可灵 3.0 vs Wan 3.0：同一提示词实测对比与价格

2026 年 10 月 25 日，我们把同样的三条 5 秒 720p 提示词交给两个模型。Wan 3.0（通义万相）三项里赢了两项，可灵 3.0 拿下滑板那条动作片。按官方价，5 秒 720p 带声音一段，可灵 3.0 是 $0.63，Wan 3.0 是 $0.50。

要超过 15 秒的片子？只有 Wan 3.0 能到 30 秒。Wan 3.0 Prime 是阿里更贵的一档，720p 每秒 $0.14。

两个模型都能在 OmniaKey 调用：可灵 3.0 和 Wan 3.0。

怎么测的

• 模型和 ID：OmniaKey 上是 kling-3.0 和 wan3.0-video。可灵自己的接口把 3.0 这个版本叫 kling-v3。
• 实际发送的参数：可灵文字转视频 {"mode": "std", "duration": 5, "aspect_ratio": "16:9"}，可灵图生视频 {"mode": "std", "duration": 5}，Wan 两条都是 {"duration": 5, "resolution": "720P", "ratio": "16:9"}。可灵的 std 档输出 720P。
• 2026 年 10 月 25 日，全部通过 OmniaKey 的接口跑。3 条提示词，每个模型每条各 1 段，一共 6 段，6 个任务全部一次成功。
• 第 3 条的首帧用 Nano Banana 2.1 生成（2K、16:9），两个视频模型都没有动画自己的图。
• 时间从提交任务算到状态变成 succeeded，包含排队。
• 判断方式：逐段看完，再对比同一时刻的帧。看动作和运镜是否跟提示词一致、招牌和标签文字对不对、首帧有没有保住。声音用 ffmpeg 测平均响度。
• OmniaKey 本身在卖这两个模型的接口，测试就是通过它跑的。下面所有价格都是可灵和阿里自己的官方价，不是我们的价格。
• 来源：可灵的接口价格页和接口能力表，阿里的 Model Studio 价格页、Wan 3.0 接口文档和 Wan 3.0 使用指南，都在 2026 年 10 月 25 日核对。

每条提示词每个模型只跑一段，视频模型每次结果会有出入。

三项测试，同一组提示词

测试 1：滑板 ollie 越过水滩（文字转视频，16:9）

这一项看滑板有没有越过水、镜头摆在哪里。

提示词：

Tracking shot at golden hour on an empty concrete plaza. A teenage skateboarder in a mustard hoodie rolls toward a shallow puddle, pops an ollie over it and lands cleanly on the far side. The rear wheel clips the edge of the puddle and throws a small arc of water. Low warm sun, long shadows, handheld camera following at hip height. Sound: wheels rumbling on concrete, the clack of the board landing, a splash.

• 可灵 3.0（323.8 s）：滑板手冲上来，ollie 越过水滩，在对岸干净落地，板子过水时溅起水花。镜头一直在腰部高度，大半段时间里他的头在画面外，背景是水泥墙、暖色低角度阳光和长影子。
• Wan 3.0（153.5 s）：全身在画面里，背后是玻璃幕墙的低矮建筑和树，金色光线。大约 2.3 秒起跳，2.9 秒板子落进水滩里溅起大片水花，然后他从对岸滑走。

结论： 可灵 3.0。提示词写的动作它做到了：越过水滩，干净落地。Wan 3.0 的画面更好看，但板子落进了水里。动作必须照剧本走就选可灵 3.0，想让头留在画面里，就把镜头要求写进提示词。

测试 2：夜市面摊和招牌（文字转视频，16:9）

这一项看招牌文字、要的推镜，还有厨师的脸有没有被挡。

提示词：

Night street food stall, medium shot with a slow push-in. An elderly cook in a white apron tosses noodles in a flaming wok; steam and sparks rise under a single hanging bulb. Behind him a red neon sign reads NOODLES in capital letters. A customer on the right hands over a paper ticket. Wet pavement reflects the neon. Sound: sizzling oil, the clang of the wok, distant street chatter.

• 可灵 3.0（193.6 s）：招牌对，火焰、蒸汽、挂着的灯泡都在，右边一只手递来纸质小票。开头面条抛得很高，身后街道又暗又空，镜头几乎不动。到 4.6 秒，灯泡挡在厨师脸前，锅里也快空了。
• Wan 3.0（144.2 s）：招牌对，火焰、火星都在，右边顾客递出纸质小票。身后是热闹的夜市街，有人走动，地面湿着反光，还有一次清楚的慢推镜。背景招牌上是看不懂的假字。

结论： Wan 3.0。两边招牌都拼对了。Wan 3.0 做出了我们要的慢推镜，厨师的脸一直看得见。可灵 3.0 到片尾，灯泡把脸挡住了。Wan 3.0 的背景招牌是假字，想要干净背景就加一句“不要其他招牌”。

测试 3：从静帧照片绕拍香水瓶（图生视频，16:9）

这一项看产品照片能不能扛住运镜，瓶身、瓶盖和两行标签文字都在不在。首帧先用 Nano Banana 2.1 生成，再交给两个视频模型。

首帧提示词：

Studio product photograph of a square glass perfume bottle with a gold cap standing on wet black slate. The front label is cream paper with the word AURELIA in black serif capitals and "eau de parfum · 50 ml" in small type underneath. Water droplets on the glass and the stone, a soft key light from the left, dark background, wide 16:9 frame with the bottle in the center.

运动提示词：

The camera slowly orbits to the right around the perfume bottle. Water droplets slide down the glass and a soft beam of light sweeps across the label. Keep the bottle, the gold cap and the label text exactly as they are. Sound: a quiet drip of water.

• 可灵 3.0（73.5 s，输出 1284×716）：整段都保住了瓶子、金色瓶盖，还有标签上的 AURELIA 和小字“eau de parfum · 50 ml”。向右转了一点，结尾出现一道很淡的光。声音几乎是静音，平均 −53.7 dB。
• Wan 3.0（100.0 s，输出 1280×720）：瓶身、瓶盖和两行标签都清楚。绕得更远，到 4.9 秒瓶子已经是个侧角度，左上方扫进一道柔和的光。声音轨大约每秒有一声短促的尖峰。

结论： Wan 3.0，小胜。两边的标签文字都清楚。Wan 3.0 按提示词把镜头转得更远，声音轨也有内容，可灵 3.0 那条几乎没声音。可灵 3.0 这一段出片更快。

各项结果

声音、速度与每段价格

声音

两个模型每一段都带声音轨：5.04 s，MP4，AAC 立体声。表里的数字是平均响度，越大越响，我们用 ffmpeg 测的。

可灵的接口把声音做成开关，默认关闭，打开后每秒价格更高。在阿里的接口里，Wan 3.0 默认带声音，同一档分辨率一个价，可以用 audio=false 关掉。

速度

从提交到状态变成 succeeded，含排队：

这次两条文字转视频都是 Wan 3.0 先出片，图生视频那条是可灵 3.0 先出片。

价格

可灵按秒计费，按可灵的接口价格页（2026 年 10 月 25 日核对），1 Unit 等于 $0.14。

阿里也按秒计费，发送视频时输入的视频秒数一起算，按 Model Studio 价格页（2026 年 10 月 25 日核对）。

阿里页面上 wan3.0-video 的价格写的是标价，并注明限时 7 折（Limited-time 30% off）。Prime 那档没有折扣标记。

一段视频一共多少钱，按两家的价格页算：

带声音时，720P 是 Wan 3.0 便宜，1080P 是可灵 3.0 便宜。不要声音的话，720P 上可灵 3.0 每秒 $0.084，比 Wan 3.0 低。

OmniaKey 现在的价格看 可灵 3.0 和 Wan 3.0 模型页。

可灵 4.0 和 Wan 3.0 Prime 呢？

可灵的接口能力表（2026 年 10 月 20 日更新）现在把 kling-4.0 排在前面，支持 3 到 30 秒。OmniaKey 卖的是 kling-3.0，我们跑的就是它。

Wan 3.0 Prime 是阿里更贵的一档，720P 每秒 $0.14，5 秒一段 $0.70。OmniaKey 的文档写的是“同样的能力，出片时间大约减半”，我们这次跑的是标准档。

优点和缺点

可灵 3.0

• 优点：动作最准；首帧和标签文字都保住了；图生视频最快，73.5 s。
• 缺点：文字转视频最慢，323.8 s；背景暗而空；挂着的灯泡挡住了厨师的脸；图生视频几乎没声音；最长 15 秒。

Wan 3.0

• 优点：场景最热闹、最真实；运镜清楚；文字转视频更快；最长 30 秒；默认带声音，一个价。
• 缺点：滑板落进水滩；背景招牌是假字；阿里仍标着“预览中”。

什么任务选哪个

国内怎么用

OmniaKey 支持人民币直充（支付宝、微信支付），一个 key 就能调用可灵 3.0 和 Wan 3.0，不用分别去注册两家账号。模型页在这里：可灵 3.0、Wan 3.0。

用同一个接口跑一遍

下面这个请求把面摊那段提示词交给 Wan 3.0：

curl https://api.omniakey.com/v1/media/tasks \
  -H "Authorization: Bearer $OMNIAKEY_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: noodle-stall-001" \
  -d '{
    "model": "wan3.0-video",
    "type": "video",
    "operation": "text_to_video",
    "input": {"prompt": "Night street food stall, medium shot with a slow push-in. An elderly cook in a white apron tosses noodles in a flaming wok; steam and sparks rise under a single hanging bulb. Behind him a red neon sign reads NOODLES in capital letters. A customer on the right hands over a paper ticket. Wet pavement reflects the neon. Sound: sizzling oil, the clang of the wok, distant street chatter."},
    "parameters": {"duration": 5, "resolution": "720P", "ratio": "16:9"}
  }'

1. 返回 202，带一个任务 id。
2. 每隔几秒查一次 https://api.omniakey.com/v1/media/tasks/{id}，直到 status 变成 succeeded。视频任务可能要几分钟，一直查同一个 id，别重复提交。
3. 从 assets[0].url 下载视频。

可灵 3.0 把 model 换成 kling-3.0，参数发 {"mode": "std", "duration": 5, "aspect_ratio": "16:9"}，时长只能填 5、10 或 15 秒。要让照片动起来，把 operation 改成 image_to_video，首帧放进 input.media，type 填 first_frame，url 填 https 链接或 data URL。可灵不用传 aspect_ratio，画面比例跟着首帧走。

模型页：可灵 3.0、Wan 3.0；每个参数怎么填看 视频接口文档。

常见问题

可灵 3.0 比 Wan 3.0 好吗？

看片子。可灵 3.0 把滑板动作做对了。Wan 3.0 赢了街头场景和产品绕拍，运镜更清楚，声音也更响。招牌和标签文字两边都没错，动作照剧本走选可灵 3.0，要热闹的场景选 Wan 3.0。

可灵 3.0 和 Wan 3.0 哪个便宜？

按官方价，5 秒 720p 带声音一段，Wan 3.0 是 $0.50，可灵 3.0 是 $0.63。到 1080P 反过来，可灵 3.0 是 $0.84，Wan 3.0 是 $1.00。不要声音时，可灵 3.0 的 720P 每秒 $0.084，5 秒一段 $0.42，是两家 720P 里最低的。Wan 3.0 的 720P 开不开声音都是 $0.50 一段。

可灵 3.0 和 Wan 3.0 的视频能多长？

可灵的接口按整秒算，3 到 15 秒。Wan 3.0 是 2 到 30 秒。OmniaKey 上 kling-3.0 只能填 5、10 或 15 秒，wan3.0-video 支持 2 到 30 秒。

Wan 3.0 开源吗？

Wan 3.0 没有开放权重，开源的是更早的版本，到 Wan 2.2 为止。AlibabaCloud-Official 的 Wan3.0 仓库里只有一份许可证和一个 README，没有权重，也没有模型代码。

可灵 3.0 和 Wan 3.0 有声音吗？

都有。我们测的 6 段视频每段都带 AAC 立体声轨，文件是 5.04 s 的 MP4。可灵的接口把声音做成开关，默认关闭，打开后每秒价格更高。Wan 3.0 默认带声音，一个价，可以用 audio=false 关掉。

更新记录

• 2026 年 10 月 25 日：第一版，三项同一提示词的测试在同一天跑完。