Wan 3.0 vs Luma Ray 3.2: Suono contro colore, e un modello senza valutazione

Questo è l'unico confronto di questa serie in cui uno dei due modelli non può essere valutato con un punteggio. Luma Ray 3.2 non compare nell'Artificial Analysis video arena — non nella classifica text-to-video, non in quella image-to-video, verificato il 18 settembre 2026. Non esiste per esso un Elo basato su preferenze alla cieca, nessun numero di campioni, nessun intervallo di confidenza. Chiunque citi un numero per Ray 3.2 in un confronto diretto sta citando un test di preferenza condotto da un fornitore o una scala propria di un aggregatore, e nessuno dei due è comparabile ai valori dell'arena Wan 3.0 riporta. Quindi questo confronto va fatto su specifiche, superfici di controllo e fatturazione anziché su un tabellone di punteggi — il che, considerato quanto diversamente sono costruiti questi due, si rivela comunque il confronto più utile.

Prima di tutto, un'insidia di denominazione che ti costerà denaro se non la cogli. I numeri di versione di Luma non salgono nel modo in cui sembrano leggersi. Ray3.14 è stato rilasciato il 26 gennaio 2026; Ray3.2 è stato rilasciato il 9 giugno 2026 ed è l'attuale modello di punta. Il numero più alto è il modello più vecchio. Luma ha deprecato completamente il marchio Dream Machine e afferma che Dream Machine e Ray2 sono sostituiti da Ray — quindi qualsiasi guida, pagina di prezzo o confronto basato su "Dream Machine" descrive un prodotto che Luma non vende più.

La voce mancante nella classifica, e perché è importante

La posizione di Wan 3.0 è ben documentata. Nell'arena text-to-video con audio di Artificial Analysis, registrata il 18 settembre 2026, si colloca al n. 2 con un punteggio Elo di 1.229 e 6.011 confronti registrati, dietro Gemini Omni Flash a 1.233 e davanti ad altri tre modelli all'interno di una fascia di 23 punti. Nella classifica di video editing è al n. 1 con un punteggio Elo di 1.190. Sono dati indipendenti, in cieco e ispezionabili.

La posizione di Ray 3.2 non è documentata in alcuna fonte comparabile. Ciò che Luma ha pubblicato è un "Ray3 Evaluation Report" interno che rivendica la parità con Veo 3 e un vantaggio su Runway Gen-4, Midjourney Video e Moonvalley Marey — senza alcun punteggio numerico allegato. Luma sostiene inoltre che la sua API venga offerta a meno della metà del prezzo e della latenza di modelli comparabili, senza quantificarlo. Separatamente, Black Forest Labs ha dichiarato che il suo Flux 3 è stato preferito a Ray 3.2 nel 93% dei confronti; si tratta di un test condotto da un fornitore sul prodotto di un concorrente e ha lo stesso peso delle dichiarazioni della stessa Luma, il che equivale a dire ben poco.

Questa è una vera lacuna nella documentazione, non un demerito del modello. Un modello può essere eccellente e non valutato: l'arena assegna un punteggio solo a ciò che è stato mostrato ai suoi votanti. Ma cambia ciò che una pagina di confronto dovrebbe dirti. Per Wan 3.0 puoi dire cosa hanno pensato i votanti indipendenti. Per Ray 3.2 non puoi dire nulla del genere, e presentare il rapporto interno di Luma o la dichiarazione del 93% di un rivale come se l'una o l'altra fossero una prova sarebbe il modo più semplice in assoluto per sbagliare questo articolo.

Due scommesse diverse: suono contro colore

Ecco la differenza più netta tra loro, e non riguarda la qualità.

Wan 3.0 genera l'audio in modo nativo nello stesso passaggio del video — dialogo, musica di sottofondo ed effetti sonori, attivo per impostazione predefinita, disattivabile con un flag, controllabile con un massimo di cinque clip audio di riferimento. I materiali di lancio di Alibaba stessa indicano la qualità audio come un'area che necessita ancora di lavoro, quindi considerala una capacità reale ma imperfetta. Il punto è che una generazione di Wan 3.0 arriva come un'opera audiovisiva finita.

Ray 3.2 non genera affatto audio. L'output da testo a video e da immagine a video è silenzioso. L'audio viene conservato solo quando si utilizzano i percorsi Modify o Reframe su filmati esistenti: non esiste un percorso da un prompt a una colonna sonora. Questa è la più grande differenza di capacità tra i due modelli ed è di per sé squalificante per alcuni flussi di lavoro: se il tuo deliverable richiede dialogo sincronizzato o sound design, Ray 3.2 è un passo solo video in una pipeline che necessita di uno stadio audio aggiunto a posteriori, e Wan 3.0 non lo è.

Ciò che Luma ha costruito invece è la pipeline di colore e finitura più profonda di qualsiasi modello video commerciale. Ray 3.2 genera HDR nativo a 16 bit ed esporta EXR in ACES2065-1, lo spazio colore che le pipeline professionali di color grading e VFX si aspettano. Traccia l'espressività facciale su un massimo di otto volti contemporaneamente, fotogramma per fotogramma, oltre a postura e gestualità scheletriche. Accetta fino a 16 fotogrammi chiave per clip per una direzione a livello di fotogramma di ritmo e movimento. La sua funzione Reframe modifica le proporzioni, estende l'inquadratura o sostituisce uno sfondo dopo la generazione, preservando l'illuminazione originale. Ed è disponibile all'interno di Adobe Firefly, con clienti tra studi e agenzie citati per nome che lo sostengono.

Quello è uno strumento di post-produzione. Wan 3.0 è uno strumento di produzione. Se consegni le riprese a un colorist, l'esportazione EXR vale più di trenta secondi di qualsiasi cosa. Se pubblichi una clip finita, l'output silenzioso è un problema che nient'altro sulla scheda tecnica risolve.

Durata e risoluzione, leggi attentamente.

Entrambi i fornitori offuscano questi numeri, in direzioni opposte, ed entrambi gli offuscamenti contano.

• Durata — Wan 3.0: da 2 a 30 secondi in un'unica generazione, più estensione in avanti, all'indietro e bidirezionale. Ray 3.2: 5 o 10 secondi per la generazione ex novo da testo a video e da immagine a video. Il dato di Luma, ampiamente citato, "fino a 20 secondi" si applica a Modify Video, la sua modalità di trasformazione che preserva la sorgente, non alla generazione da un prompt. Se stai scegliendo in base al dato dei 20 secondi, verifica quale modalità stai acquistando.

• Risoluzione — Wan 3.0: 480p, 720p e 1080p, tutte native. Ray 3.2: 360p, 540p, 720p e 1080p. Ray 3.2 non supporta il 4K. La voce che lo faccia circola ampiamente ed è falsa: il 4K di Luma è un'utility di upscaling separata applicata dopo la generazione, non una modalità di generazione. L'HDR è reale; il 4K no.

• Vincoli HDR — La modalità HDR di Luma è limitata a clip di 5 secondi a 720p o 1080p, e HDR non è compatibile con l'output a 10 secondi. Quindi la migliore pipeline cromatica del modello non è disponibile sui suoi clip più lunghi.

• Frequenza dei fotogrammi — Wan 3.0: 30fps. Ray 3.2: 24fps, che è la scelta giusta per lavori in stile cinematografico e quella sbagliata se la tua consegna è a 30 o 60.

• Rapporto d'aspetto — Ray 3.2 non ha un elenco fisso perché Reframe adatta l'output a posteriori. Wan 3.0 supporta 21:9, 16:9, 4:3, 1:1, 3:4, 9:16 e adattivo al momento della generazione.

• Input — Wan 3.0 accetta fino a 10 immagini di riferimento, 5 video di riferimento e 5 clip audio di riferimento entro un limite di 20 risorse, più un documento o una pagina web pubblica. Ray 3.2 accetta testo, immagini, fino a 16 fotogrammi chiave e riferimenti ai personaggi — una capacità che il suo predecessore Ray3.14 non aveva. Nessun documento, nessun ancoraggio URL, nessun input audio.

Quanto costa ogni secondo, e la struttura di fatturazione sottostante

Wan 3.0 viene fatturato al secondo di output alle tariffe pubblicate di Alibaba: 0,05 $ a 480p, 0,10 $ a 720p, 0,20 $ a 1080p. Una clip di 30 secondi a 1080p costa 6,00 $, con uno sconto del 30% a tempo limitato sulle piattaforme di Alibaba valido fino al 23 settembre, che la porta a circa 4,20 $.

Ray 3.2 viene fatturato per generazione sull'API Luma Agents, il che rende il calcolo diverso: 5 secondi a 360p costano 0,06 $, a 540p 0,15 $, a 720p 0,30 $, a 1080p 1,20 $. Dieci secondi raddoppiano quelle cifre a 360p e 540p e le triplicano al di sopra. A 1080p si arriva a circa 0,24 $ al secondo — più della tariffa 1080p di Wan 3.0 e circa cinque volte la sua tariffa 480p.

Due note strutturali che contano più dei numeri al secondo. Primo, i crediti di abbonamento di Luma e la sua fatturazione API sono sistemi separati e i crediti non si trasferiscono tra loro; i piani consumer costano $30, $90 e $300 al mese, con crediti conteggiati all'interno di ciascuno. Prevedi un budget per la superficie su cui stai effettivamente costruendo, perché il denaro non si sposta. Secondo, HDR e HDR+EXR moltiplicano il costo in crediti — rispettivamente raddoppiandolo e triplicandolo — quindi la funzionalità che distingue Ray 3.2 è anche quella che ne cambia maggiormente il prezzo effettivo.

Su Wan 3.0 la trappola equivalente è a livello del provider anziché del venditore: quando un modello è prezzato al secondo per risoluzione, la tariffa di un intermediario spesso non è quella di Alibaba. $0.05 / $0.10 / $0.20 è il numero con cui verificare qualsiasi preventivo.

Dove arriva effettivamente la questione del routing

Nessuno dei due è un modello che instradiamo, e vale la pena dirlo prima di ogni altra cosa in questa sezione. Wan 3.0 è raggiungibile attraverso le piattaforme di Alibaba — Model Studio e Qwen Cloud — e tramite strumenti creativi di terze parti che lo hanno integrato dopo il lancio del 24 agosto. Ray 3.2 è raggiungibile tramite l'app web di Luma e, per la prima volta nella linea Ray, una vera API per sviluppatori con livelli a consumo e a capacità riservata, oltre a una manciata di piattaforme di terze parti e alla sua integrazione con Adobe Firefly.

Ciò che è disponibile su OrcaRouter è la pipeline circostante. Un video finito raramente costituisce l'intero deliverable: ci sono una sceneggiatura, una lista delle inquadrature, il testo alternativo, i sottotitoli in diverse lingue, le note di revisione e i metadati, e tutto questo è lavoro da modelli di testo. Quei modelli sono nel nostro catalogo — oltre 200 su un'unica chiave, con il prezzo di listino dei fornitori passato così com'è, senza l'aggiunta di alcun ricarico — quindi spostare la fase di sottotitolazione da un modello costoso a uno economico, o cambiare il modello che scrive le tue liste delle inquadrature, è una modifica di configurazione anziché una seconda integrazione. Dato che entrambi i modelli video qui presenti sono già una seconda e una terza relazione con i fornitori, mantenere il livello testuale su un'unica chiave è la parte di questo stack che conviene davvero consolidare.

Quale, e cosa lo risolverebbe

Sulla carta non è una gara combattuta, e non è nemmeno una disfatta, perché i due non competono per lo stesso ruolo.

• Scegli Wan 3.0 se hai bisogno di audio dal prompt, di più di 10 secondi in un'unica passata, di ancoraggio a documenti o pagine web, di un ampio budget di riferimento, di 30fps, o della tariffa al secondo più bassa a 1080p. È la scelta migliore per qualsiasi cosa che finisca come clip pubblicata.

• Scegli Luma Ray 3.2 se hai bisogno di HDR a 16 bit o EXR in ACES2065-1 per una pipeline di color grading, controllo a livello di frame su 16 keyframe, tracciamento delle prestazioni su otto volti, modifiche post-hoc di proporzioni e sfondo di Reframe, o trasformazione che preserva la sorgente di footage esistente fino a 20 secondi. È la scelta migliore per qualsiasi cosa che finisca come shot nel montaggio di qualcun altro.

La cosa che cambierebbe questo articolo non è un nuovo modello — è una partecipazione all'arena. Ray 3.2 è disponibile a livello generale dal 9 giugno 2026, da abbastanza tempo da accumulare confronti, e semplicemente non è stato messo davanti ai votanti. Finché non lo sarà, la posizione onesta è che Wan 3.0 ha un punteggio indipendente verificabile e Ray 3.2 ha un rapporto del fornitore stesso, e un confronto che finge che siano lo stesso tipo di prova è peggio di uno che ammette il divario.

Una nota pratica se stai eseguendo tu stesso questa valutazione: poiché Ray 3.2 restituisce video senza audio e Wan 3.0 no, un confronto diretto con lo stesso prompt sembrerà sbilanciato a sfavore di Luma in un modo che non ha nulla a che fare con la qualità dell'immagine. Valuta prima l'immagine, disattiva l'audio su entrambi e valuta l'audio separatamente — altrimenti stai confrontando un'opera finita con un componente e misurando la differenza sbagliata.