阿里巴巴万相3.0视频生成模型发布

阿里巴巴于2026年8月6日发布了万相3.0视频生成模型。该模型支持原生30秒1080P分辨率视频生成,具备逼真渲染效果;引入“通用参考”功能,可接受文本、图像、视频、音频以及文档(doc、xls、ppt、pdf、txt、key、pages、numbers、md)和URL,实现混合输入视频生成;旨在通过融合多种参考材料辅助智能体工作流程;文字渲染与运动效果表现强劲。定价方面:1080P每秒1.4元,720P每秒0.7元;同时提供美元定价:480p每秒0.05美元,720p每秒0.10美元。
Key insights
万相3.0引入通用参考,超越标准模态扩展视频生成能力
阿里巴巴万相3.0模型超越了传统的文本/图像/视频/音频输入,可接受文档、电子表格、演示文稿、Markdown及网页。这种“通用参考”设计允许用户在单次生成请求中组合多种信息类型,特别适用于智能体驱动的视频创作。该模型支持原生30秒1080P输出,具备逼真渲染效果以及良好的文字与运动效果。
公布具有竞争力的定价,涵盖人民币和美元层级
万相3.0定价为1080P每秒1.4元,720P每秒0.7元。此外,美元定价列出480p每秒0.05美元,720p每秒0.10美元,表明提供多种分辨率与货币选项。这一定价使该模型在国内和国际市场均具有积极的价格竞争力。