Wan 3.0 vs Luma Ray 3.2 : Le son contre la couleur, et un modèle non classé

C'est le seul duel de cette série où l'un des deux modèles ne peut pas être noté. Luma Ray 3.2 n'a aucune entrée sur l'arène vidéo d'Artificial Analysis — ni sur le tableau texte-vers-vidéo, ni sur le tableau image-vers-vidéo, vérifié le 18 septembre 2026. Il n'y a pour lui aucun Elo de préférence à l'aveugle, aucun nombre d'échantillons, aucun intervalle de confiance. Quiconque cite un chiffre pour Ray 3.2 dans un face-à-face cite soit un test de préférence mené par le fournisseur, soit l'échelle propre à un agrégateur, et ni l'un ni l'autre n'est comparable aux chiffres de l'arène que Wan 3.0 affiche. Cette comparaison doit donc se faire sur les spécifications, les surfaces de contrôle et la facturation plutôt que sur un tableau de scores — ce qui, étant donné la différence de conception entre ces deux modèles, s'avère de toute façon la comparaison la plus utile.

Avant tout cela, un piège de dénomination qui vous coûtera de l'argent si vous le manquez. Les numéros de version de Luma ne suivent pas l'ordre croissant qu'on pourrait lire. Ray3.14 est sorti le 26 janvier 2026 ; Ray3.2 est sorti le 9 juin 2026 et est le modèle phare actuel. Le numéro le plus élevé correspond au modèle le plus ancien. Luma a entièrement abandonné l'image de marque Dream Machine et indique que Dream Machine et Ray2 sont remplacés par Ray — donc tout guide, page de tarification ou comparatif construit sur « Dream Machine » décrit un produit que Luma ne vend plus.

L’entrée manquante du classement, et pourquoi c’est important

La position de Wan 3.0 est bien documentée. Dans l’arène texte-vers-vidéo avec audio d’Artificial Analysis, relevée le 18 septembre 2026, il se classe n° 2 avec un Elo de 1 229 et 6 011 comparaisons enregistrées, derrière Gemini Omni Flash à 1 233 et devant trois autres modèles dans une fourchette de 23 points. Sur le tableau du montage vidéo, il est n° 1 avec un Elo de 1 190. Ces données sont indépendantes, à l’aveugle et inspectables.

La position de Ray 3.2 n'est documentée nulle part de manière comparable. Ce que Luma a publié est un « Ray3 Evaluation Report » interne qui revendique une parité avec Veo 3 et une avance sur Runway Gen-4, Midjourney Video et Moonvalley Marey — sans aucun score numérique joint. Luma affirme aussi que son API fonctionne à moins de la moitié du prix et de la latence de modèles comparables, sans quantification. Par ailleurs, Black Forest Labs a déclaré que son Flux 3 avait été préféré à Ray 3.2 dans 93 % des comparaisons ; il s'agit d'un test mené par un fournisseur sur le produit d'un concurrent, et il a la même valeur que les propres affirmations de Luma, autrement dit pas grand-chose.

Il s'agit d'une véritable lacune dans les données, et non d'un point négatif à l'encontre du modèle. Un modèle peut être excellent et non noté — l'arène ne note que ce que ses votants ont vu. Mais cela change ce qu'une page de comparaison devrait vous indiquer. Pour Wan 3.0, vous pouvez dire ce que des votants indépendants ont pensé. Pour Ray 3.2, vous ne pouvez rien dire de tel, et présenter le rapport interne de Luma ou l'affirmation de 93 % d'un concurrent comme s'il s'agissait de preuves serait la façon la plus simple de se tromper dans cet article.

Deux paris différents : le son contre la couleur

Voici la différence la plus nette entre eux, et elle ne tient pas à la qualité.

Wan 3.0 génère l'audio nativement dans la même passe que la vidéo — dialogues, musique de fond et effets sonores, activés par défaut, désactivables au moyen d'un flag, pilotables avec jusqu'à cinq clips audio de référence. Les propres supports de lancement d'Alibaba citent la qualité audio comme un domaine qui nécessite encore du travail ; il faut donc y voir une capacité réelle mais imparfaite. L'essentiel est qu'une génération Wan 3.0 arrive sous la forme d'une pièce audiovisuelle finie.

Ray 3.2 ne génère pas du tout d’audio. Les sorties texte-vers-vidéo et image-vers-vidéo sont silencieuses. L’audio n’est conservé que lorsque vous utilisez les parcours Modify ou Reframe sur des séquences existantes — il n’existe aucun parcours allant d’un prompt à une bande sonore. C’est la plus grande différence de capacités entre les deux modèles et, à elle seule, elle est éliminatoire pour certains flux de travail : si votre livrable nécessite des dialogues synchronisés ou une conception sonore, Ray 3.2 n’est qu’une étape vidéo dans un pipeline auquel il faut ajouter une étape audio après coup, alors que Wan 3.0 ne l’est pas.

Ce que Luma a construit à la place, c'est le pipeline de couleur et de finition le plus poussé de tous les modèles vidéo commerciaux. Ray 3.2 génère du HDR 16 bits natif et exporte des EXR en ACES2065-1, l'espace colorimétrique attendu par les pipelines professionnels d'étalonnage et de VFX. Il suit la performance faciale expressive sur jusqu'à huit visages simultanément, image par image, ainsi que la posture et les gestes squelettiques. Il prend en charge jusqu'à 16 images clés par clip pour un contrôle du rythme et du mouvement au niveau de l'image. Sa fonctionnalité Reframe modifie le rapport d'aspect, étend le cadre ou remplace un arrière-plan après la génération, tout en préservant l'éclairage d'origine. Et il est intégré à Adobe Firefly, avec derrière lui des studios et des agences clients nommément cités.

C'est un outil de post-production. Wan 3.0 est un outil de production. Si vous confiez des plans à un étalonneur, l'export EXR vaut plus que trente secondes de n'importe quoi. Si vous publiez un clip fini, une sortie sans son est un problème que rien d'autre sur la fiche technique ne résout.

Durée et résolution, lisez attentivement.

Les deux fournisseurs brouillent ces chiffres, dans des directions opposées, et ces deux brouillages comptent.

• Durée — Wan 3.0 : 2 à 30 secondes en une seule génération, ainsi qu’une extension vers l’avant, vers l’arrière et bidirectionnelle. Ray 3.2 : 5 ou 10 secondes pour une nouvelle génération texte-vers-vidéo et image-vers-vidéo. Le « jusqu’à 20 secondes » de Luma, souvent cité, s’applique à Modify Video, son mode de transformation qui préserve la source, et non à la génération à partir d’un prompt. Si vous faites votre choix sur le chiffre de 20 secondes, vérifiez quel mode vous achetez.

• Résolution — Wan 3.0 : 480p, 720p et 1080p, toutes natives. Ray 3.2 : 360p, 540p, 720p et 1080p. Ray 3.2 ne fait pas de 4K. L'affirmation selon laquelle il le fait circule largement et est fausse : la 4K de Luma est un utilitaire d'upscaling distinct appliqué après la génération, pas un mode de génération. Le HDR est réel ; la 4K ne l'est pas.

• Contraintes HDR — le mode HDR de Luma est limité aux clips de 5 secondes en 720p ou 1080p, et le HDR est incompatible avec une sortie de 10 secondes. Ainsi, le meilleur pipeline de couleurs du modèle n'est pas disponible sur ses clips les plus longs.

• Fréquence d'images — Wan 3.0 : 30 ips. Ray 3.2 : 24 ips, ce qui est le bon choix pour un travail de style cinématographique et le mauvais si votre livraison est en 30 ou 60.

• Format d’image — Ray 3.2 n’a pas de liste fixe, car Reframe adapte la sortie après coup. Wan 3.0 prend en charge 21:9, 16:9, 4:3, 1:1, 3:4, 9:16 et le mode adaptatif au moment de la génération.

• Entrées — Wan 3.0 accepte jusqu'à 10 images de référence, 5 vidéos de référence et 5 clips audio de référence dans un plafond de 20 ressources, ainsi qu'un document ou une page web publique. Ray 3.2 accepte du texte, des images, jusqu'à 16 images clés, et des références de personnages — une capacité que son prédécesseur Ray3.14 n'avait pas. Pas de documents, pas d'ancrage URL, pas d'entrée audio.

Ce que coûte chaque seconde, et la structure de facturation sous-jacente

Wan 3.0 est facturé à la seconde de sortie selon les tarifs publiés d'Alibaba : 0,05 $ en 480p, 0,10 $ en 720p, 0,20 $ en 1080p. Un clip de 30 secondes en 1080p coûte 6,00 $, avec une remise de 30 % à durée limitée sur les propres plateformes d'Alibaba, valable jusqu'au 23 septembre, ce qui ramène ce prix à environ 4,20 $.

Ray 3.2 est facturé par génération sur l’API Luma Agents, ce qui rend le calcul différent : 5 secondes en 360p coûtent 0,06 $, en 540p 0,15 $, en 720p 0,30 $, en 1080p 1,20 $. Dix secondes doublent ces montants en 360p et 540p et les triplent au-delà. En 1080p, cela revient à environ 0,24 $ la seconde — plus que le tarif 1080p de Wan 3.0 et environ cinq fois son tarif en 480p.

Deux remarques structurelles qui comptent plus que les chiffres à la seconde. Premièrement, les crédits d’abonnement de Luma et sa facturation API sont deux systèmes distincts, et les crédits ne sont pas transférables entre eux ; les offres grand public coûtent 30, 90 et 300 $ par mois, avec des crédits décomptés à l’intérieur de chacune. Prévoyez un budget pour la surface sur laquelle vous construisez réellement, car l’argent ne se transfère pas. Deuxièmement, HDR et HDR+EXR multiplient le coût en crédits — respectivement par deux et par trois —, de sorte que la capacité qui distingue Ray 3.2 est aussi celle qui modifie le plus son prix effectif.

Sur Wan 3.0, le piège équivalent se situe au niveau du prestataire plutôt que chez le fournisseur : lorsqu’un modèle est facturé à la seconde selon la résolution, le tarif d’un intermédiaire n’est souvent pas celui d’Alibaba. $0.05 / $0.10 / $0.20 est le montant auquel comparer tout devis.

Où la question du routage atterrit réellement

Aucun de ces deux n’est un modèle que nous acheminons, et il vaut la peine de le dire avant toute autre chose dans cette section. Wan 3.0 est accessible via les propres plateformes d’Alibaba — Model Studio et Qwen Cloud — et via des outils créatifs tiers qui l’ont intégré après le lancement du 24 août. Ray 3.2 est accessible via l’application web Luma et, pour la première fois dans la gamme Ray, via une véritable API pour développeurs avec des paliers de paiement à l’usage et de capacité réservée, ainsi qu’une poignée de plateformes tierces et son intégration à Adobe Firefly.

Ce qui est disponible sur OrcaRouter, c'est le pipeline qui l'entoure. Une vidéo terminée est rarement la livraison complète : il y a un script, une liste de plans, un texte alternatif, des sous-titres en plusieurs langues, des notes de relecture et des métadonnées, et tout cela relève du travail de modèles textuels. Ces modèles figurent dans notre catalogue — plus de 200 sur une seule clé, au prix public du fournisseur, sans marge ajoutée — donc faire passer la passe de sous-titrage d'un modèle coûteux à un modèle bon marché, ou changer le modèle qui rédige vos listes de plans, relève d'un changement de configuration plutôt que d'une seconde intégration. Étant donné que les deux modèles vidéo ici représentent déjà une deuxième et une troisième relation fournisseur, garder la couche textuelle sur une seule clé est l'élément de cette pile qu'il est réellement peu coûteux de consolider.

Lequel, et qu’est-ce qui réglerait la question ?

Sur le papier, ce n'est pas une décision serrée, et ce n'est pas non plus une déroute, car les deux ne sont pas en concurrence pour le même poste.

• Choisissez Wan 3.0 si vous avez besoin d’audio à partir du prompt, de plus de 10 secondes en une seule passe, d’un ancrage sur document ou page web, d’un vaste budget de références, de 30 fps, ou du tarif par seconde le plus bas en 1080p. C’est le meilleur choix pour tout ce qui finit en clip publié.

• Choisissez Luma Ray 3.2 si vous avez besoin de HDR 16 bits ou d’EXR en ACES2065-1 pour un pipeline d’étalonnage, d’un contrôle image par image sur 16 images clés, d’un suivi de performance sur huit visages, des modifications a posteriori du format et de l’arrière-plan de Reframe, ou d’une transformation préservant la source de métrages existants jusqu’à 20 secondes. C’est le meilleur choix pour tout ce qui finit comme plan dans le montage de quelqu’un d’autre.

Ce qui changerait cet article, ce n’est pas un nouveau modèle — c’est une entrée dans l’arène. Ray 3.2 est disponible en version générale depuis le 9 juin 2026, assez longtemps pour accumuler des comparaisons, et il n’a tout simplement pas été présenté aux votants. Tant que ce n’est pas le cas, la position honnête est que Wan 3.0 dispose d’un score indépendant vérifiable et Ray 3.2 d’un rapport émanant de son fournisseur, et une comparaison qui prétend qu’il s’agit du même type de preuve est pire qu’une comparaison qui reconnaît l’écart.

Une remarque pratique si vous réalisez cette évaluation vous-même : comme Ray 3.2 produit une vidéo silencieuse et que Wan 3.0 ne le fait pas, une comparaison directe à prompt identique semblera déséquilibrée face à Luma d’une manière qui n’a rien à voir avec la qualité d’image. Notez d’abord l’image, coupez le son des deux, puis évaluez l’audio séparément — sinon vous comparez une œuvre finie à un composant et mesurez la mauvaise différence.