Wan 3.0 vs Luma Ray 3.2: Som Contra a Cor, e um Modelo Sem Classificação

Esta é a única comparação desta série em que um dos dois modelos não pode ser pontuado. Luma Ray 3.2 não tem entrada na arena de vídeo da Artificial Analysis — nem no ranking de texto para vídeo, nem no de imagem para vídeo, conferido em 18 de setembro de 2026. Não há Elo de preferência cega para ele, nem contagem de amostras, nem intervalo de confiança. Quem citar um número para o Ray 3.2 em um confronto direto está citando um teste de preferência conduzido pelo fornecedor ou a própria escala de um agregador, e nenhum dos dois é comparável aos números da arena que Wan 3.0 apresenta. Por isso, esta comparação precisa ser feita com base em especificações, superfícies de controle e cobrança, e não em um placar — o que, dada a forma tão diferente como esses dois são construídos, acaba sendo a comparação mais útil de qualquer forma.

Antes de qualquer coisa, uma armadilha de nomenclatura que vai custar dinheiro se você não perceber. Os números de versão da Luma não aumentam na ordem em que parecem. O Ray3.14 foi lançado em 26 de janeiro de 2026; o Ray3.2 foi lançado em 9 de junho de 2026 e é o atual carro-chefe. O número maior é o modelo mais antigo. A Luma descontinuou completamente a marca Dream Machine e afirma que Dream Machine e Ray2 foram substituídos por Ray — portanto, qualquer guia, página de preços ou comparação baseada em "Dream Machine" está descrevendo um produto que a Luma não vende mais.

A entrada ausente no placar de líderes, e por que isso importa

A posição do Wan 3.0 está bem documentada. Na arena de texto para vídeo com áudio da Artificial Analysis, capturada em 18 de setembro de 2026, ele ocupa o #2 com Elo 1.229 e 6.011 comparações registradas, atrás do Gemini Omni Flash com 1.233 e à frente de outros três modelos dentro de uma faixa de 23 pontos. No quadro de edição de vídeo, ele é o #1 com Elo 1.190. Esses são independentes, cegos e inspecionáveis.

A posição do Ray 3.2 não está documentada em nenhum lugar de forma comparável. O que a Luma publicou é um "Ray3 Evaluation Report" interno que alega paridade com o Veo 3 e uma vantagem sobre o Runway Gen-4, o Midjourney Video e o Moonvalley Marey — sem pontuações numéricas associadas. A Luma também afirma que sua API opera a menos da metade do preço e da latência de modelos comparáveis, sem quantificação. Separadamente, a Black Forest Labs declarou que seu Flux 3 foi preferido ao Ray 3.2 em 93% das comparações; esse é um teste realizado pelo fornecedor do produto de um concorrente e tem o mesmo peso que as próprias alegações da Luma, o que equivale a dizer: não muito.

Isto é uma lacuna real no registo, e não uma marca contra o modelo. Um modelo pode ser excelente e não avaliado — a arena só pontua o que foi mostrado aos seus votantes. Mas isso muda o que uma página de comparação deve dizer-lhe. Para o Wan 3.0, pode dizer o que os votantes independentes pensaram. Para o Ray 3.2, não pode dizer nada desse tipo, e enquadrar o relatório interno da Luma ou a alegação de 93% de um rival como se qualquer deles fosse evidência seria a forma mais fácil de errar neste artigo.

Duas apostas diferentes: som versus cor

Aqui está a diferença mais marcante entre eles, e não se trata de qualidade.

O Wan 3.0 gera áudio nativamente na mesma passagem que o vídeo — diálogo, música de fundo e efeitos sonoros, ativado por padrão, desativável com uma flag, direcionável com até cinco clipes de áudio de referência. Os próprios materiais de lançamento da Alibaba citam a qualidade de áudio como uma área que ainda precisa de melhorias, então trate-a como um recurso real, mas imperfeito. O ponto é que uma geração do Wan 3.0 chega como uma peça audiovisual finalizada.

O Ray 3.2 não gera áudio de forma alguma. A saída de texto para vídeo e de imagem para vídeo é silenciosa. O áudio só é preservado quando você usa os caminhos Modify ou Reframe em filmagens existentes — não há caminho de um prompt até uma trilha sonora. Essa é a maior diferença de capacidade entre os dois modelos e, por si só, já é eliminatória para alguns fluxos de trabalho: se o seu entregável precisa de diálogo sincronizado ou desenho de som, o Ray 3.2 é uma etapa apenas de vídeo dentro de um pipeline que precisa de uma etapa de áudio acoplada depois, e o Wan 3.0 não é.

O que a Luma construiu, em vez disso, é o pipeline de cor e finalização mais profundo de qualquer modelo comercial de vídeo. O Ray 3.2 gera HDR nativo de 16 bits e exporta EXR em ACES2065-1, o espaço de cor que pipelines profissionais de correção de cor e VFX esperam. Ele acompanha desempenho facial expressivo em até oito rostos simultaneamente, quadro a quadro, além de postura e gestos esqueléticos. Ele aceita até 16 keyframes por clipe para direcionamento de ritmo e movimento no nível do quadro. Seu recurso Reframe altera a proporção de tela, estende o quadro ou substitui um fundo após a geração, preservando a iluminação original. E ele vem dentro do Adobe Firefly, com estúdios e agências clientes de nome por trás dele.

Isso é uma ferramenta de pós-produção. Wan 3.0 é uma ferramenta de produção. Se você está entregando planos a um colorista, a exportação EXR vale mais do que trinta segundos de qualquer outra coisa. Se você está publicando um clipe finalizado, saída sem áudio é um problema que nada mais na ficha técnica corrige.

Duração e resolução, leia com atenção

Ambos os fornecedores obscurecem esses números, em direções opostas, e ambos os obscurecimentos importam.

• Duração — Wan 3.0: de 2 a 30 segundos em uma única geração, além de extensão para frente, para trás e bidirecional. Ray 3.2: 5 ou 10 segundos para novas gerações de texto para vídeo e de imagem para vídeo. O amplamente citado "até 20 segundos" do Luma aplica-se ao Modify Video, seu modo de transformação que preserva a fonte, e não à geração a partir de um prompt. Se você está escolhendo com base no número de 20 segundos, verifique qual modo você está comprando.

• Resolução — Wan 3.0: 480p, 720p e 1080p, todos nativos. Ray 3.2: 360p, 540p, 720p e 1080p. O Ray 3.2 não faz 4K. A alegação de que faz circula amplamente e está errada: o 4K da Luma é um utilitário de upscale separado aplicado após a geração, não um modo de geração. O HDR é real; o 4K não.

• Restrições de HDR — o modo HDR do Luma é limitado a clipes de 5 segundos em 720p ou 1080p, e o HDR é incompatível com saída de 10 segundos. Assim, o melhor pipeline de cores do modelo não está disponível em seus clipes mais longos.

• Taxa de quadros — Wan 3.0: 30fps. Ray 3.2: 24fps, o que é a escolha certa para trabalho em estilo cinematográfico e a errada se a sua entrega for 30 ou 60.

• Proporção de aspeto — Ray 3.2 não tem uma lista fixa porque o Reframe adapta a saída depois de gerada. Wan 3.0 suporta 21:9, 16:9, 4:3, 1:1, 3:4, 9:16 e adaptável no momento da geração.

• Entradas — Wan 3.0 aceita até 10 imagens de referência, 5 vídeos de referência e 5 clipes de áudio de referência dentro de um limite de 20 ativos, além de um documento ou uma página web pública. Ray 3.2 aceita texto, imagens, até 16 keyframes e referências de personagem — uma capacidade que seu antecessor Ray3.14 não tinha. Sem documentos, sem ancoragem por URL, sem entrada de áudio.

Quanto custa cada segundo, e a estrutura de cobrança subjacente

O Wan 3.0 é cobrado por segundo de saída de acordo com as tarifas publicadas pela Alibaba: US$ 0,05 em 480p, US$ 0,10 em 720p e US$ 0,20 em 1080p. Um clipe de 30 segundos em 1080p custa US$ 6,00 e, com um desconto por tempo limitado de 30% nas próprias plataformas da Alibaba, válido até 23 de setembro, sai por cerca de US$ 4,20.

Ray 3.2 é cobrado por geração na API Luma Agents, o que torna a conta diferente: 5 segundos em 360p custam $0,06, em 540p $0,15, em 720p $0,30, em 1080p $1,20. Dez segundos dobram esses valores em 360p e 540p e os triplicam acima disso. Em 1080p, isso equivale a cerca de $0,24 por segundo — mais do que a tarifa de 1080p do Wan 3.0 e aproximadamente cinco vezes a tarifa de 480p dele.

Duas observações estruturais que importam mais do que os números por segundo. Primeiro, os créditos de assinatura da Luma e a sua cobrança de API são sistemas separados e os créditos não transitam entre eles; os planos de consumidor custam $30, $90 e $300 por mês, com créditos medidos dentro de cada um. Orçamente para a superfície sobre a qual está de facto a construir, porque o dinheiro não se move. Segundo, HDR e HDR+EXR multiplicam o custo em créditos — o dobro e o triplo, respetivamente — pelo que a capacidade que distingue o Ray 3.2 é também aquela que mais altera o seu preço efetivo.

No Wan 3.0, a armadilha equivalente está na camada do provedor, e não na do fornecedor: quando um modelo é precificado por segundo por resolução, a tarifa de um intermediário muitas vezes não é a tarifa da Alibaba. $0,05 / $0,10 / $0,20 é o número com o qual verificar qualquer cotação.

Onde a questão de roteamento realmente recai

Nenhum dos dois é um modelo que roteamos, e vale a pena dizer isso antes de qualquer outra coisa nesta seção. O Wan 3.0 é acessível pelas próprias plataformas da Alibaba — Model Studio e Qwen Cloud — e por ferramentas criativas de terceiros que o integraram após o lançamento de 24 de agosto. O Ray 3.2 é acessível pelo aplicativo web da Luma e, pela primeira vez na linha Ray, por uma API de desenvolvedor adequada, com níveis de pagamento conforme o uso e capacidade reservada, além de algumas plataformas de terceiros e sua integração com o Adobe Firefly.

O que está disponível no OrcaRouter é o pipeline em torno disso. Um vídeo finalizado raramente é o produto completo: há um roteiro, uma lista de tomadas, texto alternativo, legendas em vários idiomas, notas de revisão e metadados, e tudo isso é trabalho de modelos de texto. Esses modelos estão no nosso catálogo — mais de 200 deles em uma única chave, com o preço de tabela do fornecedor repassado sem qualquer markup adicionado — então passar a etapa de legendagem de um modelo caro para um barato, ou trocar o modelo que escreve suas listas de tomadas, é uma mudança de configuração, e não uma segunda integração. Dado que ambos os modelos de vídeo aqui já são uma segunda e uma terceira relação com fornecedores, manter a camada de texto em uma única chave é a parte desta stack que é genuinamente barata de consolidar.

Qual deles, e o que o resolveria

Isso não é uma decisão apertada no papel, e também não é uma goleada, porque os dois não estão competindo pelo mesmo cargo.

• Escolha o Wan 3.0 se você precisar de áudio a partir do prompt, mais de 10 segundos em uma única passagem, embasamento em documento ou página da web, um amplo orçamento de referências, 30fps, ou a menor tarifa por segundo em 1080p. É a melhor escolha para qualquer coisa que termine como um clipe publicado.

• Escolha o Luma Ray 3.2 se você precisar de HDR de 16 bits ou EXR em ACES2065-1 para um pipeline de color grading, controle em nível de quadro em 16 keyframes, rastreamento de performance em oito rostos, alterações pós-hoc de proporção e plano de fundo do Reframe, ou transformação que preserva a fonte de filmagens existentes de até 20 segundos. É a melhor escolha para qualquer coisa que termine como um plano na edição de outra pessoa.

O que mudaria este artigo não é um novo modelo — é uma entrada na arena. O Ray 3.2 está disponível de forma geral desde 9 de junho de 2026, tempo suficiente para acumular comparações, e simplesmente não foi colocado diante dos votantes. Até que isso aconteça, a posição honesta é que o Wan 3.0 tem uma pontuação independente verificável e o Ray 3.2 tem um relatório do próprio fornecedor, e uma comparação que finge que esses são o mesmo tipo de evidência é pior do que uma que admite a lacuna.

Uma observação prática, se você mesmo estiver fazendo esta avaliação: como o Ray 3.2 gera vídeo sem áudio e o Wan 3.0 não, uma comparação direta com o mesmo prompt parecerá desequilibrada contra a Luma de um modo que não tem nada a ver com a qualidade da imagem. Avalie a imagem primeiro, deixe os dois no mudo e avalie o áudio separadamente — caso contrário, você estará comparando uma peça finalizada com um componente e medindo a diferença errada.