Wan 3.0 vs. Luma Ray 3.2: Sound gegen Farbe und ein unbewertetes Modell

Dies ist der einzige Vergleich in dieser Reihe, bei dem eines der beiden Modelle nicht bewertet werden kann. Luma Ray 3.2 hat keinen Eintrag in der Artificial Analysis Video Arena – weder auf dem Text-zu-Video-Board noch auf dem Bild-zu-Video-Board, geprüft am 18. September 2026. Es gibt kein Blindpräferenz-Elo dafür, keine Stichprobengröße, kein Konfidenzintervall. Wer im direkten Vergleich eine Zahl für Ray 3.2 nennt, zitiert entweder einen anbieterseitigen Präferenztest oder eine hauseigene Skala eines Aggregators, und keines von beiden ist mit den Arena-Werten vergleichbar, Wan 3.0 aufweist. Dieser Vergleich muss also anhand von Spezifikationen, Steuerungsoberflächen und Abrechnung angestellt werden statt anhand einer Rangliste – was angesichts der so unterschiedlichen Bauweise der beiden ohnehin der nützlichere Vergleich ist.

Bevor wir zu irgendetwas davon kommen: eine Namensfalle, die Sie Geld kosten wird, wenn Sie sie übersehen. Lumas Versionsnummern steigen nicht so an, wie sie gelesen werden. Ray3.14 erschien am 26. Januar 2026; Ray3.2 erschien am 9. Juni 2026 und ist das aktuelle Flaggschiff. Die höhere Nummer steht für das ältere Modell. Luma hat die Marke Dream Machine vollständig aufgegeben und gibt an, dass Dream Machine und Ray2 durch Ray ersetzt werden – sämtliche Anleitungen, Preisseiten oder Vergleiche, die auf „Dream Machine“ aufbauen, beschreiben also ein Produkt, das Luma nicht mehr verkauft.

Der fehlende Bestenlisten-Eintrag – und warum er wichtig ist

Wan 3.0s Position ist gut dokumentiert. In der Text-zu-Video-Arena mit Audio von Artificial Analysis, erfasst am 18. September 2026, liegt es mit Elo 1.229 und 6.011 erfassten Vergleichen auf Platz 2, hinter Gemini Omni Flash mit 1.233 und vor drei anderen Modellen innerhalb eines 23-Punkte-Bereichs. Auf dem Video-Editing-Board steht es mit Elo 1.190 auf Platz 1. Diese sind unabhängig, blind und überprüfbar.

Die Stellung von Ray 3.2 ist nirgendwo in vergleichbarer Weise dokumentiert. Was Luma veröffentlicht hat, ist ein interner „Ray3 Evaluation Report“, der Parität mit Veo 3 und einen Vorsprung gegenüber Runway Gen-4, Midjourney Video und Moonvalley Marey behauptet – ohne beigefügte numerische Werte. Luma behauptet außerdem, dass seine API zu weniger als der Hälfte des Preises und der Latenz vergleichbarer Modelle läuft, ohne dies zu quantifizieren. Unabhängig davon hat Black Forest Labs erklärt, dass Flux 3 in 93 % der Vergleiche gegenüber Ray 3.2 bevorzugt wurde; das ist ein vom Anbieter durchgeführter Test eines Konkurrenzprodukts und hat dasselbe Gewicht wie Lumas eigene Behauptungen, was so viel heißt wie: nicht viel.

Dies ist eher eine echte Lücke in der Datenlage als ein Minuspunkt für das Modell. Ein Modell kann hervorragend und dennoch unbewertet sein – die Arena bewertet nur, was ihren Wählern gezeigt wurde. Doch das ändert, was eine Vergleichsseite Ihnen sagen sollte. Für Wan 3.0 können Sie sagen, was unabhängige Wähler dachten. Für Ray 3.2 können Sie nichts dergleichen sagen, und Lumas internen Bericht oder die 93%-Behauptung eines Konkurrenten so darzustellen, als wäre eines davon ein Beleg, wäre der einfachste Weg überhaupt, diesen Artikel falsch zu machen.

Zwei verschiedene Wetten: Klang versus Farbe

Hier ist der schärfste Unterschied zwischen ihnen, und es geht nicht um Qualität.

Wan 3.0 erzeugt Audio nativ im selben Durchgang wie das Video – Dialoge, Hintergrundmusik und Soundeffekte, standardmäßig aktiviert, mit einem Flag deaktivierbar, mit bis zu fünf Referenz-Audioclips steuerbar. Alibabas eigene Launch-Materialien nennen Audioqualität als einen Bereich, der noch Arbeit benötigt, also betrachten Sie es als eine echte, aber unvollkommene Fähigkeit. Der Punkt ist, dass eine Wan 3.0-Generierung als fertiges audiovisuelles Werk ankommt.

Ray 3.2 generiert überhaupt kein Audio. Die Ausgabe von Text-zu-Video und Bild-zu-Video ist stumm. Audio bleibt nur erhalten, wenn Sie die Modify- oder Reframe-Pfade bei vorhandenem Footage verwenden — es gibt keinen Weg von einem Prompt zu einer Tonspur. Dies ist der größte einzelne Funktionsunterschied zwischen den beiden Modellen, und er ist für manche Workflows schon für sich genommen ein Ausschlusskriterium: Wenn Ihr Ergebnis synchronisierten Dialog oder Sounddesign erfordert, ist Ray 3.2 ein reiner Video-Schritt in einer Pipeline, an die anschließend eine Audio-Stufe angeflanscht werden muss, während Wan 3.0 das nicht ist.

Was Luma stattdessen gebaut hat, ist die tiefgreifendste Farb- und Finishing-Pipeline aller kommerziellen Videomodelle. Ray 3.2 erzeugt natives 16-Bit-HDR und exportiert EXR in ACES2065-1, dem Farbraum, den professionelle Grading- und VFX-Pipelines erwarten. Es verfolgt ausdrucksstarke Gesichtsperformance bei bis zu acht Gesichtern gleichzeitig, Frame für Frame, sowie Skelett-Haltung und Gestik. Es nimmt bis zu 16 Keyframes pro Clip für die Frame-genaue Steuerung von Tempo und Bewegung. Die Reframe-Funktion ändert das Seitenverhältnis, erweitert den Frame oder ersetzt nach der Generierung den Hintergrund, während die ursprüngliche Beleuchtung erhalten bleibt. Und es ist Teil von Adobe Firefly, mit namentlich genannten Studio- und Agenturkunden dahinter.

Das ist ein Postproduktions-Tool. Wan 3.0 ist ein Produktions-Tool. Wenn Sie Aufnahmen an einen Coloristen weitergeben, ist der EXR-Export mehr wert als dreißig Sekunden von irgendetwas. Wenn Sie einen fertigen Clip veröffentlichen, ist stumme Ausgabe ein Problem, das nichts anderes im Datenblatt behebt.

Dauer und Auflösung, sorgfältig lesen

Beide Anbieter verwischen diese Zahlen in entgegengesetzte Richtungen, und beide Verwischungen sind wichtig.

• Dauer — Wan 3.0: 2 bis 30 Sekunden in einer einzigen Generierung, plus Vorwärts-, Rückwärts- und bidirektionale Erweiterung. Ray 3.2: 5 oder 10 Sekunden für neue Text-zu-Video- und Bild-zu-Video-Generierungen. Lumas viel zitierte Angabe „bis zu 20 Sekunden“ gilt für Modify Video, seinen quellenerhaltenden Transformationsmodus, nicht für die Generierung aus einem Prompt. Wenn Sie sich anhand der 20-Sekunden-Angabe entscheiden, prüfen Sie, welchen Modus Sie kaufen.

• Auflösung — Wan 3.0: 480p, 720p und 1080p, alle nativ. Ray 3.2: 360p, 540p, 720p und 1080p. Ray 3.2 kann kein 4K. Die Behauptung, dass es dies könne, ist weit verbreitet und falsch: Lumas 4K ist ein separates Upscaling-Dienstprogramm, das nach der Generierung angewendet wird, kein Generierungsmodus. Das HDR ist echt; das 4K nicht.

• HDR-Einschränkungen — Lumas HDR-Modus ist auf 5-Sekunden-Clips bei 720p oder 1080p beschränkt, und HDR ist nicht mit 10-Sekunden-Ausgabe kompatibel. Daher ist die beste Farb-Pipeline des Modells bei seinen längsten Clips nicht verfügbar.

• Bildrate — Wan 3.0: 30 fps. Ray 3.2: 24 fps, was für filmisches Arbeiten die richtige Wahl ist und die falsche, wenn du in 30 oder 60 fps ausliefern musst.

• Seitenverhältnis — Ray 3.2 hat keine feste Liste, weil Reframe die Ausgabe im Nachhinein anpasst. Wan 3.0 unterstützt 21:9, 16:9, 4:3, 1:1, 3:4, 9:16 und adaptiv zum Zeitpunkt der Generierung.

• Eingaben — Wan 3.0 akzeptiert bis zu 10 Referenzbilder, 5 Referenzvideos und 5 Referenzaudioclips innerhalb einer Obergrenze von 20 Assets, plus ein Dokument oder eine öffentliche Webseite. Ray 3.2 akzeptiert Text, Bilder, bis zu 16 Keyframes und Charakterreferenzen — eine Fähigkeit, die seinem Vorgänger Ray3.14 fehlte. Keine Dokumente, keine URL-Verankerung, keine Audioeingabe.

Was jede Sekunde kostet, und die dahinterliegende Abrechnungsstruktur

Wan 3.0 wird pro Sekunde Ausgabe zu Alibabas veröffentlichten Tarifen abgerechnet: 0,05 $ bei 480p, 0,10 $ bei 720p, 0,20 $ bei 1080p. Ein 30-sekündiger 1080p-Clip kostet 6,00 $, wobei ein zeitlich begrenzter Rabatt von 30 % auf Alibabas eigenen Plattformen, der bis zum 23. September läuft, diesen auf rund 4,20 $ senkt.

Ray 3.2 wird auf der Luma Agents API pro Generierung abgerechnet, wodurch sich die Berechnung anders gestaltet: 5 Sekunden bei 360p kosten 0,06 $, bei 540p 0,15 $, bei 720p 0,30 $, bei 1080p 1,20 $. Zehn Sekunden verdoppeln diese Werte bei 360p und 540p und verdreifachen sie darüber. Bei 1080p ergibt das etwa 0,24 $ pro Sekunde – mehr als der 1080p-Tarif von Wan 3.0 und rund das Fünffache seines 480p-Tarifs.

Zwei strukturelle Hinweise, die mehr wiegen als die Zahlen pro Sekunde. Erstens: Lumas Abo-Credits und seine API-Abrechnung sind getrennte Systeme, und Credits lassen sich nicht zwischen ihnen übertragen; die Consumer-Tarife kosten $30, $90 und $300 pro Monat, wobei Credits in jedem einzelnen verbrauchsabhängig abgerechnet werden. Planen Sie das Budget für die Oberfläche, auf der Sie tatsächlich aufbauen, denn das Geld wandert nicht. Zweitens: HDR und HDR+EXR vervielfachen die Credit-Kosten – verdoppeln bzw. verdreifachen sie –, sodass genau die Fähigkeit, die Ray 3.2 auszeichnet, auch diejenige ist, die seinen effektiven Preis am stärksten verändert.

Bei Wan 3.0 liegt die entsprechende Falle auf der Ebene des Anbieters und nicht auf der des Herstellers: Wird ein Modell pro Sekunde und pro Auflösung bepreist, entspricht der Tarif eines Zwischenanbieters oft nicht dem Tarif von Alibaba. 0,05 $ / 0,10 $ / 0,20 $ sind die Werte, an denen jedes Angebot zu messen ist.

Wo die Routing-Frage tatsächlich landet

Keines von beiden ist ein Modell, das wir routen, und es lohnt sich, das vor allem anderen in diesem Abschnitt zu erwähnen. Wan 3.0 ist über Alibabas eigene Plattformen erreichbar – Model Studio und Qwen Cloud – sowie über Drittanbieter-Kreativwerkzeuge, die es nach dem Start am 24. August integriert haben. Ray 3.2 ist über die Luma-Web-App erreichbar und, zum ersten Mal in der Ray-Reihe, über eine echte Entwickler-API mit Pay-as-you-go- und Reserved-Capacity-Tarifen, dazu eine Handvoll Drittanbieter-Plattformen und seine Adobe-Firefly-Integration.

Was auf OrcaRouter verfügbar ist, ist die umgebende Pipeline. Ein fertiges Video ist selten das gesamte Deliverable: Es gibt ein Skript, eine Shotlist, Alt-Text, Untertitel in mehreren Sprachen, Review-Notizen und Metadaten, und all das ist Arbeit für Textmodelle. Diese Modelle sind in unserem Katalog — über 200 davon mit einem einzigen Schlüssel, der Listenpreis der Anbieter wird ohne Aufschlag weitergegeben — es ist also eine Konfigurationsänderung statt einer zweiten Integration, den Untertitelungslauf von einem teuren Modell auf ein günstiges zu verschieben oder das Modell auszutauschen, das Ihre Shotlists schreibt. Angesichts der Tatsache, dass die beiden Videomodelle hier bereits eine zweite und dritte Anbieterbeziehung darstellen, ist die Textschicht auf einem einzigen Schlüssel der Teil dieses Stacks, der sich wirklich günstig konsolidieren lässt.

Welches, und was würde es klären?

Auf dem Papier ist das keine knappe Entscheidung, und es ist auch kein Kantersieg – denn die beiden konkurrieren nicht um dieselbe Stelle.

• Wählen Sie Wan 3.0, wenn Sie Audio aus dem Prompt, mehr als 10 Sekunden in einem Durchgang, Dokument- oder Webseiten-Grounding, ein großzügiges Referenzbudget, 30 fps oder den niedrigsten Preis pro Sekunde bei 1080p benötigen. Es ist die bessere Wahl für alles, was als veröffentlichter Clip endet.

• Wählen Sie Luma Ray 3.2, wenn Sie 16-Bit-HDR oder EXR in ACES2065-1 für eine Grading-Pipeline benötigen, Kontrolle auf Frame-Ebene über 16 Keyframes hinweg, Performance-Tracking über acht Gesichter, nachträgliche Änderungen von Seitenverhältnis und Hintergrund mit Reframe oder eine quellenerhaltende Transformation von vorhandenem Filmmaterial bis zu 20 Sekunden. Es ist die bessere Wahl für alles, was als Shot im Schnitt von jemand anderem endet.

Was diesen Artikel ändern würde, ist kein neues Modell – sondern ein Arena-Eintrag. Ray 3.2 ist seit dem 9. Juni 2026 allgemein verfügbar, lange genug, um Vergleiche anzusammeln, und es wurde den Abstimmenden schlicht nicht vorgelegt. Bis dahin ist die ehrliche Position, dass Wan 3.0 eine überprüfbare unabhängige Bewertung hat und Ray 3.2 einen Bericht des Anbieters, und ein Vergleich, der so tut, als seien das dieselbe Art von Beleg, ist schlechter als einer, der die Lücke eingesteht.

Ein praktischer Hinweis, falls Sie diese Bewertung selbst durchführen: Da Ray 3.2 stumme Videos ausgibt und Wan 3.0 nicht, wirkt ein direkter Vergleich mit identischem Prompt gegenüber Luma unausgewogen, und zwar auf eine Weise, die nichts mit der Bildqualität zu tun hat. Bewerten Sie zuerst das Bild, schalten Sie beide stumm und beurteilen Sie den Ton separat – andernfalls vergleichen Sie ein fertiges Werk mit einer Komponente und messen den falschen Unterschied.