Kling 4.0 vs. Luma Ray 3.2: uno produce el sonido, el otro da la talla.

Ponga Kling 4.0 y Luma Ray 3.2 en la misma frase y la mayoría de las comparaciones van directas a la resolución, porque ambos anuncian una salida de gama alta y ninguno es barato. Ese es el eje menos interesante. Los dos modelos no coinciden en algo más fundamental: si un clip generado es una pieza terminada o una placa. Kling 4.0, disponible de forma general desde el 15 de octubre de 2026, genera imagen y sonido estéreo de dos canales en una sola pasada, mantiene una toma durante hasta 30 segundos y espera que publiques lo que sale. Luma Ray 3.2, el buque insignia de Luma desde el 9 de junio de 2026, genera vídeo silencioso y concentra su ingeniería en lo que ocurre después de la toma: HDR nativo de 16 bits, exportación EXR en ACES2065-1 y un modo de reencuadre que cambia el encuadre sin volver a renderizar la escena. Los fallos de IA y los incidentes de agentes documentados que hay detrás de lanzamientos como este se recopilan en el OrcaRouter AI Incident Archive, donde cada entrada incluye sus propias fuentes, gravedad, grado de confianza y marca de disputa.

Esa diferencia decide más compras que una comparación de resolución, y vale la pena decirlo antes de los números: si tu entregable es un clip que publicas, el silencio es un defecto que nada más en la hoja de especificaciones soluciona. Si tu entregable es un plano que un colorista terminará, un EXR en el espacio de color correcto vale más que cualquier cantidad de ambiente generado. Todo lo que sigue trata de cuál de esos dos eres.

El problema del marcador, dicho claramente

Ninguno de los dos modelos puede compararse hoy mediante una puntuación independiente, y por motivos distintos. Luma Ray 3.2 no tiene fila en ninguna de las tres clasificaciones de vídeo de Artificial Analysis —texto a vídeo, imagen a vídeo o edición— consultadas el 22 de octubre de 2026. La única entrada de Luma en la clasificación de imagen a vídeo es la versión anterior Ray 3, de septiembre de 2025, que ocupa el puesto 47 con Elo 1,215 en la escala silenciosa. Ray 3.2 no aparece en absoluto.

Kling 4.0 se lanzó ocho días antes de esta lectura y tampoco se ha incluido en ninguna tabla. Las filas de Kling que existen son las de Kling 3.0, de febrero de 2026, y no dicen nada sobre la nueva generación. Así que este es un enfrentamiento sin ninguna medición compartida por ninguna de las dos partes, lo que significa que cualquiera que cite una diferencia de Elo entre estos dos modelos está citando algo que se ha fabricado él mismo. Juzga el resto de esta página por las especificaciones y la facturación, y desconfía de cualquier puntuación que encuentres en otro sitio.

Imagen, sonido y lo que cada uno deja para después

La nota de lanzamiento de K​uaishou para Kling 4.0 es inusualmente específica en cuanto al audio. Estéreo de dos canales, sincronización labial más precisa, diálogos en nueve idiomas además de acentos regionales: inglés estadounidense, británico e indio; mandarín de Pekín, taiwanés, del noreste y de Sichuan; cantonés. También genera texto en pantalla en esos idiomas, lo cual es una capacidad distinta del habla y es la que falla de forma más visible cuando la cámara se mueve.

• Sonido — Kling 4.0: estéreo nativo de dos canales con sincronización labial, en una sola pasada. Ray 3.2: no hay audio desde prompts de texto o imagen; el audio solo se conserva en Modify y Reframe, donde es el audio del clip original, preservado en lugar de generado.

• Duración — Kling 4.0: de 3 a 30 segundos en una sola pasada. Ray 3.2: 5 o 10 segundos para una generación nueva; los 20 segundos que tanto se citan corresponden a Modify Video, que transforma metraje existente.

• Resolución — Kling 4.0: 720p, 1080p o 4K, con 21:9 disponible. Ray 3.2: 360p, 540p, 720p o 1080p, y sin generación en 4K — el 4K de Luma es una utilidad de escalado que se aplica después.

• Flujo de color — Kling 4.0: HDR de 10 bits a 1080p y 4K, indicado como próximamente. Ray 3.2: generación HDR nativa de 16 bits y exportación EXR en ACES2065-1, disponible ahora, con un precio del doble de la tarifa SDR para HDR y el triple para HDR más EXR.

• Control a nivel de fotograma — Kling 4.0: hasta 10 imágenes de fotograma clave colocadas a lo largo de la línea de tiempo. Ray 3.2: hasta 16 fotogramas clave por clip, incluso en imagen a vídeo.

• Referencias — Kling 4.0: hasta 15 recursos combinados entre imágenes, vídeo, elementos y voz. Ray 3.2: texto, imágenes, fotogramas clave y referencias de personajes, sin un límite publicado de referencias de vídeo.

Lee esa lista dos veces. En cuatro de las seis líneas, Kling 4.0 gana sobre el papel. En la única línea que más le importa a una casa de acabados —un EXR de 16 bits en el espacio de color que el compositor consume realmente—, Ray 3.2 no solo va por delante: es el único de los dos que ha llegado a lanzar la función.

Dos formas de que te facturen y por qué no convierten

Luma vende clips, no segundos. Su escala publicada para texto a vídeo e imagen a vídeo va de 20 créditos por un clip de cinco segundos en resolución de borrador, 50 a 540p, 100 a 720p y 400 a 1080p; un clip de diez segundos cuesta 60, 150, 300 y 1.200 respectivamente. Modify Video y Reframe tienen precios independientes y mucho más altos, lo que concuerda con que sean herramientas de acabado en lugar del generador.

Cuánto cuesta un crédito depende del plan en el que lo compraste, así que no hay una cifra única en dólares que sea honesta citar para Ray 3.2: un comprador de suscripción y un comprador de API de pago por uso pagan tarifas distintas por los mismos 100 créditos. La propiedad que sí sobrevive a la conversión es la forma de la factura: es fija por clip, se puede conocer antes de pulsar generar y no cambia si el modelo renderiza dos segundos o los diez.

Kuaishou no ha publicado ninguna lista de precios para Kling 4.0. La API está en acceso anticipado, la consola para desarrolladores lo indica en un banner, y no hay precio por segundo ni para el modelo completo ni para Kling 4.0 Flash en las páginas públicas. Eso no es una omisión menor en una comparación sobre costos — significa que la opción que parece más barata todavía no puede costearse realmente, y la postura honesta es que la economía de Kling 4.0 es desconocida mientras que la de Ray 3.2 al menos está estructurada.

Como referencia, la generación anterior tiene precio y se puede enrutar: kling/kling-v3 cuesta una tarifa plana de $0.084 por solicitud en nuestro catálogo, con kling/kling-3-turbo a $0.112 y las generaciones 2.x y O1 por debajo. Ray 3.2 no es una ruta que ofrezcamos. Así que los dos modelos que un lector puede llamar realmente hoy son Kling 3.0 y Ray 3.2 — y el nuevo K​ling es el que está esperando una lista de precios.

De dónde proviene el número de 20 segundos

El marketing de Luma en torno a Ray 3.2 se apoya en la duración, y la cifra de duración es fácil de malinterpretar. La generación nueva es de 5 o 10 segundos. Veinte segundos es lo que Modify Video puede generar cuando la fuente es de 24 fps: a 30 fps, el límite máximo baja a 15 segundos; a 60 fps, a 7. No es una limitación que Luma oculte —está impresa en la página de precios—, pero «hasta 20 segundos» circula sin la cláusula de velocidad de fotogramas, y un equipo que compre esperando un clip de prompt a vídeo de 20 segundos se llevará una decepción en la primera llamada.

La misma disciplina se aplica a HDR. El modo HDR de Ray 3.2 se limita a clips de cinco segundos en 720p o 1080p, y no está disponible en la salida de diez segundos. Así que el mejor procesamiento de color del modelo y su generación nueva más larga son mutuamente excluyentes, lo que es un compromiso que nadie pone en una diapositiva de comparación. El HDR de 10 bits de Kling 4.0, cuando llegue, está especificado para 1080p y 4K sin una aclaración de duración publicada, pero figura como «próximamente», así que actualmente es una promesa en ambos lados de esta línea en particular.

Cómo se ve la decisión dentro de un estudio

El verdadero producto de Ray 3.2 es la iteración sobre un plano que ya tienes. Reframe cambia la relación de aspecto, amplía el encuadre o sustituye un fondo después de la toma mientras mantiene la iluminación original; Modify Video transforma el metraje de origen en lugar de inventarlo; EXR deja el modelo en un formato que Nuke y Resolve abrirán sin necesidad de convertirlo. Un equipo que hace trabajo para clientes con un colorista involucrado obtiene valor de esas funciones en cada trabajo, y ninguna cantidad de audio estéreo lo sustituye.

El verdadero producto de Kling 4.0 es el primer montaje. Treinta segundos, diez fotogramas clave y quince referencias hacen que una secuencia pueda crearse en lugar de coserse por partes, y el audio llega incorporado, algo que importa sobre todo en trabajos para redes sociales, UGC y publicidad, donde el entregable es vertical, lleva subtítulos y se publica el mismo día. Los propios ejemplos del proveedor son vlogs, dramas cortos, anuncios de producto y videoclips, lo que describe bastante bien el terreno en el que un modelo que queda terminado en una sola pasada se gana su lugar.

Hay una consideración de enrutamiento que afecta a ambos. Si un equipo acaba usando cada modelo para aquello en lo que destaca —K​ling para la toma publicable, Ray para el plano que va a etalonaje—, el coste de integración es lo que determina si eso ocurre en la práctica. Una única clave compatible con OpenAI delante de más de 200 modelos convierte un segundo modelo en un cambio de ID de modelo en lugar de un segundo contrato con un proveedor y una segunda cuota que supervisar, y la conmutación automática por error mantiene un lote en marcha cuando una ruta de servicio se degrada. No enrutamos ni Kling 4.0 ni Luma Ray 3.2, y este artículo no afirma lo contrario; el argumento de enrutamiento trata de los modelos que los rodean, no de estos dos.

¿Cuál, concretamente?

Usa Luma Ray 3.2 cuando el plano es el problema y el sonido es trabajo de otro. Un movimiento de cámara que no logras acertar, un encuadre que tiene que cambiar después de que el cliente lo vea, un entregable que tiene que llegar en HDR o EXR: esos son los problemas que resuelven Reframe, los keyframes y el pipeline de color, y Kling 4.0 no los resuelve a ninguna resolución. La facturación por clip es una ventaja real en ese flujo de trabajo, porque la dirección es lo que se itera y un precio fijo por clip no castiga más el décimo intento que el primero.

Elige Kling 4.0 cuando el resultado sea el entregable y el sonido forme parte de él. Treinta segundos en una sola pasada, diez fotogramas clave, estéreo de dos canales y quince referencias es una combinación que ninguna otra de esta comparación ofrece, y las opciones 21:9 y 4K lo hacen viable para formatos de entrega que Ray 3.2 no generará de forma nativa. Las advertencias son reales: no hay precio publicado, ni puntuación independiente, el HDR sigue prometido en lugar de estar disponible, y una API que está en acceso anticipado en lugar de estar disponible de forma general para los desarrolladores.

Lo que resolvería esto sería una entrada de Ray 3.2 en uno de los tableros de vídeo, y una tarjeta de tarifas de Kling 4.0. Hasta que ambas existan, las dos frases que se sostienen son estas: uno de estos modelos genera la banda sonora y el otro exporta el espacio de color, y la elección entre ellos la hace tu montaje, no tu pestaña de benchmark.