanking. Analizamos, comparamos y rankeamos herramientas de inteligencia artificial con criterio independiente, sin marketing, para ayudarte a elegir la IA que de verdad necesitas.