Kling 4.0 vs Luma Ray 3.2: ตัวหนึ่งสร้างเสียง อีกตัวผ่านมาตรฐาน

เมื่อนำ Kling 4.0 และ Luma Ray 3.2 มาไว้ในประโยคเดียวกัน การเปรียบเทียบส่วนใหญ่ก็จะพุ่งตรงไปที่ความละเอียดทันที เพราะทั้งคู่โฆษณาผลลัพธ์ระดับไฮเอนด์และไม่มีตัวไหนราคาถูก นั่นคือมิติที่น่าสนใจน้อยที่สุด สองโมเดลนี้เห็นต่างกันในเรื่องที่เป็นพื้นฐานกว่า: ว่าคลิปที่สร้างขึ้นเป็นชิ้นงานที่เสร็จสมบูรณ์หรือเป็นเพลต Kling 4.0 ซึ่งพร้อมใช้งานทั่วไปตั้งแต่ 15 ตุลาคม 2026 สร้างภาพและเสียงสเตอริโอสองแชนเนลในครั้งเดียว เก็บเทคได้นานสูงสุด 30 วินาที และคาดหวังให้คุณเผยแพร่สิ่งที่ออกมา Luma Ray 3.2 ซึ่งเป็นเรือธงของ Luma ตั้งแต่ 9 มิถุนายน 2026 สร้างวิดีโอแบบไม่มีเสียง และทุ่มวิศวกรรมไปกับสิ่งที่เกิดขึ้นหลังเทค — HDR 16 บิตแบบเนทีฟ การส่งออก EXR ใน ACES2065-1 และโหมดรีเฟรมที่เปลี่ยนกรอบภาพได้โดยไม่ต้องเรนเดอร์ช็อตใหม่ ความล้มเหลวของ AI และเหตุการณ์เอเจนต์ที่ได้รับการบันทึกไว้ซึ่งอยู่เบื้องหลังการเปิดตัวแบบนี้ ถูกรวบรวมไว้ใน OrcaRouter AI Incident Archive โดยแต่ละรายการมีแหล่งที่มา ระดับความรุนแรง เกรดความเชื่อมั่น และแฟล็กข้อโต้แย้งเป็นของตัวเอง

ความแตกต่างนี้มีผลต่อการตัดสินใจซื้อมากกว่าการเปรียบเทียบความละเอียด และควรพูดไว้ก่อนจะถึงตัวเลข: หากสิ่งที่คุณส่งมอบคือคลิปที่คุณจะโพสต์ ความเงียบคือข้อบกพร่องที่ไม่มีสิ่งอื่นใดในสเปกชีตแก้ได้ หากสิ่งที่คุณส่งมอบคือช็อตที่นักปรับสีจะมาทำให้เสร็จ EXR ในปริภูมิสีที่ถูกต้องมีค่ามากกว่าบรรยากาศที่สร้างขึ้นไม่ว่าจะมากแค่ไหน ทุกอย่างด้านล่างนี้เกี่ยวกับว่าคุณเป็นหนึ่งในสองแบบนั้นแบบไหน

ปัญหากระดานคะแนนที่พูดกันตรง ๆ

วันนี้ยังไม่สามารถเปรียบเทียบทั้งสองโมเดลด้วยคะแนนอิสระได้ และเป็นเช่นนั้นด้วยเหตุผลที่ต่างกัน Luma Ray 3.2ไม่มีรายการอยู่ในกระดานจัดอันดับวิดีโอทั้งสามของ Artificial Analysis ไม่ว่าจะเป็น text-to-video, image-to-video หรือ editing ณ วันที่ตรวจสอบ 22 ตุลาคม 2026 รายการ Luma เพียงรายการเดียวบนกระดาน image-to-video คือ Ray 3 รุ่นเก่า จากเดือนกันยายน 2025 ซึ่งอยู่อันดับที่ 47 ด้วย Elo 1,215 บนสเกล silent ส่วน Ray 3.2 ไม่มีอยู่ในนั้นเลย

Kling 4.0 เปิดตัวก่อนการอ่านนี้แปดวัน และยังไม่ถูกบันทึกไว้บนกระดานจัดอันดับใดเลยเช่นกัน แถวของ Kling ที่มีอยู่เป็นของ Kling 3.0 จากเดือนกุมภาพันธ์ 2026 และไม่ได้บอกอะไรเกี่ยวกับรุ่นใหม่นี้ ดังนั้นนี่คือการจับคู่ที่ไม่มีหน่วยวัดร่วมกันในฝั่งใดเลย ซึ่งหมายความว่าใครก็ตามที่อ้างช่องว่าง Elo ระหว่างสองโมเดลนี้กำลังอ้างสิ่งที่พวกเขาสร้างขึ้นเอง ตัดสินส่วนที่เหลือของหน้านี้จากข้อกำหนดและการเรียกเก็บเงิน และให้ระแวงคะแนนใด ๆ ที่คุณพบที่อื่น

ภาพ เสียง และสิ่งที่แต่ละอย่างทิ้งไว้ให้ภายหลัง

บันทึกการเปิดตัวของ K​uaishou สำหรับ Kling 4.0 ระบุรายละเอียดเกี่ยวกับเสียงอย่างเจาะจงผิดปกติ ทั้งสเตอริโอสองช่องสัญญาณ การซิงก์ปากที่แน่นขึ้น บทสนทนาในเก้าภาษาและสำเนียงระดับภูมิภาค — ภาษาอังกฤษแบบอเมริกัน อังกฤษ และอินเดีย; ภาษาจีนกลางถิ่นปักกิ่ง ไต้หวัน ตะวันออกเฉียงเหนือ และเสฉวน; ภาษากวางตุ้ง นอกจากนี้ยังสร้างข้อความบนหน้าจอในภาษาเหล่านั้น ซึ่งเป็นความสามารถที่แตกต่างจากการพูด และเป็นสิ่งที่ล้มเหลวให้เห็นได้ชัดที่สุดเมื่อกล้องเคลื่อนไหว

• เสียง — Kling 4.0: สเตอริโอสองช่องสัญญาณแบบเนทีฟพร้อมลิปซิงก์ในรอบการประมวลผลเดียวกัน Ray 3.2: ไม่มีเสียงจากพรอมป์ต์ข้อความหรือรูปภาพ; เสียงจะคงอยู่เฉพาะใน Modify และ Reframe ซึ่งเป็นเสียงของคลิปต้นฉบับที่ถูกเก็บรักษาไว้ ไม่ใช่สร้างขึ้นใหม่

• ระยะเวลา — Kling 4.0: 3 ถึง 30 วินาทีในครั้งเดียว Ray 3.2: 5 หรือ 10 วินาทีสำหรับการสร้างใหม่; 20 วินาทีที่ถูกอ้างถึงกันอย่างแพร่หลายนั้นเป็นของ Modify Video ซึ่งแปลงฟุตเทจที่มีอยู่

• {{1}}ความละเอียด{{/1}} — {{2}}Kling 4.0{{/2}}: 720p, 1080p หรือ 4K โดยมี 21:9 ให้เลือก {{3}}Ray 3.2{{/3}}: 360p, 540p, 720p หรือ 1080p และไม่มีการสร้างเป็น 4K — 4K ของ {{4}}Luma{{/4}} เป็นเครื่องมืออัปสเกลที่ใช้ภายหลัง

• ไปป์ไลน์สี — Kling 4.0: HDR 10 บิตที่ 1080p และ 4K ระบุว่าเร็ว ๆ นี้ Ray 3.2: การสร้าง HDR แบบเนทีฟ 16 บิตและการส่งออก EXR ใน ACES2065-1 ใช้งานได้แล้ว โดยมีราคาเป็นสองเท่าของอัตรา SDR สำหรับ HDR และสามเท่าสำหรับ HDR พร้อม EXR

• การควบคุมระดับเฟรม — Kling 4.0: วางภาพคีย์เฟรมได้สูงสุด 10 ภาพตลอดไทม์ไลน์ Ray 3.2: รองรับคีย์เฟรมสูงสุด 16 ภาพต่อคลิป รวมถึงการแปลงภาพเป็นวิดีโอ

• การอ้างอิง — Kling 4.0: สินทรัพย์รวมสูงสุด 15 รายการ ครอบคลุมภาพ วิดีโอ องค์ประกอบ และเสียง Ray 3.2: ข้อความ ภาพ คีย์เฟรม และการอ้างอิงตัวละคร โดยไม่มีการเผยแพร่โควตาการอ้างอิงวิดีโอ

ลองไล่ดูรายการนั้นให้ดีสักสองรอบ ในหกบรรทัด มีอยู่สี่บรรทัดที่ Kling 4.0 ชนะบนกระดาษ แต่ในบรรทัดเดียวที่สตูดิโอฟินิชชิ่งให้ความสำคัญมากที่สุด — ไฟล์ EXR 16 บิตในสีสเปซที่คอมโพสิเตอร์ใช้งานจริง — Ray 3.2 ไม่ได้แค่นำหน้า แต่ยังเป็นหนึ่งเดียวในสองตัวนี้ที่ส่งมอบฟีเจอร์นี้ออกมาได้จริง

สองวิธีในการเรียกเก็บเงิน และเหตุผลที่ทั้งสองวิธีไม่เกิด Conversion

Luma ขายเป็นคลิป ไม่ใช่เป็นวินาที โครงราคาที่เผยแพร่สำหรับ text-to-video และ image-to-video อยู่ที่ 20 เครดิตสำหรับคลิปความละเอียดระดับร่างความยาวห้าวินาที, 50 ที่ 540p, 100 ที่ 720p และ 400 ที่ 1080p; คลิปความยาวสิบวินาทีอยู่ที่ 60, 150, 300 และ 1,200 ตามลำดับ Modify Video และ Reframe มีราคาแยกต่างหากและสูงกว่ามาก ซึ่งสอดคล้องกับสถานะที่เป็นเครื่องมือตกแต่งขั้นสุดท้ายมากกว่าตัวสร้าง

ค่าของหนึ่งเครดิตขึ้นอยู่กับแพ็กเกจที่คุณซื้อไว้ ดังนั้นจึงไม่มีตัวเลขดอลลาร์ตัวเดียวที่ซื่อตรงพอจะอ้างอิงสำหรับ Ray 3.2 — ผู้ซื้อแบบสมัครสมาชิกกับผู้ซื้อ API แบบจ่ายตามการใช้งานจ่ายในอัตราที่ต่างกันสำหรับ 100 เครดิตเท่ากัน สิ่งที่ยังคงอยู่หลังการแปลงคือโครงร่างของใบแจ้งหนี้: มันคงที่ต่อคลิป รู้ได้ก่อนกดสร้าง และไม่เปลี่ยนไม่ว่าโมเดลจะเรนเดอร์สองวินาทีหรือทั้งหมดสิบวินาที

Kuaishou ไม่ได้เผยแพร่ตารางราคาใด ๆ เลยสำหรับ Kling 4.0 API อยู่ในช่วง early access คอนโซลสำหรับนักพัฒนาระบุไว้ในแบนเนอร์ และไม่มีราคาต่อวินาทีสำหรับทั้งโมเดลแบบเต็มหรือ Kling 4.0 Flash บนหน้าสาธารณะ นี่ไม่ใช่การละเลยเล็ก ๆ ในการเปรียบเทียบเรื่องต้นทุน — แต่หมายความว่าตัวเลือกที่ดูเหมือนถูกกว่านั้นยังคิดต้นทุนไม่ได้จริง ๆ และจุดยืนที่ตรงไปตรงมาคือเศรษฐศาสตร์ของ Kling 4.0 ยังไม่เป็นที่ทราบ ขณะที่เศรษฐศาสตร์ของ Ray 3.2 อย่างน้อยก็มีโครงสร้างชัดเจน

สำหรับอ้างอิง รุ่นก่อนหน้ามีการกำหนดราคาและมีเส้นทางให้บริการ: kling/kling-v3 อยู่ที่ราคาคงที่ $0.084 ต่อคำขอ ในแคตตาล็อกของเรา โดย kling/kling-3-turbo อยู่ที่ $0.112 และรุ่น 2.x กับ O1 ต่ำกว่านั้น Ray 3.2 ไม่ใช่เส้นทางที่เราให้บริการ ดังนั้นสองโมเดลที่ผู้อ่านสามารถเรียกใช้ได้จริงในวันนี้คือ Kling 3.0 และ Ray 3.2 — และ Kling ใหม่คือตัวที่รอการกำหนดราคาอยู่

ตัวเลข 20 วินาทีมาจากไหน

การตลาดของ Luma รอบ ๆ Ray 3.2 เน้นเรื่องความยาว และตัวเลขความยาวนั้นอ่านผิดได้ง่าย การสร้างใหม่ (fresh generation) ได้ 5 หรือ 10 วินาที ยี่สิบวินาทีคือสิ่งที่ Modify Video สร้างได้เมื่อต้นฉบับเป็น 24fps: ที่ 30fps เพดานจะลดลงเหลือ 15 วินาที และที่ 60fps เหลือ 7 วินาที นั่นไม่ใช่ข้อจำกัดที่ Luma ปิดบัง — มันถูกพิมพ์ไว้บนหน้าราคา — แต่คำว่า "สูงสุด 20 วินาที" ถูกเผยแพร่โดยไม่มีเงื่อนไขเรื่องเฟรมเรต และทีมที่ซื้อโดยคาดหวังคลิป prompt-to-video ยาว 20 วินาทีจะผิดหวังตั้งแต่การเรียกใช้ครั้งแรก

หลักการเดียวกันนี้ใช้กับ HDR ด้วย โหมด HDR ของ Ray 3.2 จำกัดอยู่ที่คลิปความยาวห้าวินาทีที่ 720p หรือ 1080p และไม่พร้อมใช้งานสำหรับเอาต์พุตความยาวสิบวินาที ดังนั้นไปป์ไลน์สีที่ดีที่สุดของโมเดลกับการสร้างใหม่ที่ยาวที่สุดจึงไม่สามารถมีพร้อมกันได้ ซึ่งเป็นข้อแลกเปลี่ยนที่ไม่มีใครใส่ไว้ในสไลด์เปรียบเทียบ 10-bit HDR ของ Kling 4.0 เมื่อมาถึงจะถูกระบุไว้สำหรับ 1080p และ 4K โดยไม่มีการเผยแพร่ข้อกำหนดเรื่องระยะเวลา — แต่ก็ถูกระบุว่าเร็ว ๆ นี้ ดังนั้นในขณะนี้จึงเป็นคำสัญญาทั้งสองด้านของเส้นแบ่งเฉพาะนี้

การตัดสินใจภายในสตูดิโอมีหน้าตาอย่างไร

ผลิตภัณฑ์จริงของ Ray 3.2 คือการทำซ้ำและปรับแต่งช็อตที่คุณมีอยู่แล้ว การรีเฟรมเปลี่ยนอัตราส่วนภาพ ขยายเฟรม หรือสลับฉากหลังหลังการถ่ายทำ โดยคงแสงเดิมไว้ Modify Video แปลงฟุตเทจต้นฉบับแทนการสร้างขึ้นมาใหม่ ส่วน EXR เก็บโมเดลไว้ในรูปแบบที่ Nuke และ Resolve เปิดได้โดยไม่ต้องมีข้อโต้แย้งเรื่องการแปลงไฟล์ ทีมที่ทำงานกับลูกค้าโดยมี Colorist อยู่ในกระบวนการจะได้ประโยชน์จากฟีเจอร์เหล่านี้ในทุกงาน และเสียงสเตอริโอไม่ว่าจะมากแค่ไหนก็ทดแทนไม่ได้

สิ่งที่ Kling 4.0 ขายจริง ๆ คือการประกอบครั้งแรก สามสิบวินาที คีย์เฟรมสิบจุด และเรเฟอเรนซ์สิบห้ารายการ หมายความว่าลำดับภาพสามารถถูกสร้างขึ้นมาได้แทนที่จะต้องนำมาต่อกัน และเสียงก็มาพร้อมในตัว ซึ่งสำคัญที่สุดสำหรับงานโซเชียล UGC และงานโฆษณา ที่สิ่งส่งมอบเป็นแนวตั้ง มีแคปชัน และเผยแพร่ในวันเดียวกัน ตัวอย่างจากผู้ขายเองคือ vlog ละครสั้น โฆษณาสินค้า และมิวสิกวิดีโอ ซึ่งเป็นคำอธิบายที่ตรงพอสมควรว่าทำไมโมเดลที่เสร็จในครั้งเดียวจึงคุ้มค่าที่จะใช้

มีข้อพิจารณาด้านการเราท์ข้อหนึ่งที่ใช้กับทั้งสองแนวทาง หากทีมลงเอยด้วยการใช้แต่ละโมเดลกับสิ่งที่มันถนัด — Kling สำหรับเทกที่พร้อมเผยแพร่ และ Ray สำหรับเพลตที่ส่งไปเกรดสี — ต้นทุนการผสานรวมคือสิ่งที่ตัดสินว่าในทางปฏิบัติสิ่งนั้นจะเกิดขึ้นหรือไม่คีย์ที่เข้ากันได้กับ OpenAI เพียงคีย์เดียวซึ่งอยู่หน้าโมเดลมากกว่า 200 ตัวทำให้โมเดลที่สองเป็นเพียงการเปลี่ยน ID โมเดล ไม่ใช่สัญญาผู้ให้บริการรายที่สองและโควตาที่สองที่ต้องเฝ้าติดตาม และการสลับไปยังระบบสำรองอัตโนมัติช่วยให้แบตช์เดินหน้าต่อได้เมื่อเส้นทางการให้บริการเส้นทางหนึ่งมีประสิทธิภาพลดลง เราไม่ได้เราท์ทั้งKling 4.0และLuma Ray 3.2 และบทความนี้ไม่ได้อ้างเป็นอย่างอื่น ข้อโต้แย้งเรื่องการเราท์เป็นเรื่องของโมเดลรอบ ๆ พวกมัน ไม่ใช่สองตัวนี้

อันไหน อย่างเจาะจง

เลือกใช้ Luma Ray 3.2เมื่อช็อตคือปัญหา และเสียงเป็นงานของคนอื่น การเคลื่อนกล้องที่คุณทำให้ถูกไม่ได้สักที การจัดเฟรมที่ต้องเปลี่ยนหลังจากลูกค้าเห็นแล้ว งานส่งมอบที่ต้องมาในรูปแบบ HDR หรือ EXR — สิ่งเหล่านี้คือปัญหาที่ Reframe, keyframes และไปป์ไลน์สีแก้ไขให้ และ Kling 4.0 ก็แก้ไม่ได้ไม่ว่าจะใช้ความละเอียดเท่าใด การคิดค่าบริการต่อคลิปเป็นข้อได้เปรียบจริง ๆ ในกระบวนการทำงานนั้น เพราะสิ่งที่คุณวนปรับคือการกำกับ และราคาคลิปแบบคงที่ไม่ได้ทำให้ความพยายามครั้งที่สิบแย่กว่าครั้งแรก

เลือก Kling 4.0 เมื่อผลลัพธ์คือสิ่งที่ต้องส่งมอบและเสียงเป็นส่วนหนึ่งของผลลัพธ์นั้น สามสิบวินาทีในครั้งเดียว คีย์เฟรมสิบจุด สเตอริโอสองช่องสัญญาณ และเรเฟอเรนซ์สิบห้ารายการเป็นชุดค่าผสมที่ไม่มีสิ่งอื่นใดในการเปรียบเทียบนี้เสนอให้ และตัวเลือก 21:9 กับ 4K ทำให้มันใช้งานได้จริงสำหรับรูปแบบการส่งมอบที่ Ray 3.2 จะไม่สร้างแบบเนทีฟ ข้อจำกัดเหล่านี้มีอยู่จริง: ไม่มีราคาที่เผยแพร่ ไม่มีคะแนนจากการทดสอบอิสระ HDR ยังเป็นเพียงคำสัญญามากกว่าสิ่งที่ส่งมอบแล้ว และ API ที่ยังอยู่ในช่วงการเข้าถึงช่วงแรก แทนที่จะพร้อมใช้งานทั่วไปสำหรับนักพัฒนา

สิ่งที่จะยุติเรื่องนี้ได้คือรายการ Ray 3.2 บนกระดานวิดีโออันใดอันหนึ่ง และเรทการ์ดของ Kling 4.0 จนกว่าทั้งสองอย่างจะมีอยู่ ประโยคสองประโยคที่ยังใช้ได้คือ หนึ่งในโมเดลเหล่านี้สร้างแทร็กเสียง และอีกโมเดลส่งออกปริภูมิสี และการเลือกหว่างสองโมเดลนี้ถูกกำหนดโดยการตัดต่อของคุณ ไม่ใช่แท็บเบนช์มาร์กของคุณ