Wan 3.0 vs Kling 3 : une prise continue unique contre six plans planifiés

Commençons par une divergence que personne n'a encore réconciliée. Wan 3.0affiche un seul prix publié. Kling 3.0, le fleuron vidéo actuel de Kuaishou, en affiche deux — et ils diffèrent d'un facteur trois. La documentation API de Kuaishou elle-même indique Kling Video 3.0 à 0,084 $ par seconde pour l'offre standard et 0,112 $ pour l'offre pro. Artificial Analysis évalue ce même modèle, dans le même classement où il référence Wan 3.0, à 20,16 $ par minute pour l'offre pro 1080p — soit 0,336 $ par seconde. Les deux ne peuvent pas décrire la même génération avec les mêmes réglages. Tant que personne n'aura publié la réconciliation, toute comparaison par seconde entre ces deux modèles repose sur des chiffres qui ne mesurent peut-être pas la même chose.

Ce qui peut être comparé honnêtement, ce sont les caractéristiques techniques, les scores des votes à l’aveugle et les philosophies de conception — et sur ces points, les deux modèles sont en désaccord sur presque tout ce qui compte. Kuaishou a conçu Kling 3.0 autour de la séquence multi-plans. Alibaba a conçu Wan 3.0 autour de la prise unique et ininterrompue. Ce n’est pas une distinction marketing ; cela détermine lequel des deux convient à votre projet avant même que le prix n’entre en jeu.

Deux modèles, deux conceptions de ce qu'est un clip

Kling 3.0 a été lancé le 5 février 2026 sous la forme d’une série de quatre modèles — Video 3.0, Video 3.0 Omni, Image 3.0 et Image 3.0 Omni. Sa caractéristique déterminante est le séquençage multi-plans automatique : le modèle planifie lui-même les transitions entre les plans, et un mode personnalisé permet de définir le nombre de plans ainsi que la durée de chacun. Les testeurs rapportent des séquences exploitables allant jusqu’à environ six plans distincts à partir d’un seul prompt, avec la taille de plan, le mouvement de caméra et le temps narratif spécifiables pour chaque plan. Le plafond est de 15 secondes par génération, avec un minimum de 3 secondes.

Wan 3.0 va dans l'autre sens. Son plafond est de 30 secondes en une seule passe continue, et toute la conception vise à ne pas couper — assez de temps pour un seul mouvement de caméra, une démonstration de produit en une seule prise, ou un monologue qui tient sans montage. Il n'a pas de planificateur multi-plans, car l'argument est que vous ne devriez pas en avoir besoin.

La conséquence pratique : ce n’est pas une question de mieux ou de moins bien, c’est une question liée à votre montage. Un drame court, une publicité construite à partir de coupes, tout ce qui comporte des dialogues échangés entre personnages — c’est la forme de Kling 3.0. Une révélation produit continue, une pièce de danse ou de performance, un plan unique en mouvement qui doit rester cohérent — c’est la forme de Wan 3.0. Les équipes qui tentent de forcer l’une dans le format de l’autre découvriront que les modes d’échec sont structurels : les six plans de Kling 3.0 ne peuvent pas être rendus continus sans régénérer, et les trente secondes de Wan 3.0 ne peuvent pas être découpées en six plans propres sans perdre ce que vous avez payé.

Les chiffres de l’arène, répartis selon ce qu’ils mesurent

C’est la partie du comparatif où la couverture est la plus mauvaise, car la plupart des pages citent un Elo Kling vieux de cinq mois. Le matériel de lancement de Kuaishou de février 2026 plaçait Kling 3.0 en tête du classement du texte-vers-vidéo à environ Elo 1 240. C’était exact en février. Le tableau en direct d’Artificial Analysis, capturé le 18 septembre 2026, avec audio :

• Wan 3.0 — n°2, Elo 1 229, 12,00 $/min

• Kling 3.0 1080p Pro — n° 12, Elo 1 095, 20,16 $/min

• Kling 3.0 720p Standard — n° 13, Elo 1 089, 15,12 $/min

• Kling 3.0 Omni 720p Standard — n° 18, Elo 1 082, 13,44 $/min

• Kling 3.0 Omni 1080p Pro — n° 22, Elo 1 075, 16,80 $/min

Ainsi, le leader de février est devenu un modèle de milieu de classement en sept mois, sans que ce soit de sa faute — le peloton a avancé. Notez aussi que les propres niveaux de Kling sont répartis sur onze places du classement, avec un écart de 20 points Elo entre eux, ce qui signifie que le niveau que vous achetez a moins d’effet sur la qualité mesurée que le modèle que vous choisissez. Payer pour Pro plutôt que Standard achète de la résolution et, sur ce classement, environ six points Elo.

Puis il y a le chiffre qui complique tout le tableau, et presque personne ne le cite. Sur le tableau image-vers-vidéo sans audio, Kling 3.0 est un tout autre animal : le niveau Omni 1080p Pro obtient un Elo de 1 284 au rang n° 8, et le niveau 1080p Pro 1 282 au n° 9. C'est une place dans le top dix, nettement meilleure que sa performance en texte-vers-vidéo. L'interprétation est que Kling 3.0 est au meilleur de sa forme lorsqu'il part d'une image fournie et qu'il n'est pas jugé sur le son généré — ce qui décrit justement une grande part du travail commercial réel. Si votre pipeline est image-vers-vidéo et que vous évaluez votre propre audio, les chiffres d'arène ci-dessus sous-estiment considérablement ce modèle.

Audio, où les deux font la même affirmation et où l'un a un problème documenté.

Les deux modèles génèrent l’audio nativement en une seule passe. La version de Kuaishou prend en charge le chinois, l’anglais, le japonais, le coréen et l’espagnol, gère les dialogues multilingues au sein d’un même clip, associe une voix distincte à chaque personnage dans les scènes à plusieurs personnages, et propose des accents régionaux — anglais américain, britannique et indien ; chinois du Nord-Est, de Pékin, de Taïwan, cantonais et du Sichuan. L’audio de Wan 3.0 est activé par défaut, désactivable avec un indicateur, et accepte jusqu’à cinq clips audio de référence pour orienter le résultat.

Sur le papier, c'est une égalité avec des listes de langues différentes. Dans les résultats rapportés, ce n'est pas le cas. La cohérence de la synchronisation labiale est la faiblesse la plus fréquemment signalée dans les avis indépendants sur Kling 3.0 — un test pratique a constaté qu'environ deux clips de dialogue sur cinq nécessitaient une reprise, et les évaluateurs qui lui attribuent une note élevée pour l'image continuent de décrire la synchronisation labiale comme irrégulière. Les artefacts audio signalés se concentrent autour des dialogues dans des ambiances bruyantes, où des bruits de fond d'eau et de vent peuvent étouffer la parole. Le problème d'Alibaba est de nature différente : ses propres supports de lancement désignent la qualité audio comme un domaine encore à améliorer, ce qui constitue un aveu concernant la fidélité plutôt que la synchronisation.

Aucun des deux fournisseurs ne vend un outil de dialogue abouti. Si le dialogue est le cœur de votre projet, ce qu'il faut tester en premier n'est pas la qualité d'image — c'est de savoir si la bouche correspond aux mots sur 15 ou 30 secondes complètes, car c'est là que les deux échouent et que naissent les reprises.

Contrôle des références et résolution

• Multi-plan — Kling 3.0 : planification automatique des plans, ainsi qu’un mode personnalisé avec nombre et durée par plan, jusqu’à environ six plans. Wan 3.0 : aucun ; une seule génération continue.

• Durée — Kling 3.0 : 3 à 15 secondes. Wan 3.0 : 2 à 30 secondes, avec en plus une extension vers l'avant, vers l'arrière et bidirectionnelle.

• Résolution — Kling 3.0 : 720p et 1080p dans le guide officiel, avec une 4K native revendiquée dans la documentation de Kuaishou elle-même à 0,42 $/s. Wan 3.0 : 480p, 720p et 1080p ; pas de 4K.

• Fréquence d'images — Kling 3.0 : 30 ips en standard, avec 60 ips annoncés dans les modes de haute performance. Wan 3.0 : 30 ips.

• Contrôle de référence — Kling 3.0 : liaison d’éléments, verrouillage d’un sujet pendant les panoramiques et les zooms, à partir d’images importées ou d’une vidéo de personnage. Wan 3.0 : jusqu’à 10 images de référence, 5 vidéos de référence et 5 clips audio dans une limite de 20 éléments, plus un document ou une page web publique.

• Ancrage — Wan 3.0 accepte les fichiers DOC, XLS, PPT, PDF, TXT, MD et les URL publiques comme entrée et les transforme en vidéo. Kling 3.0 n’a pas d’équivalent.

La ligne de résolution est celle à vérifier par rapport à votre propre spécification de livraison, car elle est réellement contestée. La documentation de Kuaishou elle-même revendique du 4K natif pour Video 3.0 ; son guide utilisateur ne liste que 720p et 1080p. Les taux de crédits tiers pour la 4K varient de plus d’un facteur deux selon les sources. Si la 4K est une exigence stricte, faites-la confirmer par écrit sur votre compte plutôt que depuis une page de comparaison — y compris celle-ci.

Où vous pouvez réellement les appeler

C’est la seule confrontation de cette série pour laquelle la réponse en matière de disponibilité n’est pas symétrique, et cela mérite d’être dit clairement.

Kling 3.0 figure au catalogue d'OrcaRouter sous kling/kling-v3, au prix de 0,08 $ par requête avec le prix catalogue du fournisseur répercuté avec 0 % de marge. C'est une vraie différence par rapport au tableau agrégé ci-dessus : au lieu de détenir un compte Kuaishou et une intégration distincte pour les autres modèles dont votre pipeline a besoin, Kling 3.0 se trouve derrière la même clé et le même point de terminaison compatible OpenAI que plus de 200 autres modèles. Comme nous n'ajoutons rien au prix du fournisseur, une modification tarifaire ou une réduction promotionnelle de Kuaishou est effective de notre côté le jour même plutôt qu'après un cycle contractuel — et si le fournisseur en amont se dégrade ou limite le débit, le basculement automatique déplace la requête avant que la réponse ne commence au lieu de renvoyer une erreur à votre application.

Wan 3.0 ne figure pas dans notre catalogue, et n'est présent sur aucune plateforme de routage à usage général. On peut y accéder via les plateformes propres d'Alibaba — Model Studio sur Alibaba Cloud et Qwen Cloud — ainsi que via des outils créatifs tiers qui l'ont intégré après le lancement du 24 août, avec une remise de 30 % à durée limitée sur les interfaces propres d'Alibaba, jusqu'au 23 septembre. Les offres grand public de Kuaishou et l'application web Kling AI constituent l'autre voie d'accès, facturée en crédits, sans palier illimité.

Pour une équipe qui veut les deux, cette asymétrie constitue la forme pratique de la décision : l’un de ces éléments est un changement de configuration et l’autre est une relation avec un second fournisseur.

Qui devrait choisir quoi

• Choisissez Wan 3.0 pour les prises en continu de plus de 15 secondes, pour les briefs ancrés dans des documents ou des pages web, pour les clips de moins de trois secondes, pour le budget de références le plus large au tarif public le plus bas, et pour les travaux de 30 secondes en une seule passe qui nécessiteraient autrement un assemblage.

• Choisissez Kling 3.0 pour des séquences narratives multi-plans à partir d'un seul prompt, pour le travail image-vers-vidéo où son classement dans l'arène sans audio est véritablement dans le top dix, pour le dialogue multilingue dans les cinq langues prises en charge avec liaison vocale par personnage, pour la cohérence des éléments à travers les mouvements de caméra, et pour la 4K si vous confirmez le niveau.

Le résumé honnête, c'est que ces deux-là sont moins des rivaux que des alternatives choisies selon le type de projet, et la comparaison de prix qui trancherait normalement la question n'est actuellement pas fiable — le tarif par seconde publié par Kuaishou et le chiffre par minute du classement indépendant ne peuvent pas être tous les deux exacts, et l'écart est suffisamment important pour inverser une décision. Tant que ce point n'est pas résolu, la preuve décisive devrait être un test avec le même prompt sur vos propres images : une séquence de 15 secondes en six plans sur Kling 3.0 face à une prise continue de 15 secondes sur Wan 3.0, en 1080p, évaluée sur des clips que vous livreriez réellement.

Ce qu’il faut surveiller, ce n’est pas un nouveau modèle de l’un ou l’autre laboratoire, mais la grille tarifaire de Kuaishou. Si le tarif du fournisseur est exact, Kling 3.0 est le modèle vidéo crédible le moins cher de cette série et la colonne par minute de l’arène mesure une configuration que la plupart des gens n’achèteront pas. Si le chiffre du classement est exact, Kling 3.0 est le modèle le plus cher ici et sa place en milieu de tableau est un problème. L’une de ces deux affirmations est vraie et personne n’a dit laquelle.