Wan 3.0 ha appena conquistato la vetta della classifica video. La storia degli open-weights è ora una storia video.

Per gran parte del boom dell’IA generativa, la conversazione sugli open-weights apparteneva alle immagini. Stable Diffusion ha dimostrato che potevi eseguire un vero modello sulla tua GPU, e attorno a esso è cresciuto un intero ecosistema di LoRA e ControlNet. Il video era diverso. I migliori modelli video restavano bloccati dietro le API, e «video open source» significava modelli piccoli che restavano indietro rispetto ai leader chiusi.

Questo è cambiato questo mese. Wan 3.0, il modello video di Alibaba, ha conquistato il primo posto nel benchmark di nuova generazione AA-Video-T2V v2.0 di Artificial Analysis, costruito con più di 68.000 voti di preferenza umana su circa un migliaio di prompt. Wan 3.0 ha ottenuto un Elo di 1157 e ha vinto il primo posto in 10 delle 20 classifiche di categoria. La stessa classifica ha messo Wan 3.0 al primo posto anche nell’editing video, davanti a Seedance di ByteDance e H3 di MiniMax.

Il significato è meno legato a un singolo numero e più a ciò che rappresenta. Un modello cinese open-weights ora è competitivo con, e in diverse classifiche davanti a, Veo 3.1 di Google e al resto del campo dei modelli chiusi. Il prezzo racconta la stessa storia. Wan 3.0 costa da 0,05 a 0,20 $ al secondo a seconda della risoluzione, contro i 0,40 $ di Veo 3.1 al livello standard. Alibaba ha raccolto 10 miliardi di dollari in un collocamento azionario a Hong Kong per finanziare esattamente questa spinta, e la strategia è leggibile: vendere a poco, guadagnare quota, rendere il cliente enterprise il motore della crescita.

Tecnicamente, Wan 3.0 è progettato per coerenza e input strutturati. Genera clip fino a 30 secondi in un’unica passata, raddoppiando il limite di 15 secondi del predecessore, fino a 1080p con microespressioni sincronizzate e voce multilingue. Più interessante, accetta documenti, PDF, PowerPoint e fogli di calcolo come input, trasformando una presentazione o un report in video. Quell’angolo documento-a-video è mirato dritto ai flussi di lavoro aziendali, non solo ai creator individuali.

La funzione documento-a-video merita più attenzione di quanta ne riceva. La maggior parte dei modelli video vuole un prompt testuale o un’immagine. Wan 3.0 vuole i tuoi asset esistenti, la presentazione che hai già fatto, il report che hai già scritto, e li tratta come fonte di verità. Per un’azienda che vive di documenti, questo riduce quasi a zero l’attrito nel passare da «abbiamo un report» a «abbiamo un video». È il primo modello a fare della pipeline documentale aziendale la porta d’ingresso, ed è una mossa silenziosamente intelligente.

Per un team che sceglie uno stack video, questo rimescola la decisione. Il vecchio presupposto, che i modelli aperti siano ciò a cui ricorri quando non puoi permetterti o non puoi usare quelli chiusi, si sta indebolendo. Ora puoi self-hostare un modello che svetta in classifica, il che conta per i casi che non hanno nulla a che fare con la qualità e tutto a che fare con il controllo. Un cliente i cui dati non possono lasciare la propria infrastruttura non ha altra opzione conforme se non un modello self-hosted, e per la prima volta quell’opzione non è un compromesso sulla qualità dell’output.

C’è un avvertimento che viene saltato nell’entusiasmo. Il self-hosting non è gratuito solo perché i pesi lo sono. Paghi in GPU, in lavoro d’integrazione, nel compito continuo di mantenere una pipeline sana a qualunque volume arrivi effettivamente il tuo lavoro. Il modello è gratuito; l’ingegneria no. Per la maggior parte dei piccoli team, un endpoint hosted vince ancora sul costo totale finché il volume non giustifica l’hardware.

Il contesto del benchmark conta per leggere correttamente la vittoria. Il benchmark AA-Video-T2V v2.0 è la nuova generazione di valutazione basata sulle preferenze umane, e giudica ogni modello a 1080p, il che elimina il vecchio trucco di vincere a bassa risoluzione. Wan 3.0 ha conquistato il primo posto in dieci delle venti classifiche di categoria e ha ottenuto il miglior Elo complessivo a 1157. Non è una vittoria di nicchia o una categoria favorevole; è un risultato ampio e competitivo contro l’intero campo, inclusi i modelli che costano otto volte tanto al secondo. Quando un modello aperto che costa 0,05 $ al secondo batte un modello chiuso che costa 0,40 $, la proposta di valore è difficile da contestare.

C’è anche una dimensione politica difficile da ignorare. La corsa all’IA video è diventata un proxy per una competizione più ampia tra laboratori cinesi e americani, e la corona di Wan 3.0 nel benchmark è il tipo di risultato che viene citato in entrambi i paesi per ragioni diverse. In Cina è la prova che lo stack nazionale può competere sulla qualità, non solo sul prezzo. Negli Stati Uniti è l’evidenza che il costo del calcolo non è l’unica cosa che sta cambiando. Nessuna delle due letture cattura appieno ciò che sta accadendo, ovvero una genuina convergenza competitiva che avvantaggia gli utenti sotto forma di prezzi più bassi e modelli aperti più capaci.

Il passaggio degli open-weights al video ha anche implicazioni per la geopolitica più ampia dell’IA. I laboratori cinesi vincono la guerra dei prezzi da un po’, e ora vincono anche sui benchmark, il che cambia la narrazione da «imitazione economica» a «genuinamente competitivi». La stessa dinamica si è già verificata nella generazione di immagini con Qwen-Image e Z-Image, e nei modelli linguistici con DeepSeek e Qwen. Il video era l’ultimo grande bastione per i laboratori occidentali chiusi, e Wan 3.0 ha appena mostrato che la porta è aperta.

La corona nel benchmark è il titolo, ma la vera storia è che la generazione video ora ha una strada aperta credibile. Le stesse dinamiche che hanno seguito Stable Diffusion sono probabilmente destinate a seguirla anche qui: fine-tuning, nodi di controllo della community, distribuzioni regionali e una lunga coda di casi d’uso che i fornitori di API non si sono mai preoccupati di servire. I modelli aperti sottoposti a fine-tuning sono già il modo standard per mantenere un personaggio o uno stile specifico nel lavoro sulle immagini, e i creator video vorranno la stessa capacità di addestrare sul proprio brand o prodotto.

C’è già una prima evidenza che quell’ecosistema si sta formando. L’ecosistema MiniMax H3 ha prodotto un prompt builder open source e un’ondata di fine-tuning della community mirati ad anime e personaggi, rispecchiando il playbook di Stable Diffusion. Quando i pesi aperti sono abbastanza buoni da svettare in un benchmark, la community che si forma attorno a essi non è più di nicchia; è il mainstream, e le innovazioni che ne derivano, nodi di controllo, hosting regionale, inferenza locale che preserva la privacy, tendono ad arrivare più velocemente di quanto qualsiasi singolo fornitore possa rilasciare.

L’implicazione pratica per un team è concreta e vale la pena ripeterla. Se stai scegliendo uno stack video alla fine del 2026, la domanda non è più «aperto o chiuso» come questione di qualità. È una questione di controllo, costo e rischio di uscita. I pesi aperti ti danno il primo e riducono il terzo, al costo del secondo. Le API chiuse ti danno convenienza al costo di tutti e tre. I team che attraverseranno la prossima deprecazione di un modello senza dolore sono quelli che hanno già deciso da che parte stare in questo trade-off, invece di scoprirlo nel modo duro quando il loro fornitore annuncia una dismissione.

Per chiunque costruisca sulla generazione video, la lezione pratica è smettere di trattare gli open-weights come un ripiego. Trattali come un’opzione strategica. La prossima volta che un fornitore chiuso depreca un modello come ha appena fatto OpenAI con Sora, i team che non si affanneranno saranno quelli che hanno tenuto almeno un piede sulla strada aperta. Gli open-weights erano il premio di consolazione. Nel video, sono appena diventati la vetrina dei trofei.