Die API-Referenz beschreibt wan3.0-video als All-in-One-Modell für Text-zu-Video, Bild-zu-Video und referenzbasierte Erzeugung. Zulässig sind bis zu zehn Referenzbilder sowie jeweils fünf Video- und Audioclips mit zusammen höchstens 15 Sekunden. Die maximale Videolänge beträgt 30 Sekunden, Standardauflösung ist 1080p.
Als Dateieingaben nennt Alibaba unter anderem docx, xlsx, pptx, pdf, txt, key, pages, numbers und md. Dokumentiert sind die Regionen Singapur und Peking. The Decoder nennt für einen 30-Sekunden-Clip je nach Auflösung und Tarif 1,50 bis 6,00 Dollar beziehungsweise 2,04 bis 8,40 Dollar; die API-Referenz selbst führt keine Preise.
Beim Zeitpunkt widersprechen sich die Fundstellen: Die Model-Studio-Referenz trägt den Stand 6. August, TNGlobal berichtet am 10. August über eine Testfreigabe, The Decoder datiert die breite Vorstellung auf den 24. August. Der Zugang ist antragsgebunden; unabhängige Tests zur Videoqualität liegen nicht vor.