Wan 3.0 vs Kling 3: una ripresa continua contro sei inquadrature pianificate

Cominciamo con una discrepanza che nessuno ha ancora riconciliato. Wan 3.0 ha un solo prezzo pubblicato. Kling 3.0, l'attuale punta di diamante video di Kuaishou, ne ha due — e differiscono di un fattore tre. La documentazione API di Kuaishou stessa elenca Kling Video 3.0 a $0.084 al secondo per il livello standard e $0.112 per il pro. Artificial Analysis prezza lo stesso modello, sulla stessa classifica su cui elenca Wan 3.0, a $20.16 al minuto per il livello pro 1080p — $0.336 al secondo. Non possono entrambi descrivere la stessa generazione con le stesse impostazioni. Finché qualcuno non pubblicherà il chiarimento, qualsiasi confronto al secondo tra questi due modelli si basa su numeri che potrebbero non misurare la stessa cosa.

Ciò che può essere confrontato onestamente sono le specifiche, i punteggi delle votazioni alla cieca e le filosofie progettuali — e su questi i due modelli sono in disaccordo su quasi tutto ciò che conta. Kuaishou ha costruito Kling 3.0 attorno alla sequenza a più inquadrature. Alibaba ha costruito Wan 3.0 attorno alla ripresa unica senza interruzioni. Non è una distinzione di marketing; decide quale dei due si adatta al tuo progetto prima che si parli di prezzo.

Due modelli, due idee di cosa sia una clip

Kling 3.0 è stato lanciato il 5 febbraio 2026 come una serie di quattro modelli — Video 3.0, Video 3.0 Omni, Image 3.0 e Image 3.0 Omni. La sua caratteristica distintiva è la sequenziazione automatica multi-inquadratura: il modello pianifica da sé le transizioni tra le inquadrature, e una modalità personalizzata consente di impostare il numero di inquadrature e la durata di ciascuna. I recensori segnalano sequenze utilizzabili fino a circa sei inquadrature distinte da un singolo prompt, con scala dell'inquadratura, movimento di macchina e beat narrativo specificabili per ogni inquadratura. Il tetto è di 15 secondi per generazione, con un minimo di 3 secondi.

Wan 3.0 va nella direzione opposta. Il suo limite è di 30 secondi in un'unica passata continua, e l'intero design punta a non tagliare — tempo sufficiente per un singolo movimento di macchina, una dimostrazione di prodotto in un'unica ripresa o un monologo che regge senza montaggio. Non ha un pianificatore multi-inquadratura, perché il punto è che non dovresti averne bisogno.

La conseguenza pratica: non è una questione di meglio o peggio, è una questione che riguarda il tuo montaggio. Un breve dramma, uno spot costruito sui tagli, qualunque cosa con battute scambiate tra personaggi — questa è la forma di Kling 3.0. Una presentazione continua di un prodotto, un pezzo di danza o performance, un'unica ripresa in movimento che deve restare coerente — questa è la forma di Wan 3.0. I team che cercano di forzare l'uno nel formato dell'altro scopriranno che le modalità di fallimento sono strutturali: le sei inquadrature di Kling 3.0 non possono essere rese continue senza rigenerare, e i trenta secondi di Wan 3.0 non possono essere tagliati in sei inquadrature pulite senza perdere ciò per cui hai pagato.

I numeri dell'arena, suddivisi per ciò che misurano

Questa è la parte del confronto in cui la copertura è peggiore, perché la maggior parte delle pagine cita un Elo di Kling vecchio di cinque mesi. Il materiale di lancio di Kuaishou di febbraio 2026 poneva Kling 3.0 in cima alla classifica text-to-video a circa Elo 1.240. Era accurato a febbraio. La classifica live di Artificial Analysis, rilevata il 18 settembre 2026, con audio:

• Wan 3.0 — n. 2, Elo 1.229, 12,00 $/min

• Kling 3.0 1080p Pro — #12, Elo 1.095, 20,16 $/min

• Kling 3.0 720p Standard — #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 — #22, Elo 1.075, 16,80 $/min

Quindi il leader di febbraio è diventato un modello di metà classifica in sette mesi, senza alcuna colpa da parte sua — il campo si è mosso. Nota anche che i tier di Kling sono distribuiti su undici posizioni nella classifica con un intervallo Elo di 20 punti tra loro, il che significa che il tier che acquisti ha un effetto minore sulla qualità misurata rispetto al modello che scegli. Pagare per Pro invece di Standard ti dà risoluzione e, in questa classifica, circa sei punti Elo.

Poi c'è il dato che complica l'intero quadro, e quasi nessuno lo cita. Nella classifica image-to-video senza audio, Kling 3.0 è un animale diverso: il livello Omni 1080p Pro ottiene un Elo di 1.284 all'8º posto, e il livello 1080p Pro 1.282 al 9º. Si tratta di un piazzamento in top ten, nettamente migliore del suo risultato nel text-to-video. La lettura è che Kling 3.0 è più forte quando parte da un'immagine fornita e non viene giudicato sull'audio generato — il che descrive, per l'appunto, una buona parte del lavoro commerciale reale. Se la tua pipeline è image-to-video e valuti tu stesso il tuo audio, i numeri dell'arena riportati sopra sottostimano notevolmente questo modello.

Audio, dove entrambi fanno la stessa affermazione e uno presenta un problema documentato

Entrambi i modelli generano l'audio nativamente in un'unica passata. La versione di Kuaishou supporta cinese, inglese, giapponese, coreano e spagnolo, gestisce dialoghi in lingue miste all'interno di una clip, associa una voce distinta a ciascun personaggio nelle scene con più personaggi e offre accenti regionali: inglese americano, britannico e indiano; cinese nordorientale, di Pechino, taiwanese, cantonese e del Sichuan. L'audio di Wan 3.0 è attivo per impostazione predefinita, disattivabile con un flag, e accetta fino a cinque clip audio di riferimento per orientare il risultato.

Sulla carta questo è un pareggio con elenchi di lingue diversi. Sui risultati riportati non lo è. La coerenza del lip-sync è la debolezza più segnalata nelle recensioni indipendenti di Kling 3.0 — un test pratico ha rilevato che circa due clip di dialogo su cinque necessitavano di un rifacimento, e i recensori che lo valutano molto bene per le immagini continuano a descrivere il lip-sync come incoerente. Gli artefatti audio segnalati si concentrano attorno al dialogo in ambienti rumorosi, dove fondali di acqua e vento possono rendere il parlato ovattato. Il problema di Alibaba è di natura diversa: i suoi stessi materiali di lancio indicano la qualità audio come un'area che necessita ancora di lavoro, il che è un'ammissione sulla fedeltà più che sulla sincronizzazione.

Nessuno dei due fornitori vende uno strumento di dialogo finito. Se il dialogo è il punto centrale del tuo progetto, la prima cosa da testare non è la qualità delle immagini, ma se la bocca corrisponde alle parole per tutti i 15 o 30 secondi, perché è lì che entrambi cedono ed è da lì che nascono le riprese da rifare.

Controllo e risoluzione dei riferimenti

• Multi-shot — Kling 3.0: pianificazione automatica delle inquadrature, più modalità personalizzata con conteggio e durata per inquadratura, fino a circa sei inquadrature. Wan 3.0: nessuna; singola generazione continua.

• Durata — Kling 3.0: da 3 a 15 secondi. Wan 3.0: da 2 a 30 secondi, più estensione in avanti, all'indietro e bidirezionale.

• Risoluzione — Kling 3.0: 720p e 1080p nella guida ufficiale, con 4K nativo dichiarato nella documentazione di Kuaishou stessa a 0,42 $/s. Wan 3.0: 480p, 720p e 1080p; nessun 4K.

• Frequenza fotogrammi — Kling 3.0: 30 fps standard, con 60 fps dichiarati nelle modalità ad alte prestazioni. Wan 3.0: 30 fps.

• Controllo dei riferimenti — Kling 3.0: associazione degli elementi, blocco di un soggetto durante panoramiche e zoom, da immagini caricate o da un video di un personaggio. Wan 3.0: fino a 10 immagini di riferimento, 5 video di riferimento e 5 clip audio in un limite di 20 risorse, più un documento o una pagina web pubblica.

• Grounding — Wan 3.0 accetta DOC, XLS, PPT, PDF, TXT, MD e URL pubblici come input e li trasforma in video. Kling 3.0 non ha un equivalente.

La riga sulla risoluzione è quella da verificare rispetto alle proprie specifiche di consegna, perché è davvero controversa. La documentazione di Kuaishou dichiara 4K nativo per Video 3.0; la sua guida utente elenca solo 720p e 1080p. Le tariffe di credito di terze parti per il 4K variano di oltre un fattore due tra le fonti. Se il 4K è un requisito imprescindibile, fatti confermare per iscritto sul tuo account, anziché da una pagina di confronto — inclusa questa.

Dove puoi effettivamente chiamarli

Questo è l'unico incontro di questa serie in cui la risposta sulla disponibilità non è simmetrica, e vale la pena dirlo chiaramente.

Kling 3.0 è nel catalogo di OrcaRouter come kling/kling-v3, al prezzo di 0,08 $ per richiesta con prezzo di listino del provider passato senza alcun ricarico, allo 0% di markup. Questa è una differenza sostanziale rispetto al quadro aggregato di sopra: invece di mantenere un account Kuaishou e un'integrazione separata per qualunque altro modello richieda la tua pipeline, Kling 3.0 si trova dietro la stessa chiave e lo stesso endpoint compatibile con OpenAI di oltre 200 altri modelli. Poiché non aggiungiamo nulla al prezzo del provider, una variazione tariffaria di Kuaishou o un taglio promozionale è attiva dalla nostra parte lo stesso giorno, anziché dopo un ciclo contrattuale — e se il provider upstream peggiora le prestazioni o applica limiti di velocità, il failover automatico sposta la richiesta prima che inizi la risposta, invece di restituire un errore alla tua applicazione.

Wan 3.0 non è nel nostro catalogo e non è presente su nessuna piattaforma di routing generica. È raggiungibile tramite le piattaforme di Alibaba — Model Studio su Alibaba Cloud e Qwen Cloud — e tramite strumenti creativi di terzi che lo hanno integrato dopo il lancio del 24 agosto, con uno sconto del 30% a tempo limitato sulle superfici di Alibaba valido fino al 23 settembre. I piani consumer di Kuaishou e l'app web Kling AI sono l'altra via, a consumo di crediti e senza alcun livello illimitato.

Per un team che vuole entrambe le cose, questa asimmetria è la forma pratica della decisione: una di queste è una modifica di configurazione e l'altra è un secondo rapporto con un fornitore.

Chi dovrebbe scegliere cosa

• Scegli Wan 3.0 per riprese continue oltre i 15 secondi, per brief basati su documenti o pagine web, per clip più brevi di tre secondi, per il budget di riferimento più ampio al prezzo pubblicato più basso e per lavori da 30 secondi in una sola passata che altrimenti richiederebbero l’unione di più clip.

• Scegli Kling 3.0 per sequenze narrative multi-inquadratura a partire da un unico prompt, per il lavoro image-to-video in cui la sua posizione nell'arena senza audio è davvero tra le prime dieci, per il dialogo multilingue nelle cinque lingue supportate con associazione vocale per personaggio, per la coerenza degli elementi attraverso i movimenti di camera, e per il 4K se confermi il livello.

Il riassunto onesto è che questi due sono meno rivali che alternative selezionate in base al tipo di progetto, e il confronto dei prezzi che normalmente risolverebbe la questione al momento non è affidabile — la tariffa al secondo pubblicata da Kuaishou e il dato al minuto della classifica indipendente non possono essere entrambi corretti, e la differenza è abbastanza grande da ribaltare una decisione. Finché ciò non viene risolto, la prova decisiva dovrebbe essere un test con lo stesso prompt sul tuo materiale: una sequenza di 15 secondi in sei inquadrature su Kling 3.0 contro una ripresa continua di 15 secondi su Wan 3.0, a 1080p, valutata su clip che consegneresti davvero.

La cosa da tenere d'occhio non è un nuovo modello di nessuno dei due laboratori, ma il listino prezzi di Kuaishou. Se la tariffa del fornitore è corretta, Kling 3.0 è il modello video credibile più economico di questa serie e la colonna per minuto dell'arena sta misurando una configurazione che la maggior parte delle persone non acquisterà. Se il dato della classifica è corretto, Kling 3.0 è il modello più costoso qui e il suo posizionamento a metà classifica è un problema. Una delle due affermazioni è vera e nessuno ha detto quale.