Wan 3.0 vs Kling 3：1つの連続テイク 対 6つの計画ショット

まず、誰もまだ解消していない食い違いから始めよう。Wan 3.0には公表されている価格が1つある。Kling 3.0、Kuaishouの現行動画フラッグシップには2つあり、しかもその差は3倍だ。Kuaishou自身のAPIドキュメントでは、Kling Video 3.0はstandardティアで1秒あたり$0.084、proで$0.112と記載されている。Artificial Analysisは、同じモデルを、Wan 3.0を掲載しているのと同じリーダーボード上で、1080p proティアなら1分あたり$20.16—1秒あたり$0.336と価格設定している。両方が同じ設定で同じ生成を説明しているはずがない。誰かがこの食い違いを解消する説明を公表するまで、これら2つのモデル間の1秒あたりの比較は、同じものを測定していない可能性がある数値で行われている。

正直に比較できるのは、スペック、ブラインド投票スコア、そして設計思想だ。そしてそれらの点で、この2つのモデルは重要なほぼすべてについて相容れない。KuaishouはKling 3.0をマルチショット・シーケンスを中心に構築した。AlibabaはWan 3.0を単一のノーカット・テイクを中心に構築した。これはマーケティング上の違いではない。価格の話になる前に、2つのうちどちらがあなたのプロジェクトに合うかを決めるものだ。

2つのモデル、クリップとは何かについての2つの考え方

Kling 3.0は2026年2月5日に、4モデルシリーズとして登場した — Video 3.0、Video 3.0 Omni、Image 3.0、Image 3.0 Omni。その代表的な特徴は自動マルチショットシーケンスだ。モデル自体がショットの切り替えを計画し、カスタムモードではショット数と各ショットの長さを設定できる。レビュアーによれば、1つのプロンプトから最大約6つの異なるショットからなる実用的なシーケンスが得られ、ショットサイズ、カメラワーク、物語のビートをショットごとに指定できる。1回の生成の上限は15秒、下限は3秒。

Wan 3.0は逆を行く。その上限は1回の連続生成で30秒で、設計全体が「切らないこと」を指向している。1回のカメラムーブ、ワンテイクの製品デモ、あるいは編集なしで持続するモノローグに十分な長さだ。マルチショットプランナーは搭載していない。必要ないはずだというのが売り文句だからだ。

実務上の帰結はこうだ。これは優劣の問題ではなく、あなたの編集に関する問題である。短編ドラマ、カットで組み立てる広告、キャラクター間で台詞をやり取りするもの——それがKling 3.0の形だ。継続的な製品お披露目、ダンスやパフォーマンス作品、一貫性を保つ必要がある単一の移動ショット——それがWan 3.0の形だ。一方をもう一方のフォーマットに無理に当てはめようとするチームは、失敗の様態が構造的であることに気づくだろう。Kling 3.0の6ショットは再生成なしに連続化できず、Wan 3.0の30秒は、あなたが対価を払ったものを失わずに6つのきれいなショットに切ることはできない。

アリーナの数値、測定対象別の内訳

この対決で報道が最もお粗末になるのがこの部分だ。大半のページが、5か月も前の古いKlingのEloを引用しているからである。Kuaishouが2026年2月に公表したローンチ資料では、Kling 3.0はテキストから動画への生成のリーダーボードで首位、Elo約1,240とされていた。それは2月時点では正確だった。Artificial Analysisのライブボード（2026年9月18日取得、音声あり）：

• Wan 3.0 — 第2位、Elo 1,229、$12.00/分

• Kling 3.0 1080p Pro — #12、Elo 1,095、$20.16/分

• Kling 3.0 720p スタンダード — 13位、Elo 1,089、$15.12/分

Kling 3.0 Omni 720p スタンダード — 第18位、Elo 1,082、$13.44/分

• Kling 3.0 Omni 1080p Pro — #22、Elo 1,075、$16.80/分

つまり、2月の首位モデルは、7か月で中位のモデルになった。それはモデル自身のせいではなく、競争環境が動いたからだ。また、Kling自身のティアはボード上で11位分に散らばっており、その間のElo幅は20ポイントある。つまり、購入するティアが測定品質に与える影響は、選ぶモデルよりも小さいということだ。StandardではなくProにお金を払うと、解像度と、このボードでは約6 Eloポイントが手に入る。

次に、全体像を複雑にする数字がある。しかも、ほとんど誰もそれを引用しない。画像→動画のボード音声なしでは、Kling 3.0はまるで別物だ。Omni 1080p ProティアはElo 1,284で8位、1080p Proティアは1,282で9位。これはトップ10入りであり、テキスト→動画での成績より明らかに良い。読み取れるのは、Kling 3.0は提供された画像から出発し、生成された音声で評価されない場合に最も強いということだ——そしてそれは、実際の商用案件の大部分をまさに言い表している。あなたのパイプラインが画像→動画で、音声を自前でスコアリングするなら、上記のアリーナの数値はこのモデルをかなり過小評価している。

オーディオ、そこでは両者が同じ主張をしており、一方には文書化された問題がある

両モデルは同じパスでネイティブに音声を生成します。快手のバージョンは中国語、英語、日本語、韓国語、スペイン語に対応し、1つのクリップ内での混在言語の対話を処理し、複数キャラクターのシーンでは各キャラクターに異なる声を割り当て、さらに地域アクセントも提供します — アメリカ英語、イギリス英語、インド英語、中国語の東北語、北京語、台湾華語、広東語、四川語。Wan 3.0の音声はデフォルトで有効で、フラグで無効化でき、結果を誘導するために最大5つの参照音声クリップを受け付けます。

紙の上では、これは異なる言語リストによる互角の勝負だ。しかし報告されている結果では、そうではない。リップシンクの一貫性は、独立系のKling 3.0レビューで最も頻繁に指摘される単一の弱点である——ある実機テストでは、5つの対話クリップのうちおよそ2つが再テイクを必要とした。また、映像面で高く評価するレビュアーでさえ、リップシンクは一貫性がないと述べている。報告されている音声アーティファクトは、騒がしい環境での会話に集中しており、水や風の背景音によって発話がこもることがある。Alibabaの問題は種類が異なる。同社自身の発表資料が、音声品質を依然として改善を要する領域として挙げている。これは同期ではなく、忠実度に関する認めである。

どちらのベンダーも、完成された対話ツールを売っているわけではない。対話がプロジェクトの主眼なら、最初に試すべきは画質ではない。15秒か30秒の全体を通して、口の動きが言葉と一致するかどうかだ。そこがこの両者が破綻するポイントであり、撮り直しが生まれる原因でもあるからだ。

リファレンス制御と分解能

• マルチショット — Kling 3.0：自動ショットプランニングに加え、ショットごとの数と長さを設定できるカスタムモードを備え、最大およそ6ショットまで。Wan 3.0：なし、単一の連続生成のみ。

• 長さ — Kling 3.0：3～15秒。Wan 3.0：2～30秒、さらに前方、後方、双方向への拡張に対応。

• 解像度 — Kling 3.0：公式ガイドでは720pと1080p、Kuaishou自身のドキュメントではネイティブ4Kが謳われており、価格は$0.42/秒。Wan 3.0：480p、720p、1080p。4Kはなし。

• フレームレート — Kling 3.0: 標準30fps、高性能モードでは60fpsが謳われている。Wan 3.0: 30fps。

• リファレンス制御 — Kling 3.0：要素バインディングにより、アップロードした画像またはキャラクター動画から、パンやズームをまたいで被写体を固定できます。Wan 3.0：最大10枚の参照画像、5本の参照動画、5つの音声クリップを20アセットの上限内で利用でき、さらにドキュメントまたは公開ウェブページにも対応します。

• グラウンディング — Wan 3.0 は DOC、XLS、PPT、PDF、TXT、MD、および公開 URL を入力として受け付け、それらを動画に変換します。Kling 3.0 には相当する機能がありません。

解像度の行は、ご自身の納品仕様と照らし合わせて確認すべき項目です。実際に意見が分かれているからです。Kuaishou自身のドキュメントはVideo 3.0でネイティブ4Kを謳っていますが、そのユーザーガイドには720pと1080pしか記載されていません。4Kのサードパーティクレジット単価は、情報源によって2倍以上異なります。4Kが必須要件なら、比較ページ（このページも含めて）ではなく、ご自身のアカウントについて書面で確認を取ってください。

実際に彼らに電話をかけられる場所

これはこのシリーズで唯一、出場可否の答えが対称的でない対戦カードであり、率直に述べておく価値がある。

Kling 3.0はOrcaRouterのカタログにとしてkling/kling-v3、1リクエストあたり$0.08で提供されており、プロバイダーの定価が0%のマークアップでそのまま適用されます。これは上記の集約された状況とは大きく異なります。Kuaishouのアカウントと、パイプラインが必要とする他のモデル用の個別統合を別々に保持する代わりに、Kling 3.0は200+の他のモデルと同じキー、同じOpenAI互換エンドポイントの背後に置かれます。当社はプロバイダー価格に一切上乗せしないため、Kuaishouの料金改定やプロモーションによる値下げは、契約サイクルを待つことなく当日中に当社側で反映されます。また、上流プロバイダーが劣化したりレート制限を行った場合、自動フェイルオーバーがアプリケーションにエラーを返すのではなく、応答が始まる前にリクエストを移動させます。

Wan 3.0は当社のカタログにはなく、汎用ルーティングプラットフォームにもありません。Alibaba自身のプラットフォーム——Alibaba Cloud上のModel StudioとQwen Cloud——を通じて、また8月24日のリリース後に統合したサードパーティ製クリエイティブツールを通じて利用できます。Alibaba自身のサービス上では、9月23日まで期間限定で30%割引が実施されています。もう一つのルートは、Kuaishou自身のコンシューマー向けプランとKling AIウェブアプリで、クレジット制であり、無制限プランはありません。

両方を求めるチームにとって、この非対称性こそが意思決定の実践的な形です。一方は設定変更であり、もう一方は2社目のベンダーとの関係です。

誰がどれを選ぶべきか

• 15秒を超える連続テイク、文書やウェブページを根拠とするブリーフ、3秒未満のクリップ、公表されている中で最も低い価格で最も広い参照枠、そして本来ならつなぎ合わせが必要になる30秒のシングルパス作業には、Wan 3.0を選びましょう。

• ひとつのプロンプトからマルチショットの物語シーケンスを作るなら、音声なしのアリーナ順位が本当にトップ10に入る画像から動画への作業なら、5つの対応言語にわたる多言語ダイアログとキャラクター単位の音声バインディングなら、カメラの動きをまたいだ要素の一貫性なら、そしてティアを確認できれば4Kのために、Kling 3.0を選びましょう。

正直に要約すると、この2つはライバルというより、プロジェクトの種類によって選ばれる代替案であり、通常なら決着をつけるはずの価格比較は現在信頼できない——Kuaishouが公表している1秒あたりの料金と、独立系リーダーボードの1分あたりの数値は両方が正しいことはあり得ず、その差は判断を覆すほど大きい。それが解決するまでは、決め手となる証拠は自分の映像による同一プロンプトのテストであるべきだ。Kling 3.0で6ショット・15秒のシーケンスを1本、Wan 3.0で連続15秒のテイクを1本、1080pで、実際に納品するようなクリップで採点して比べるのだ。

注目すべきは、どちらのラボの新モデルではなく、Kuaishouの価格表だ。ベンダー料金が正しければ、Kling 3.0はこのシリーズで最も安い信頼できる動画モデルであり、アリーナの分あたりの列は、ほとんどの人が買わない構成を測っていることになる。リーダーボードの数字が正しければ、Kling 3.0はここで最も高いモデルであり、中位という順位は問題だ。この2つの文のうち一方は真実だが、どちらなのかは誰も言っていない。