Kling 4.0 vs Luma Ray 3.2 : l'un produit le son, l'autre décroche la note.

Mettez Kling 4.0 et Luma Ray 3.2dans la même phrase et la plupart des comparaisons filent droit vers la résolution, parce que les deux annoncent une sortie haut de gamme et qu'aucun des deux n'est bon marché. C'est l'axe le moins intéressant. Les deux modèles ne sont pas d'accord sur quelque chose de plus fondamental : un clip généré est-il une œuvre finie ou une plaque ? Kling 4.0, en disponibilité générale depuis le 15 octobre 2026, génère l'image et un son stéréo à deux canaux en une seule passe, tient une prise jusqu'à 30 secondes et attend de vous que vous publiiez ce qui en sort. Luma Ray 3.2, fer de lance de Luma depuis le 9 juin 2026, génère de la vidéo muette et concentre son ingénierie sur ce qui se passe après la prise — HDR 16 bits natif, export EXR en ACES2065-1, et un mode recadrage qui modifie le cadrage sans re-rendre le plan. Les défaillances documentées de l'IA et les incidents d'agents derrière des sorties comme celle-ci sont recensés dans l'archive des incidents IA d'OrcaRouter où chaque entrée comporte ses propres sources, un niveau de gravité, une note de confiance et un indicateur de contestation.

Cette différence détermine plus d’achats qu’une comparaison de résolution, et il vaut la peine de le dire avant les chiffres : si votre livrable est un clip que vous publiez, le silence est un défaut que rien d’autre sur la fiche technique ne corrige. Si votre livrable est un plan qu’un étalonneur finira, un EXR dans le bon espace colorimétrique vaut plus que n’importe quelle quantité d’ambiance générée. Tout ce qui suit porte sur celle de ces deux catégories à laquelle vous appartenez.

Le problème du tableau d’affichage, énoncé simplement

Aucun des deux modèles ne peut être comparé sur un score indépendant aujourd'hui, et ce pour des raisons différentes. Luma Ray 3.2 ne figure sur aucun des trois classements vidéo d'Artificial Analysis — texte-vers-vidéo, image-vers-vidéo ou montage — consultés le 22 octobre 2026. La seule entrée Luma au classement image-vers-vidéo est l'ancien Ray 3, de septembre 2025, qui occupe la 47e place avec un Elo de 1 215 sur l'échelle silencieuse. Ray 3.2 n'y figure pas du tout.

Kling 4.0 est sorti huit jours avant cette lecture, et n’a non plus été inscrit sur aucun classement. Les lignes Kling qui existent sont celles de Kling 3.0, de février 2026, et elles ne disent rien de la nouvelle génération. Il s’agit donc d’une confrontation sans mesure commune d’un côté comme de l’autre — ce qui signifie que quiconque cite un écart d’Elo entre ces deux modèles cite quelque chose qu’il a lui-même construit. Jugez le reste de cette page sur les spécifications et la facturation, et considérez avec suspicion tout score trouvé ailleurs.

L’image, le son, et ce que chacun laisse pour plus tard

K​uaishou's release note for Kling 4.0 is unusually specific about audio. Two-channel stereo, tighter lip sync, dialogue across nine languages plus regional accents — American, British and Indian English; Beijing, Taiwanese, Northeastern and Sichuanese Mandarin; Cantonese. It also generates on-screen text in those languages, which is a different capability from speech and is the one that fails most visibly when a camera moves.

• Son — Kling 4.0 : stéréo native à deux canaux avec synchronisation labiale, en une seule passe. Ray 3.2 : aucun audio à partir de prompts texte ou image ; l'audio ne subsiste que sur Modify et Reframe, où il s'agit de l'audio du clip source, préservé plutôt que généré.

Durée — Kling 4.0 : 3 à 30 secondes en une seule passe. Ray 3.2 : 5 ou 10 secondes pour une nouvelle génération ; les 20 secondes souvent citées concernent Modify Video, qui transforme des séquences existantes.

• Résolution — Kling 4.0 : 720p, 1080p ou 4K, avec le 21:9 disponible. Ray 3.2 : 360p, 540p, 720p ou 1080p, et aucune génération en 4K — le 4K de Luma est un utilitaire de mise à l’échelle appliqué ensuite.

• Pipeline couleur — Kling 4.0 : HDR 10 bits en 1080p et 4K, annoncé comme bientôt disponible. Ray 3.2 : génération HDR native 16 bits et export EXR en ACES2065-1, disponible dès maintenant, facturé au double du tarif SDR pour le HDR et au triple pour le HDR avec EXR.

• Contrôle au niveau de l'image — Kling 4.0 : jusqu'à 10 images clés placées sur la timeline. Ray 3.2 : jusqu'à 16 images clés par clip, y compris en image-vers-vidéo.

• Références — Kling 4.0 : jusqu'à 15 actifs combinés, toutes catégories confondues : images, vidéo, éléments et voix. Ray 3.2 : texte, images, images clés et références de personnages, sans budget de références vidéo publié.

Parcourez cette liste deux fois. Sur quatre des six lignes, Kling 4.0 l’emporte sur le papier. Sur la seule ligne qui compte le plus pour une maison de finition — un EXR 16 bits dans l’espace colorimétrique que le compositeur consomme réellement — Ray 3.2 n’est pas seulement en avance : c’est le seul des deux à avoir livré la fonctionnalité tout court.

Deux façons d’être facturé, et pourquoi elles ne convertissent pas

Luma vend des clips, pas des secondes. Sa grille tarifaire publiée pour le texte-vers-vidéo et l’image-vers-vidéo est de 20 crédits pour un clip de cinq secondes en résolution brouillon, 50 en 540p, 100 en 720p et 400 en 1080p ; un clip de dix secondes coûte respectivement 60, 150, 300 et 1 200. Modify Video et Reframe sont facturés séparément et bien plus cher, ce qui est cohérent avec le fait qu’il s’agisse d’outils de finition plutôt que du générateur.

Le coût d’un crédit dépend de la formule dans laquelle vous l’avez acheté ; il n’existe donc aucun montant unique en dollars qu’il soit honnête de citer pour Ray 3.2 — un acheteur via abonnement et un acheteur via API à l’usage paient des tarifs différents pour les mêmes 100 crédits. La caractéristique qui subsiste après la conversion, c’est la structure de la facture : elle est fixe par clip, connue avant d’appuyer sur Générer, et elle ne change pas selon que le modèle génère deux secondes ou les dix.

K​uaishou has published no rate card at all for Kling 4.0. The API is in early access, the developer console says so in a banner, and there is no per-second price for either the full model or Kling 4.0 Flash on the public pages. That is not a small omission in a comparison about cost — it means the cheaper-looking option cannot actually be costed yet, and the honest position is that Kling 4.0's economics are unknown while Ray 3.2's are at least structured.

À titre de référence, la génération précédente est tarifée et routable : kling/kling-v3 est à un tarif fixe de 0,084 $ par requête dans notre catalogue, avec kling/kling-3-turbo à 0,112 $ et les générations 2.x et O1 en dessous. Ray 3.2 n'est pas une route que nous proposons. Ainsi, les deux modèles qu'un lecteur peut réellement appeler aujourd'hui sont Kling 3.0 et Ray 3.2 — et le nouveau K​ling est celui qui attend une grille tarifaire.

D'où vient le chiffre de 20 secondes

Le marketing de Luma autour de Ray 3.2 mise sur la durée, et le chiffre de durée est facile à mal interpréter. Une génération nouvelle dure 5 ou 10 secondes. Vingt secondes, c'est ce que Modify Video peut produire lorsque la source est en 24 fps : à 30 fps, le plafond tombe à 15 secondes, et à 7 secondes à 60 fps. Ce n'est pas une limitation que Luma cache — elle est imprimée sur la page des tarifs — mais « jusqu'à 20 secondes » circule sans la clause sur la fréquence d'images, et une équipe qui achète en espérant un clip texte-vers-vidéo de 20 secondes sera déçue dès le premier appel.

La même discipline s’applique au HDR. Le mode HDR de Ray 3.2 est limité à des clips de cinq secondes en 720p ou 1080p, et n’est pas disponible pour une sortie de dix secondes. Ainsi, le meilleur pipeline couleur du modèle et sa plus longue génération nouvelle sont mutuellement exclusifs, un compromis que personne n’affiche sur une diapositive comparative. Le HDR 10 bits de Kling 4.0, lorsqu’il arrivera, est spécifié pour la 1080p et la 4K sans qualificatif de durée publié — mais il est annoncé comme prochainement disponible, donc il s’agit actuellement d’une promesse des deux côtés de cette ligne précise.

À quoi ressemble la décision à l’intérieur d’un studio

Le vrai produit de Ray 3.2, c’est l’itération sur un plan que vous avez déjà. Reframe modifie le format d’image, étend le cadre ou remplace un arrière-plan après la prise tout en conservant l’éclairage d’origine ; Modify Video transforme les rushes sources plutôt que de les inventer ; EXR laisse le modèle dans une forme que Nuke et Resolve ouvriront sans débat de conversion. Une équipe qui travaille pour des clients avec un étalonneur dans la boucle tire profit de ces fonctionnalités sur chaque projet, et aucune quantité d’audio stéréo ne saurait remplacer cela.

Le véritable produit de Kling 4.0, c’est le premier montage. Trente secondes, dix images clés et quinze références signifient qu’une séquence peut être conçue plutôt que rapiécée, et l’audio arrive avec — ce qui compte le plus pour les réseaux sociaux, l’UGC et la publicité, où le livrable est vertical, sous-titré et publié le jour même. Les exemples du fournisseur lui-même sont des vlogs, des mini-séries, des publicités produit et des clips musicaux, ce qui décrit assez bien les cas où un modèle finalisé en une seule passe justifie sa place.

Il y a une considération de routage qui vaut pour les deux. Si une équipe finit par utiliser chaque modèle pour ce en quoi il excelle — K​ling pour la prise publiable, Ray pour le plan qui part à l'étalonnage —, le coût d'intégration est ce qui détermine si cela se produit en pratique. Une seule clé compatible OpenAI devant plus de 200 modèles fait d'un second modèle un simple changement d'ID de modèle plutôt qu'un second contrat avec un fournisseur et un second quota à surveiller, et le basculement automatique permet à un lot de continuer lorsqu'un chemin de service se dégrade. Nous n'acheminons ni Kling 4.0 ni Luma Ray 3.2, et cet article ne prétend pas le contraire ; l'argument de routage porte sur les modèles qui les entourent, pas sur ces deux-là.

Lequel, concrètement ?

Prenez Luma Ray 3.2 lorsque c’est le plan qui pose problème et que le son est le travail de quelqu’un d’autre. Un mouvement de caméra que vous n’arrivez pas à réussir, un cadrage qui doit changer après que le client l’a vu, un livrable qui doit arriver en HDR ou en EXR — voilà les problèmes que Reframe, les images clés et le pipeline de couleur résolvent, et Kling 4.0 ne les résout à aucune résolution. La facturation par clip est un véritable avantage dans ce flux de travail, car c’est sur la réalisation que vous itérez et un prix fixe par clip ne pénalise pas davantage la dixième tentative que la première.

Choisissez Kling 4.0 lorsque le rendu final est le livrable et que le son en fait partie. Trente secondes en une seule passe, dix images clés, une stéréo à deux canaux et quinze références constituent une combinaison qu'aucune autre option de cette comparaison n'offre, et les options 21:9 et 4K la rendent viable pour des formats de livraison que Ray 3.2 ne générera pas nativement. Les réserves sont réelles : aucun prix publié, aucun score indépendant, HDR encore promis plutôt que livré, et une API en accès anticipé plutôt que généralement disponible pour les développeurs.

Ce qui trancherait la question, ce serait une entrée Ray 3.2 sur l’un des tableaux vidéo, et une grille tarifaire Kling 4.0. Tant que les deux n’existent pas, les deux phrases qui tiennent sont celles-ci : l’un de ces modèles génère la bande-son et l’autre exporte l’espace colorimétrique, et le choix entre eux se fait par votre montage, pas par votre onglet de benchmark.