Kling 4.0 vs. Luma Ray 3.2: Um faz o som, o outro passa no teste

Coloque Kling 4.0 e Luma Ray 3.2 na mesma frase e a maioria das comparações vai direto para a resolução, porque ambos anunciam resultado de alto padrão e nenhum é barato. Esse é o eixo menos interessante. Os dois modelos discordam sobre algo mais fundamental: se um clipe gerado é uma peça finalizada ou um plate. Kling 4.0, disponível em geral desde 15 de outubro de 2026, gera imagem e som estéreo de dois canais em uma única passada, sustenta uma tomada por até 30 segundos e espera que você publique o que sair. Luma Ray 3.2, carro-chefe da Luma desde 9 de junho de 2026, gera vídeo silencioso e concentra sua engenharia no que acontece depois da tomada — HDR nativo de 16 bits, exportação EXR em ACES2065-1 e um modo de reenquadramento que muda o enquadramento sem renderizar a tomada novamente. As falhas documentadas de IA e os incidentes com agentes por trás de lançamentos como este estão reunidos em o OrcaRouter AI Incident Archive, onde cada entrada traz suas próprias fontes, gravidade, grau de confiança e sinalização de disputa.

Essa diferença decide mais compras do que uma comparação de resolução, e vale a pena afirmar isso antes dos números: se o seu entregável é um clipe que você posta, o silêncio é um defeito que nada mais na ficha técnica corrige. Se o seu entregável é uma tomada que um colorista vai finalizar, um EXR no espaço de cor correto vale mais do que qualquer quantidade de ambiência gerada. Tudo abaixo é sobre qual desses dois você é.

O problema do placar, explicado sem rodeios

Nenhum dos dois modelos pode ser comparado com base em uma pontuação independente hoje, e por motivos diferentes. Luma Ray 3.2 não tem entrada em nenhum dos três rankings de vídeo da Artificial Analysis — texto para vídeo, imagem para vídeo ou edição — verificados em 22 de outubro de 2026. A única entrada da Luma no ranking de imagem para vídeo é o Ray 3 mais antigo, de setembro de 2025, ocupando a 47ª posição, com Elo 1.215 na escala silenciosa. O Ray 3.2 não aparece lá de forma alguma.

Kling 4.0 foi lançado oito dias antes desta leitura e também não foi inscrito em nenhum ranking. As linhas do Kling que existem são as do Kling 3.0, de fevereiro de 2026, e não dizem nada sobre a nova geração. Portanto, esta é uma comparação sem nenhuma medição compartilhada de qualquer dos lados — o que significa que qualquer pessoa que cite uma diferença de Elo entre esses dois modelos está citando algo que ela mesma construiu. Julgue o restante desta página com base nas especificações e na cobrança, e trate com desconfiança qualquer pontuação que encontrar em outro lugar.

Imagem, som e o que cada um deixa para depois

A nota de lançamento do Kuaishou para o Kling 4.0 é excepcionalmente específica sobre áudio. Estéreo de dois canais, sincronização labial mais precisa, diálogo em nove idiomas além de sotaques regionais — inglês americano, britânico e indiano; mandarim de Pequim, de Taiwan, do Nordeste e de Sichuan; cantonês. Ela também gera texto na tela nesses idiomas, o que é uma capacidade diferente da fala e é a que falha mais visivelmente quando a câmera se move.

• Som — Kling 4.0: estéreo nativo de dois canais com sincronização labial, na mesma passada. Ray 3.2: nenhum áudio a partir de prompts de texto ou imagem; o áudio só permanece em Modify e Reframe, onde é o áudio do clipe de origem, preservado em vez de gerado.

• Duração — Kling 4.0: 3 a 30 segundos em uma única passagem. Ray 3.2: 5 ou 10 segundos para geração nova; os 20 segundos amplamente citados pertencem ao Modify Video, que transforma filmagens existentes.

• Resolução — Kling 4.0: 720p, 1080p ou 4K, com 21:9 disponível. Ray 3.2: 360p, 540p, 720p ou 1080p, e sem geração em 4K — o 4K da Luma é um utilitário de upscale aplicado depois.

• Pipeline de cor — Kling 4.0: HDR de 10 bits em 1080p e 4K, indicado como em breve. Ray 3.2: geração HDR nativa de 16 bits e exportação EXR em ACES2065-1, disponível agora, com preço de duas vezes a tarifa SDR para HDR e três vezes para HDR mais EXR.

• Controle em nível de quadro — Kling 4.0: até 10 imagens de quadro-chave posicionadas ao longo da linha do tempo. Ray 3.2: até 16 quadros-chave por clipe, inclusive em imagem para vídeo.

• Referências — Kling 4.0: até 15 ativos combinados entre imagens, vídeo, elementos e voz. Ray 3.2: texto, imagens, quadros-chave e referências de personagem, sem limite publicado para referências de vídeo.

Percorra essa lista duas vezes. Em quatro de seis linhas, o Kling 4.0 vence no papel. Na única linha que mais importa para uma casa de finalização — um EXR de 16 bits no espaço de cor que o compositor realmente consome —, o Ray 3.2 não está apenas à frente; é o único dos dois que já lançou o recurso.

Duas formas de cobrança, e por que elas não convertem

A Luma vende clipes, não segundos. A sua escala publicada para texto-para-vídeo e imagem-para-vídeo vai de 20 créditos por um clipe de cinco segundos em resolução de rascunho, 50 em 540p, 100 em 720p e 400 em 1080p; um clipe de dez segundos custa 60, 150, 300 e 1.200, respetivamente. Modify Video e Reframe têm preços separados e muito mais elevados, o que é coerente com o facto de serem ferramentas de acabamento e não o gerador.

Quanto custa um crédito depende do plano em que você o comprou, então não há um valor único em dólares que seja honesto citar para o Ray 3.2 — um comprador de assinatura e um comprador de API de pagamento conforme o uso pagam taxas diferentes pelos mesmos 100 créditos. A propriedade que sobrevive à conversão é a forma da fatura: ela é fixa por clipe, conhecível antes de você pressionar gerar, e não muda se o modelo renderiza dois segundos ou todos os dez.

A Kuaishou não publicou absolutamente nenhuma tabela de preços para Kling 4.0. A API está em acesso antecipado, o console do desenvolvedor informa isso em um banner, e não há preço por segundo para o modelo completo nem para o Kling 4.0 Flash nas páginas públicas. Isso não é uma pequena omissão em uma comparação sobre custos — significa que a opção que parece mais barata ainda não pode ser realmente precificada, e a posição honesta é que os aspectos econômicos do Kling 4.0 são desconhecidos, enquanto os do Ray 3.2 são pelo menos estruturados.

Para referência, a geração anterior está precificada e roteável: kling/kling-v3 fica em um valor fixo de $0.084 por requisição em nosso catálogo, com kling/kling-3-turbo a $0.112 e as gerações 2.x e O1 abaixo disso. Ray 3.2 não é uma rota que oferecemos. Portanto, os dois modelos que um leitor consegue realmente chamar hoje são Kling 3.0 e Ray 3.2 — e o novo Kling é o que está aguardando uma tabela de preços.

De onde vem o número de 20 segundos

O marketing da Luma em torno do Ray 3.2 aposta na duração, e o número de duração é fácil de interpretar mal. A geração nova é de 5 ou 10 segundos. Vinte segundos é o que o Modify Video consegue produzir quando a fonte está a 24fps: a 30fps, o teto cai para 15 segundos; a 60fps, para 7. Não é uma limitação que a Luma esconde — está impressa na página de preços —, mas "até 20 segundos" circula sem a cláusula da taxa de quadros, e uma equipe que compra esperando um clipe de prompt para vídeo de 20 segundos ficará decepcionada já na primeira chamada.

A mesma disciplina se aplica ao HDR. O modo HDR do Ray 3.2 é limitado a clipes de cinco segundos em 720p ou 1080p e não está disponível na saída de dez segundos. Assim, o melhor pipeline de cores do modelo e sua geração nova mais longa são mutuamente exclusivos, o que é um trade-off que ninguém coloca em um slide de comparação. O HDR de 10 bits do Kling 4.0, quando chegar, está especificado para 1080p e 4K sem um qualificador de duração publicado — mas está listado como em breve, então atualmente é uma promessa dos dois lados dessa linha em particular.

Como é a decisão dentro de um estúdio

O verdadeiro produto do Ray 3.2 é a iteração em um plano que você já tem. O Reframe altera a proporção da imagem, amplia o enquadramento ou troca o fundo depois da captura, mantendo a iluminação original; o Modify Video transforma o material de origem em vez de inventá-lo; o EXR deixa o modelo em um formato que o Nuke e o Resolve abrem sem exigir conversão. Uma equipe que faz trabalhos para clientes com um colorista envolvido no processo obtém valor desses recursos em todos os trabalhos, e nenhuma quantidade de áudio estéreo substitui isso.

O verdadeiro produto do Kling 4.0 é a primeira montagem. Trinta segundos, dez quadros-chave e quinze referências significam que uma sequência pode ser criada em vez de costurada, e o áudio chega anexado — o que mais importa para trabalhos de redes sociais, UGC e publicidade, em que o entregável é vertical, legendado e publicado no mesmo dia. Os próprios exemplos do fornecedor são vlogs, dramas curtos, anúncios de produtos e videoclipes, o que é uma descrição justa de onde um modelo finalizado em uma única passada compensa.

Há uma consideração de roteamento que atravessa os dois. Se uma equipe acabar usando cada modelo para aquilo em que ele é bom — Kling para a tomada publicável, Ray para o plate que vai para a finalização de cor —, o custo de integração é o que decide se isso acontece na prática. Uma chave compatível com OpenAI na frente de mais de 200 modelos torna um segundo modelo uma mudança de ID de modelo em vez de um segundo contrato com fornecedor e uma segunda cota para monitorar, e o failover automático mantém um lote em andamento quando um caminho de serviço se degrada. Não roteamos nem Kling 4.0 nem Luma Ray 3.2, e este texto não afirma o contrário; o argumento de roteamento é sobre os modelos ao redor deles, não esses dois.

Qual deles, concretamente?

Escolha Luma Ray 3.2quando o plano é o problema e o som é trabalho de outra pessoa. Um movimento de câmera que você não consegue acertar, um enquadramento que precisa mudar depois que o cliente vê, um entregável que tem de chegar em HDR ou EXR — esses são os problemas que o Reframe, os keyframes e o pipeline de cor resolvem, e o Kling 4.0 não os resolve em nenhuma resolução. A cobrança por clipe é uma vantagem genuína nesse fluxo de trabalho, porque é na direção que você itera, e um preço fixo por clipe não pune a décima tentativa mais do que a primeira.

Opte pelo Kling 4.0 quando a saída é o entregável e o som faz parte dela. Trinta segundos em uma única passagem, dez keyframes, estéreo de dois canais e quinze referências é uma combinação que nenhum outro item desta comparação oferece, e as opções 21:9 e 4K o tornam viável para formatos de entrega que o Ray 3.2 não gerará nativamente. As ressalvas são reais: nenhum preço publicado, nenhuma pontuação independente, HDR ainda prometido em vez de entregue, e uma API em acesso antecipado, e não disponível de forma geral para desenvolvedores.

O que resolveria isso seria um registro do Ray 3.2 em um dos fóruns de vídeo, e uma tabela de preços do Kling 4.0. Enquanto ambos não existirem, as duas frases que se sustentam são estas: um desses modelos gera a trilha sonora e o outro exporta o espaço de cor, e a escolha entre eles é feita pela sua edição, não pela sua aba de benchmark.