Wan 3.0 vs Luma Ray 3.2: Ljud mot färg, och en orankad modell

Detta är den enda matchningen i den här serien där en av de två modellerna inte kan poängsättas. Luma Ray 3.2 har ingen post i Artificial Analysis video arena – varken på text-till-video-tavlan eller på bild-till-video-tavlan, kontrollerat 18 september 2026. Det finns inget blindpreferens-Elo för den, inget sampelantal, inget konfidensintervall. Den som citerar en siffra för Ray 3.2 i en head-to-head citerar ett leverantörsdrivet preferenstest eller en aggregators egen skala, och ingen av dem är jämförbar med de arena-siffror som Wan 3.0 har. Så den här jämförelsen måste göras utifrån specifikationer, kontrollmöjligheter och debitering i stället för utifrån en resultattavla – vilket, med tanke på hur olika dessa två är uppbyggda, visar sig vara den mer användbara jämförelsen ändå.

Innan allt detta, en namnfälla som kommer att kosta dig pengar om du missar den. Lumas versionsnummer stiger inte så som de läses. Ray3.14 släpptes den 26 januari 2026; Ray3.2 släpptes den 9 juni 2026 och är den nuvarande flaggskeppsmodellen. Det högre numret är den äldre modellen. Luma har helt avvecklat varumärket Dream Machine och uppger att Dream Machine och Ray2 ersätts av Ray – så alla guider, prissidor eller jämförelser som bygger på "Dream Machine" beskriver en produkt som Luma inte längre säljer.

Den saknade posten på topplistan, och varför den spelar roll

Wan 3.0:s ställning är väl dokumenterad. På Artificial Analysiss text-till-video-arena med ljud, avläst den 18 september 2026, ligger den på #2 med Elo 1 229 och 6 011 registrerade jämförelser, bakom Gemini Omni Flash på 1 233 och före tre andra modeller inom ett band på 23 poäng. På videoredigeringstabellen ligger den på #1 med Elo 1 190. Dessa är oberoende, blinda och granskningsbara.

Ray 3.2:s ställning är inte dokumenterad i något jämförbart sammanhang. Det som Luma har publicerat är en intern "Ray3 Evaluation Report" som gör anspråk på paritet med Veo 3 och ett försprång framför Runway Gen-4, Midjourney Video och Moonvalley Marey – utan att några numeriska poäng bifogas. Luma hävdar också att dess API körs till mindre än halva priset och med mindre än halva latensen jämfört med jämförbara modeller, utan kvantifiering. I ett separat sammanhang har Black Forest Labs uppgett att deras Flux 3 föredrogs framför Ray 3.2 i 93 % av jämförelserna; det är ett av leverantören genomfört test av en konkurrents produkt och väger lika tungt som Lumas egna påståenden, vilket vill säga inte särskilt mycket.

Detta är en verklig lucka i underlaget snarare än ett minus för modellen. En modell kan vara utmärkt och ändå obedömd – arenan poängsätter bara det som dess röstande har fått se. Men det förändrar vad en jämförelsesida bör säga dig. För Wan 3.0 kan du säga vad oberoende röstande tyckte. För Ray 3.2 kan du inte säga något sådant, och att framställa Lumas interna rapport eller en konkurrents påstående om 93 % som om något av dem vore bevis skulle vara det enskilt enklaste sättet att få den här artikeln fel.

Två olika satsningar: ljud kontra färg

Här är den skarpaste skillnaden mellan dem, och den handlar inte om kvalitet.

Wan 3.0 genererar ljud inbyggt i samma pass som videon – dialog, bakgrundsmusik och ljudeffekter, på som standard, kan inaktiveras med en flagga, styrbart med upp till fem referensljudklipp. Alibabas egna lanseringsmaterial anger ljudkvalitet som ett område som fortfarande behöver arbete, så betrakta det som en verklig men ofullkomlig förmåga. Poängen är att en Wan 3.0-generering anländer som ett färdigt audiovisuellt verk.

Ray 3.2 genererar inte ljud överhuvudtaget. Utmatningen från text-till-video och bild-till-video är tyst. Ljud bevaras endast när du använder Modify- eller Reframe-vägarna på befintligt filmaterial – det finns ingen väg från en prompt till ett soundtrack. Detta är den enskilt största kapacitetsskillnaden mellan de två modellerna, och den är i sig diskvalificerande för vissa arbetsflöden: om din leverabel behöver synkroniserad dialog eller ljuddesign, är Ray 3.2 ett steg som bara hanterar video i en pipeline som behöver ett ljudsteg påmonterat i efterhand, och Wan 3.0 är inte det.

Det Luma i stället har byggt är den djupaste färg- och efterbearbetningspipelinen av alla kommersiella videomodeller. Ray 3.2 genererar native 16-bitars HDR och exporterar EXR i ACES2065-1, färgrymden som professionella grading- och VFX-pipelines förväntar sig. Den spårar uttrycksfullt ansiktsspel hos upp till åtta ansikten samtidigt, bildruta för bildruta, plus skelettställning och gester. Den tar upp till 16 keyframes per klipp för att styra tempo och rörelse på bildrutenivå. Dess Reframe-funktion ändrar bildförhållandet, utökar bildrutan eller ersätter en bakgrund efter generering samtidigt som den ursprungliga ljussättningen bevaras. Och den är inbyggd i Adobe Firefly, med namngivna studio- och byråkunder bakom sig.

Det är ett postproduktionsverktyg. Wan 3.0 är ett produktionsverktyg. Om du lämnar över tagningar till en colorist är EXR-exporten värd mer än trettio sekunder av vad som helst. Om du publicerar ett färdigt klipp är tyst utdata ett problem som inget annat på specifikationsbladet åtgärdar.

Varaktighet och upplösning, läs noggrant

Båda leverantörerna grumlar dessa siffror, åt motsatta håll, och båda grumlingarna har betydelse.

• Varaktighet — Wan 3.0: 2 till 30 sekunder i en enda generering, plus framåt-, bakåt- och dubbelriktad förlängning. Ray 3.2: 5 eller 10 sekunder för ny text-till-video och bild-till-video. Lumas ofta citerade ”upp till 20 sekunder” gäller Modify Video, dess källbevarande omvandlingsläge, inte generering från en prompt. Om du baserar ditt val på siffran 20 sekunder bör du kontrollera vilket läge du köper.

• Upplösning — Wan 3.0: 480p, 720p och 1080p, alla i nativ upplösning. Ray 3.2: 360p, 540p, 720p och 1080p. Ray 3.2 klarar inte 4K. Påståendet att den gör det sprids flitigt och är fel: Lumas 4K är ett separat uppskalningsverktyg som tillämpas efter generering, inte ett genereringsläge. HDR:en är äkta; 4K är det inte.

• HDR-begränsningar – Lumas HDR-läge är begränsat till 5-sekundersklipp i 720p eller 1080p, och HDR är inkompatibelt med 10-sekundersutdata. Därför är modellens bästa färgpipeline inte tillgänglig för dess längsta klipp.

• Bildfrekvens — Wan 3.0: 30fps. Ray 3.2: 24fps, vilket är rätt val för filmiskt arbete och fel val om din leverans är 30 eller 60.

• Bildförhållande — Ray 3.2 har ingen fast lista eftersom Reframe anpassar utdata i efterhand. Wan 3.0 stöder 21:9, 16:9, 4:3, 1:1, 3:4, 9:16 och adaptivt vid genereringstillfället.

• Indata — Wan 3.0 tar emot upp till 10 referensbilder, 5 referensvideor och 5 referensljudklipp inom en gräns på 20 tillgångar, plus ett dokument eller en offentlig webbsida. Ray 3.2 tar emot text, bilder, upp till 16 nyckelbilder och karaktärsreferenser — en funktion som dess föregångare Ray3.14 saknade. Inga dokument, ingen URL-förankring, ingen ljudinmatning.

Vad varje sekund kostar, och faktureringsmodellen bakom

Wan 3.0 debiteras per sekund utdata enligt Alibabas publicerade priser: 0,05 USD vid 480p, 0,10 USD vid 720p, 0,20 USD vid 1080p. Ett 30 sekunder långt 1080p-klipp kostar 6,00 USD, och med en tidsbegränsad rabatt på 30 % på Alibabas egna plattformar som gäller till och med den 23 september landar det på ungefär 4,20 USD.

Ray 3.2 faktureras per generering i Luma Agents API, vilket gör kalkylen annorlunda: 5 sekunder vid 360p kostar $0,06, vid 540p $0,15, vid 720p $0,30, vid 1080p $1,20. Tio sekunder fördubblar dessa summor vid 360p och 540p och tredubblar dem vid högre upplösningar. Vid 1080p motsvarar det ungefär $0,24 per sekund — mer än Wan 3.0:s taxa för 1080p och ungefär fem gånger dess taxa för 480p.

Två strukturella anmärkningar som betyder mer än siffrorna per sekund. För det första är Lumas prenumerationskrediter och dess API-fakturering separata system, och krediter överförs inte mellan dem; konsumentplanerna ligger på $30, $90 och $300 i månaden med krediter som mäts inom var och en. Budgetera för den yta du faktiskt bygger på, eftersom pengarna inte flyttas. För det andra multiplicerar HDR och HDR+EXR kreditkostnaden — med två respektive tre gånger — så den funktion som utmärker Ray 3.2 är också den som förändrar dess effektiva pris mest.

På Wan 3.0 ligger den motsvarande fällan på leverantörsnivå snarare än hos säljaren: när en modell prissätts per sekund och per upplösning är en förmedlares taxa ofta inte Alibabas taxa. $0.05 / $0.10 / $0.20 är siffran att kontrollera varje offert mot.

Var routingfrågan faktiskt landar

Ingen av dessa är en modell som vi dirigerar trafik till, och det är värt att säga det innan något annat i det här avsnittet. Wan 3.0 kan nås via Alibabas egna plattformar – Model Studio och Qwen Cloud – och via kreativa tredjepartsverktyg som integrerade det efter lanseringen den 24 augusti. Ray 3.2 kan nås via Luma-webbappen och, för första gången i Ray-serien, ett riktigt utvecklar-API med nivåer för pay-as-you-go och reserverad kapacitet, plus en handfull tredjepartsplattformar och dess Adobe Firefly-integrering.

Det som finns tillgängligt på OrcaRouter är den omgivande pipelinen. En färdig video är sällan hela leveransen: det finns ett manus, en tagninglista, alt-text, undertexter på flera språk, granskningsanteckningar och metadata, och allt detta är arbete för textmodeller. Dessa modeller finns i vår katalog — över 200 av dem med en enda nyckel, leverantörens listpris förs vidare utan påslag — så att flytta textningssteget från en dyr modell till en billig, eller byta ut modellen som skriver dina tagninglistor, är en konfigurationsändring snarare än en andra integration. Med tanke på att båda videomodellerna här redan utgör ett andra och tredje leverantörsförhållande, är att hålla textlagret på en enda nyckel den del av den här stacken som är verkligen billig att konsolidera.

Vilken, och vad skulle avgöra saken?

Det här är inte någon jämn match på papperet, och det är inte heller någon utklassning, eftersom de två inte konkurrerar om samma jobb.

• Välj Wan 3.0 om du behöver ljud från prompten, mer än 10 sekunder i en enda körning, dokument- eller webbsidesförankring, en bred referensbudget, 30 fps eller lägsta kostnaden per sekund vid 1080p. Det är det bättre valet för allt som slutar som ett publicerat klipp.

• Välj Luma Ray 3.2 om du behöver 16-bitars HDR eller EXR i ACES2065-1 för en graderingspipeline, styrning på bildrutenivå över 16 nyckelbildrutor, spårning av prestationer över åtta ansikten, Reframes ändringar av bildförhållande och bakgrund i efterhand, eller källbevarande omvandling av befintligt material på upp till 20 sekunder. Det är det bättre valet för allt som slutar som en tagning i någon annans klippning.

Det som skulle förändra den här artikeln är inte en ny modell – det är en post i en arena. Ray 3.2 har varit allmänt tillgänglig sedan 9 juni 2026, tillräckligt länge för att ha hunnit samla jämförelser, och den har helt enkelt inte ställts inför röstande. Tills dess är den ärliga hållningen att Wan 3.0 har en kontrollerbar oberoende poäng och Ray 3.2 har en leverantörs egen rapport, och en jämförelse som låtsas att de är samma typ av bevis är sämre än en som erkänner gapet.

En praktisk anmärkning om du kör den här utvärderingen själv: eftersom Ray 3.2 matar ut tyst video och Wan 3.0 inte gör det, kommer en direkt jämförelse med samma prompt att kännas orättvis mot Luma på ett sätt som inte har något att göra med bildkvaliteten. Betygsätt bilden först, stäng av ljudet på båda och utvärdera ljudet separat — annars jämför du ett färdigt verk med en komponent och mäter fel skillnad.