Wan 3.0 vs Kling 3: Um Take Contínuo Contra Seis Planos Planejados

Comece com uma discrepância que ninguém reconciliou. Wan 3.0 tem um preço publicado. Kling 3.0, o atual carro-chefe de vídeo da Kuaishou, tem dois — e eles diferem por um fator de três. A própria documentação da API da Kuaishou lista o Kling Video 3.0 a US$ 0,084 por segundo no nível standard e US$ 0,112 no pro. A Artificial Analysis precifica o mesmo modelo, no mesmo ranking em que lista o Wan 3.0, a US$ 20,16 por minuto no nível pro em 1080p — US$ 0,336 por segundo. Ambos não podem estar descrevendo a mesma geração com as mesmas configurações. Até que alguém publique a reconciliação, qualquer comparação por segundo entre esses dois modelos está sendo feita com números que podem não estar medindo a mesma coisa.

O que pode ser comparado honestamente são as especificações, as pontuações da votação cega e as filosofias de design — e, nesses pontos, os dois modelos divergem sobre quase tudo o que importa. A Kuaishou desenvolveu o Kling 3.0 em torno da sequência de múltiplos planos. A Alibaba desenvolveu o Wan 3.0 em torno do plano único e ininterrupto. Isso não é uma distinção de marketing; determina qual dos dois é mais adequado ao seu projeto antes que o preço entre na conversa.

Dois modelos, duas ideias do que é um clipe

Kling 3.0 foi lançado em 5 de fevereiro de 2026 como uma série de quatro modelos — Video 3.0, Video 3.0 Omni, Image 3.0 e Image 3.0 Omni. Sua característica definidora é o sequenciamento automático de múltiplos planos: o modelo planeja sozinho as transições de planos, e um modo personalizado permite definir o número de planos e a duração de cada um. Avaliadores relatam sequências utilizáveis de até cerca de seis planos distintos a partir de um único prompt, com tamanho do plano, movimento de câmera e batida narrativa especificáveis por plano. O teto é de 15 segundos por geração, com piso de 3 segundos.

O Wan 3.0 segue o caminho oposto. Seu teto é de 30 segundos em uma única passagem contínua, e todo o design aponta para não cortar — tempo suficiente para um único movimento de câmera, uma demonstração de produto em plano único, ou um monólogo que se sustenta sem edição. Ele não tem um planejador de múltiplos planos, porque a proposta é que você não deveria precisar de um.

A consequência prática: esta não é uma questão de melhor ou pior, é uma questão sobre a sua edição. Um drama curto, um anúncio construído a partir de cortes, qualquer coisa com diálogo passado entre personagens — essa é a forma do Kling 3.0. Uma revelação contínua de produto, uma peça de dança ou performance, um único plano em movimento que tem de permanecer coerente — essa é a forma do Wan 3.0. Equipes que tentam forçar um ao formato do outro vão descobrir que os modos de falha são estruturais: os seis planos do Kling 3.0 não podem ser tornados contínuos sem regenerar, e os trinta segundos do Wan 3.0 não podem ser cortados em seis planos limpos sem perder aquilo pelo que você pagou.

Os números da arena, divididos pelo que medem

Esta é a parte do confronto em que a cobertura é pior, porque a maioria das páginas cita um Elo do Kling que está cinco meses desatualizado. O material de lançamento da Kuaishou de fevereiro de 2026 colocou o Kling 3.0 no topo do ranking de texto para vídeo, com cerca de Elo 1.240. Isso estava correto em fevereiro. O painel ao vivo da Artificial Analysis, capturado em 18 de setembro de 2026, com áudio:

• Wan 3.0 — nº 2, Elo 1.229, $12,00/min

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

• Kling 3.0 720p Padrão — nº 13, Elo 1.089, US$ 15,12/min

• Kling 3.0 Omni 720p Padrão — #18, Elo 1.082, $13,44/min

• Kling 3.0 Omni 1080p Pro — #22, Elo 1.075, $16,80/min

Assim, o líder de fevereiro tornou-se um modelo de meio da tabela em sete meses, sem que a culpa fosse dele — a concorrência avançou. Observe também que os próprios níveis do Kling estão espalhados por onze posições na tabela, com uma diferença de 20 pontos de Elo entre eles, o que significa que o nível que você compra tem um efeito menor sobre a qualidade medida do que o modelo que você escolhe. Pagar pelo Pro em vez do Standard garante resolução e, nesta tabela, cerca de seis pontos de Elo.

Depois há o número que complica todo o quadro, e quase ninguém o cita. No ranking de imagem para vídeo sem áudio, o Kling 3.0 é outra história: o nível Omni 1080p Pro alcança Elo 1.284 na posição #8, e o nível 1080p Pro, 1.282 na #9. Isso é um lugar no top ten, materialmente melhor do que seu desempenho em texto para vídeo. A leitura é que o Kling 3.0 é mais forte quando parte de uma imagem fornecida e não está sendo avaliado pelo som gerado — o que, por acaso, descreve uma grande parte do trabalho comercial real. Se o seu pipeline é de imagem para vídeo e você pontua o seu próprio áudio, os números da arena acima subestimam consideravelmente este modelo.

Áudio, em que ambos fazem a mesma alegação e um deles tem um problema documentado.

Ambos os modelos geram áudio nativamente na mesma passagem. A versão da Kuaishou oferece suporte a chinês, inglês, japonês, coreano e espanhol, lida com diálogos em vários idiomas dentro de um clipe, vincula uma voz distinta a cada personagem em cenas com vários personagens e oferece sotaques regionais — inglês americano, britânico e indiano; chinês do Nordeste, de Pequim, taiwanês, cantonês e de Sichuan. O áudio do Wan 3.0 vem ativado por padrão, pode ser desativado com uma flag e aceita até cinco clipes de áudio de referência para orientar o resultado.

No papel, isto é um empate com listas de idiomas diferentes. Nos resultados relatados, não é. A consistência da sincronização labial é a fraqueza mais frequentemente apontada em análises independentes do Kling 3.0 — um teste prático constatou que cerca de dois de cada cinco clipes de diálogo precisavam ser regravados, e avaliadores que o classificam muito bem em imagens ainda descrevem a sincronização labial como inconsistente. Os artefatos de áudio relatados concentram-se em diálogos em ambientes ruidosos, onde fundos de água e vento podem deixar a fala abafada. O problema da Alibaba é de outra natureza: seus próprios materiais de lançamento apontam a qualidade de áudio como uma área que ainda precisa de trabalho, o que é uma admissão sobre fidelidade, e não sobre sincronização.

Nenhum dos fornecedores está vendendo uma ferramenta de diálogo pronta. Se o diálogo é o ponto central do seu projeto, a primeira coisa a testar não é a qualidade da imagem — é se a boca acompanha as palavras ao longo de 15 ou 30 segundos completos, porque é aí que ambos falham e de onde vêm as regravações.

Controle e resolução de referências

• Multi-shot — Kling 3.0: planejamento automático de planos, além de modo personalizado com contagem e duração por plano, até aproximadamente seis planos. Wan 3.0: nenhum; geração única e contínua.

• Duração — Kling 3.0: 3 a 15 segundos. Wan 3.0: 2 a 30 segundos, além de extensão para frente, para trás e bidirecional.

• Resolução — Kling 3.0: 720p e 1080p no guia oficial, com 4K nativo alegado na própria documentação da Kuaishou a US$ 0,42/s. Wan 3.0: 480p, 720p e 1080p; sem 4K.

• Taxa de quadros — Kling 3.0: 30 fps padrão, com 60 fps declarados em modos de alto desempenho. Wan 3.0: 30 fps.

• Controle de referência — Kling 3.0: vinculação de elementos, travando um sujeito em panorâmicas e zooms, a partir de imagens enviadas ou de um vídeo de personagem. Wan 3.0: até 10 imagens de referência, 5 vídeos de referência e 5 clipes de áudio em um limite de 20 ativos, além de um documento ou página web pública.

• Fundamentação — Wan 3.0 aceita DOC, XLS, PPT, PDF, TXT, MD e URLs públicas como entrada e os transforma em vídeo. Kling 3.0 não tem equivalente.

A linha de resolução é a que deve ser verificada em relação à sua própria especificação de entrega, porque é genuinamente contestada. A própria documentação do Kuaishou afirma 4K nativo para o Video 3.0; o guia do usuário lista apenas 720p e 1080p. As taxas de créditos de terceiros para 4K variam em mais de um fator de dois entre fontes. Se 4K for um requisito rígido, obtenha confirmação por escrito na sua conta, em vez de em uma página de comparação — incluindo esta.

Onde você pode realmente ligar para eles

Este é o único confronto desta série em que a resposta sobre disponibilidade não é simétrica, e vale a pena dizê-lo claramente.

O Kling 3.0 está no catálogo do OrcaRouter como kling/kling-v3, com preço de US$ 0,08 por requisição, com preço de lista do provedor repassado com 0% de margem. Isso é uma diferença real em relação ao panorama agregado acima: em vez de manter uma conta Kuaishou e uma integração separada para quaisquer outros modelos de que seu pipeline precise, o Kling 3.0 fica atrás da mesma chave e do mesmo endpoint compatível com OpenAI que mais de 200 outros modelos. Como não acrescentamos nada ao preço do provedor, uma mudança de tarifa ou corte promocional da Kuaishou entra em vigor do nosso lado no mesmo dia, e não depois de um ciclo de contrato — e, se o provedor upstream degradar ou limitar a taxa, o failover automático move a requisição antes que a resposta comece, em vez de retornar um erro para sua aplicação.

O Wan 3.0 não está no nosso catálogo, e não está em nenhuma plataforma de roteamento de uso geral. Ele é acessível por meio das próprias plataformas da Alibaba — Model Studio no Alibaba Cloud e Qwen Cloud — e por ferramentas criativas de terceiros que o integraram após o lançamento de 24 de agosto, com um desconto por tempo limitado de 30% nas superfícies da própria Alibaba, válido até 23 de setembro. Os planos de consumidor da própria Kuaishou e o aplicativo web do Kling AI são a outra rota, com medição por créditos e sem nível ilimitado.

Para uma equipe que quer as duas coisas, essa assimetria é a forma prática da decisão: uma delas é uma mudança de configuração e a outra é um segundo relacionamento com fornecedor.

Quem deve escolher qual

• Escolha o Wan 3.0 para tomadas contínuas acima de 15 segundos, para briefings fundamentados em documentos ou páginas web, para clipes com menos de três segundos, para o maior orçamento de referências pelo menor preço publicado e para trabalhos de 30 segundos em passagem única que, de outra forma, precisariam de emenda.

• Escolha o Kling 3.0 para sequências narrativas com múltiplos planos a partir de um único prompt, para trabalho de imagem para vídeo em que sua colocação na arena sem áudio está genuinamente entre as dez melhores, para diálogo multilíngue nos cinco idiomas suportados com vinculação de voz por personagem, para consistência de elementos entre movimentos de câmera, e para 4K se você confirmar o nível.

O resumo honesto é que esses dois são menos rivais do que alternativas selecionadas pelo tipo de projeto, e a comparação de preços que normalmente resolveria a questão atualmente não é confiável — a tarifa por segundo publicada pela Kuaishou e o valor por minuto do ranking independente não podem estar ambos corretos, e a diferença é grande o suficiente para reverter uma decisão. Até que isso seja resolvido, a evidência decisiva deve ser um teste com o mesmo prompt nas suas próprias filmagens: uma sequência de 15 segundos com seis planos no Kling 3.0 contra um take contínuo de 15 segundos no Wan 3.0, em 1080p, avaliada em clipes que você realmente entregaria.

O que é preciso observar não é um novo modelo de qualquer dos laboratórios, mas a tabela de preços da Kuaishou. Se a tarifa do fornecedor estiver correta, o Kling 3.0 é o modelo de vídeo credível mais barato desta série, e a coluna por minuto da arena está a medir uma configuração que a maioria das pessoas não vai comprar. Se o valor da tabela de classificação estiver correto, o Kling 3.0 é o modelo mais caro aqui e a sua posição a meio da tabela é um problema. Uma destas duas afirmações é verdadeira e ninguém disse qual.