Kling 4.0 vs Luma Ray 3.2: uno crea il suono, l'altro supera la prova

Metti Kling 4.0 e Luma Ray 3.2 nella stessa frase e la maggior parte dei confronti va dritta alla risoluzione, perché entrambi pubblicizzano output di fascia alta e nessuno dei due è economico. Questo è l'asse meno interessante. I due modelli non sono d'accordo su qualcosa di più fondamentale: se una clip generata sia un pezzo finito o una lastra. Kling 4.0, disponibile al pubblico dal 15 ottobre 2026, genera immagine e audio stereo a due canali in un'unica passata, tiene una ripresa fino a 30 secondi e si aspetta che tu pubblichi quello che esce. Luma Ray 3.2, flagship di Luma dal 9 giugno 2026, genera video muto e concentra la sua ingegneria su ciò che accade dopo la ripresa — HDR nativo a 16 bit, esportazione EXR in ACES2065-1 e una modalità reframe che cambia l'inquadratura senza ri-renderizzare la scena. I documentati fallimenti dell'IA e incidenti degli agenti dietro rilasci come questo sono raccolti in the OrcaRouter AI Incident Archive dove ogni voce riporta le proprie fonti, la gravità, il grado di confidenza e il flag di contestazione.

Quella differenza decide più acquisti di quanto faccia un confronto sulla risoluzione, e vale la pena dirlo prima dei numeri: se il tuo deliverable è una clip che pubblichi, il silenzio è un difetto che nient'altro nella scheda tecnica può correggere. Se il tuo deliverable è un'inquadratura che un colorist rifinirà, un EXR nello spazio colore corretto vale più di qualsiasi quantità di ambienza generata. Tutto ciò che segue riguarda quale di questi due sei tu.

Il problema del tabellone, detto chiaramente

Oggi nessuno dei due modelli può essere confrontato su un punteggio indipendente, e per ragioni diverse. Luma Ray 3.2 non ha alcuna riga in nessuna delle tre classifiche video di Artificial Analysis — da testo a video, da immagine a video o editing — verificate il 22 ottobre 2026. L'unica voce Luma nella classifica da immagine a video è il precedente Ray 3, di settembre 2025, al 47º posto con Elo 1.215 sulla scala silent. Ray 3.2 non è presente affatto.

Kling 4.0 è stato rilasciato otto giorni prima di questa lettura e non è stato inserito in nessuna classifica. Le righe K​ling esistenti sono quelle di Kling 3.0, di febbraio 2026, e non dicono nulla sulla nuova generazione. Si tratta quindi di un confronto senza alcuna misurazione condivisa da nessuna delle due parti — il che significa che chiunque citi un divario Elo tra questi due modelli sta citando qualcosa che si è costruito da solo. Giudica il resto di questa pagina sulle specifiche e sulla fatturazione, e tratta con sospetto qualsiasi punteggio tu trovi altrove.

Immagine, suono e ciò che ciascuno lascia per dopo

La nota di rilascio di Kuaishou per Kling 4.0 è insolitamente specifica sull'audio. Stereo a due canali, sincronizzazione labiale più precisa, dialoghi in nove lingue più accenti regionali — inglese americano, britannico e indiano; mandarino di Pechino, taiwanese, nordorientale e del Sichuan; cantonese. Genera anche testo a schermo in quelle lingue, una capacità diversa dal parlato ed è quella che fallisce nel modo più evidente quando la cinepresa si muove.

• Audio — Kling 4.0: stereo nativo a due canali con lip sync, nella stessa passata. Ray 3.2: nessun audio da prompt testuali o di immagini; l'audio sopravvive solo su Modify e Reframe, dove è l'audio della clip sorgente, preservato anziché generato.

• Durata — Kling 4.0: da 3 a 30 secondi in un'unica passata. Ray 3.2: 5 o 10 secondi per una nuova generazione; i 20 secondi spesso citati appartengono a Modify Video, che trasforma filmati esistenti.

• Risoluzione — Kling 4.0: 720p, 1080p o 4K, con 21:9 disponibile. Ray 3.2: 360p, 540p, 720p o 1080p, e nessuna generazione in 4K — il 4K di Luma è un'utilità di upscaling applicata successivamente.

• Pipeline del colore — Kling 4.0: HDR a 10 bit a 1080p e 4K, indicato come prossimamente disponibile. Ray 3.2: generazione HDR nativa a 16 bit ed esportazione EXR in ACES2065-1, disponibile ora, con prezzo pari al doppio della tariffa SDR per HDR e al triplo per HDR più EXR.

• Controllo a livello di fotogramma — Kling 4.0: fino a 10 immagini keyframe distribuite lungo la timeline. Ray 3.2: fino a 16 keyframe per clip, anche in image-to-video.

• Riferimenti — Kling 4.0: fino a 15 asset combinati tra immagini, video, elementi e voce. Ray 3.2: testo, immagini, keyframe e riferimenti a personaggi, senza alcun budget pubblicato per i riferimenti video.

Rileggi quella lista due volte. Su quattro righe su sei Kling 4.0 vince sulla carta. Sull'unica riga che conta davvero per una casa di post-produzione — un EXR a 16 bit nello spazio colore che il compositore utilizza effettivamente — Ray 3.2 non è solo avanti: è l'unico dei due ad aver mai rilasciato la funzione.

Due modi per essere fatturati, e perché non convertono

Luma vende clip, non secondi. La sua scala tariffaria pubblicata per text-to-video e image-to-video prevede 20 crediti per una clip di cinque secondi a risoluzione bozza, 50 a 540p, 100 a 720p e 400 a 1080p; una clip di dieci secondi costa rispettivamente 60, 150, 300 e 1.200. Modify Video e Reframe hanno prezzi separati e molto più alti, il che è coerente con il fatto che siano strumenti di rifinitura anziché il generatore.

Quanto costa un credito dipende dal piano in cui lo hai acquistato, quindi non esiste un singolo importo in dollari che sia onesto citare per Ray 3.2 — un abbonato e un acquirente API pay-as-you-go pagano tariffe diverse per gli stessi 100 crediti. La proprietà che sopravvive alla conversione è la struttura della fattura: è fissa per clip, conoscibile prima di premere genera e non cambia se il modello ne renderizza due secondi o tutti e dieci.

K​uaishou non ha pubblicato alcun listino prezzi per Kling 4.0. L'API è in accesso anticipato, la console per sviluppatori lo indica in un banner, e non esiste un prezzo al secondo né per il modello completo né per Kling 4.0 Flash nelle pagine pubbliche. Non è una piccola omissione in un confronto sui costi — significa che non è ancora possibile determinare il costo effettivo dell'opzione che sembra più economica, e la posizione onesta è che l'economia di Kling 4.0 è sconosciuta, mentre quella di Ray 3.2 è almeno strutturata.

Per riferimento, la generazione precedente ha un prezzo ed è instradabile: kling/kling-v3 ha un prezzo fisso di $0.084 per richiesta nel nostro catalogo, con kling/kling-3-turbo a $0.112 e le generazioni 2.x e O1 al di sotto. Ray 3.2 non è una route che offriamo. Quindi i due modelli che un lettore può effettivamente chiamare oggi sono Kling 3.0 e Ray 3.2 — e il nuovo Kling è quello in attesa di un listino prezzi.

Da dove viene il numero di 20 secondi

Il marketing di Luma intorno a Ray 3.2 punta sulla durata, e il dato sulla durata è facile da fraintendere. La generazione da zero è di 5 o 10 secondi. I venti secondi sono ciò che Modify Video può produrre quando la sorgente è a 24fps: a 30fps il limite scende a 15 secondi, a 60fps a 7. Non è una limitazione che Luma nasconda — è stampata sulla pagina dei prezzi — ma il "fino a 20 secondi" viaggia senza la clausola sul frame rate, e un team che acquista aspettandosi una clip prompt-to-video da 20 secondi resterà deluso alla prima chiamata.

La stessa disciplina vale per l'HDR. La modalità HDR di Ray 3.2 è limitata a clip di cinque secondi a 720p o 1080p e non è disponibile sull'output da dieci secondi. Quindi la migliore pipeline colore del modello e la sua più lunga generazione ex novo si escludono a vicenda, un compromesso che nessuno mette in una slide di confronto. L'HDR a 10 bit di Kling 4.0, quando arriverà, è specificato per 1080p e 4K senza che sia pubblicato un qualificatore di durata — ma è indicato come in arrivo prossimamente, quindi al momento è una promessa su entrambi i fronti di questa particolare linea.

Come si presenta la decisione all’interno di uno studio

Il vero prodotto di Ray 3.2 è l'iterazione su un'inquadratura che hai già. Reframe cambia il rapporto d'aspetto, estende l'inquadratura o sostituisce lo sfondo dopo la ripresa mantenendo l'illuminazione originale; Modify Video trasforma il girato di partenza invece di inventarlo; EXR lascia il modello in una forma che Nuke e Resolve apriranno senza discussioni sulla conversione. Un team che lavora per i clienti con un colorist nel processo ricava valore da queste funzioni su ogni progetto, e nessuna quantità di audio stereo può sostituirle.

Il vero prodotto di Kling 4.0 è il primo assemblaggio. Trenta secondi, dieci keyframe e quindici riferimenti significano che una sequenza può essere composta anziché cucita insieme, e l’audio arriva già allegato — il che conta soprattutto per i lavori social, UGC e pubblicitari, dove il prodotto finale è verticale, con didascalie e pubblicato lo stesso giorno. Gli esempi forniti direttamente dal fornitore sono vlog, short drama, annunci di prodotto e video musicali, il che descrive bene l’ambito in cui un modello che produce un risultato finito in un solo passaggio si dimostra davvero utile.

C'è una considerazione sul routing che accomuna entrambi i casi. Se un team finisce per usare ciascun modello per ciò in cui è bravo — K​ling per la ripresa pubblicabile, Ray per la plate che va in color grading — il costo di integrazione è ciò che decide se questo accade nella pratica. Una chiave compatibile con OpenAI davanti a più di 200 modelli trasforma un secondo modello in un cambio di ID modello anziché in un secondo contratto con un fornitore e una seconda quota da monitorare, e il failover automatico mantiene un batch in movimento quando un percorso di servizio si degrada. Non instradiamo né Kling 4.0né Luma Ray 3.2, e questo articolo non sostiene il contrario; l'argomento del routing riguarda i modelli che li circondano, non questi due.

Quale, concretamente?

Scegli Luma Ray 3.2 quando il problema è la ripresa e l’audio è compito di qualcun altro. Un movimento di macchina che non riesci a ottenere come si deve, un’inquadratura che deve cambiare dopo che il cliente l’ha vista, un deliverable che deve arrivare in HDR o EXR — questi sono i problemi che Reframe, i keyframe e la pipeline del colore risolvono, e Kling 4.0 non li risolve a nessuna risoluzione. La fatturazione per clip è un vero vantaggio in quel flusso di lavoro, perché si itera sulla regia e un prezzo fisso per clip non penalizza il decimo tentativo più del primo.

Scegli Kling 4.0 quando l'output è il risultato da consegnare e l'audio ne fa parte. Trenta secondi in un'unica passata, dieci keyframe, stereo a due canali e quindici riferimenti sono una combinazione che nient'altro in questo confronto offre, e le opzioni 21:9 e 4K lo rendono adatto ai formati di consegna che Ray 3.2 non genera nativamente. Le avvertenze sono reali: nessun prezzo pubblicato, nessun punteggio indipendente, HDR ancora promesso anziché distribuito, e un'API in accesso anticipato anziché generalmente disponibile agli sviluppatori.

Ciò che risolverebbe la questione sarebbe una voce Ray 3.2 su una delle board video, e una rate card di Kling 4.0. Finché non esistono entrambe, le due frasi che reggono sono queste: uno di questi modelli genera la colonna sonora e l'altro esporta lo spazio colore, e la scelta tra loro la fa il tuo montaggio, non la tua scheda benchmark.