Kling 4.0 對決 Luma Ray 3.2：一個負責配音，一個負責評分

把 Kling 4.0 與 Luma Ray 3.2 放在同一句話裡，大多數比較都會直接轉向解析度，因為兩者都宣稱能提供高階輸出，而且都不便宜。那是最不有趣的比較軸線。這兩個模型對更根本的事情意見分歧：生成片段究竟是一件完成作品，還是一塊供後製合成的素材板。 Kling 4.0，自 2026 年 10 月 15 日起正式全面推出，一次生成畫面與雙聲道立體聲，單次鏡次可持續長達 30 秒，並期望你直接發布產出的內容。 Luma Ray 3.2，自 2026 年 6 月 9 日起成為 Luma 的旗艦型號，生成無聲影片，並把工程重點放在鏡次生成之後的處理——原生 16 位元 HDR、以 ACES2065-1 匯出 EXR，以及能在不重新渲染鏡頭的情況下改變取景的重新取景模式。 像這次發布背後有紀錄的 AI 故障與代理事件，都收錄在 OrcaRouter AI 事件檔案庫，其中每筆條目都附有自己的來源、嚴重程度、可信度評級與爭議標記。

那個差異比解析度比較更能左右購買決策，而且值得在數字之前先說清楚：如果你的交付物是你發佈的短片，那麼無聲就是規格表上其他任何項目都無法彌補的缺陷。如果你的交付物是交由調色師完成的鏡頭，那麼位在正確色彩空間的 EXR，比再多的生成氛圍音都更有價值。以下全部內容，都是在說明你屬於這兩者中的哪一種。

計分板問題，直白陳述

目前這兩款模型都無法以獨立評分相互比較，而且原因各不相同。Luma Ray 3.2在 Artificial Analysis 的三個影片排行榜——文生影片、圖生影片與編輯——上都沒有任何一列，此為 2026 年 10 月 22 日查核的結果。圖生影片榜上唯一的 Luma 條目是較舊的 Ray 3，出自 2025 年 9 月，在靜音量表上以 Elo 1,215 排名第 47。Ray 3.2 完全不在榜上。

Kling 4.0在本次閱讀前八天發布，且同樣尚未登上任何排行榜。現有的 Kling 資料列屬於 Kling 3.0，來自 2026 年 2 月，對新世代完全沒有說明。因此，這是一場雙方都沒有共同測量基準的對決——這表示任何引用這兩個模型之間 Elo 差距的人，所引用的都是他們自己建構出來的東西。本頁其餘部分請依據規格與計費來判斷，並對你在其他地方看到的任何分數保持懷疑。

影像、聲音，以及各自為日後留下的東西

Kuaishou 針對Kling 4.0發布的版本說明，對音訊的描述異常具體。雙聲道立體聲、更精準的唇形同步、橫跨九種語言及地區口音的對白——美式、英式與印度英語；北京、台灣、東北與四川普通話；粵語。它也能以這些語言生成螢幕文字，這項能力與語音不同，也是在鏡頭移動時最容易明顯出錯的一項。

• 聲音 — Kling 4.0：原生雙聲道立體聲，具備唇形同步，並在同一次生成中完成。Ray 3.2：文字或圖片提示不會產生音訊；音訊僅保留於 Modify 和 Reframe，且那是來源片段的音訊，是保留而非生成。

• 時長 — Kling 4.0：單次生成 3 到 30 秒。Ray 3.2：全新生成為 5 或 10 秒；廣為流傳的 20 秒屬於 Modify Video，該功能會轉換現有影片素材。

• 解析度 — Kling 4.0：720p、1080p 或 4K，並提供 21:9。Ray 3.2：360p、540p、720p 或 1080p，且不支援 4K 生成——Luma 的 4K 是事後套用的升頻工具。

色彩流程 — Kling 4.0：1080p 與 4K 的 10 位元 HDR，標示為即將推出。Ray 3.2：原生 16 位元 HDR 生成，並以 ACES2065-1 匯出 EXR，現已推出；HDR 價格為 SDR 的兩倍，HDR 加 EXR 則為三倍。

• 影格級控制 — Kling 4.0：{{1}}最多可在時間軸上放置 10 張關鍵影格影像。{{/1}}Ray 3.2：{{2}}每個片段最多 16 個關鍵影格，包括在圖片轉影片時。{{/2}}

• 參考 — Kling 4.0：圖片、影片、元素與語音合計最多 15 個素材。Ray 3.2：文字、圖片、關鍵影格與角色參考，未公布影片參考數量上限。

把那張清單從頭到尾讀兩遍。六行裡有四行，Kling 4.0 在紙面上勝出。而在後期製作公司最在意的那一行——合成師實際使用的色彩空間中的 16 位元 EXR——Ray 3.2 不只是領先，它還是兩者中唯一真正推出此功能的產品。

兩種計費方式，以及它們為何無法轉換

Luma 賣的是片段，不是秒數。其公布的文字轉影片與圖像轉影片價目階梯為：五秒草稿解析度片段 20 點、540p 為 50 點、720p 為 100 點、1080p 為 400 點；十秒片段則分別為 60、150、300 與 1,200 點。Modify Video 與 Reframe 另行計價，且價格高得多，這與它們是後期修飾工具而非生成器的定位相符。

每個 credit 的成本取決於你購買時所選的方案，因此對 Ray 3.2 而言，並不存在一個可以誠實報出的單一美元數字——訂閱購買者和按用量付費的 API 購買者，為同樣的 100 credits 支付不同費率。經過換算後仍然成立的一點，是帳單的形態：它按每個片段固定，按下生成前就能知道，而且不論模型渲染兩秒還是整整十秒，它都不會改變。

快手完全沒有公布 Kling 4.0 的價目表。該 API 目前處於早期存取階段，開發者主控台以橫幅說明了這一點，而無論是完整模型還是 Kling 4.0 Flash，公開頁面上都沒有每秒價格。這在關於成本的比較中並非小小的疏漏——這意味著那個看似較便宜的選項實際上還無法計算成本，而誠實的立場是：Kling 4.0 的經濟效益仍屬未知，而 Ray 3.2 的至少已有明確的結構。

供參考，前一代已有定價且可路由：kling/kling-v3 在我們的目錄中每次請求固定為 $0.084，kling/kling-3-turbo 為 $0.112，而 2.x 和 O1 世代則低於此。Ray 3.2 不是我們提供的路由。因此，讀者今天實際能呼叫的兩個模型是 Kling 3.0 和 Ray 3.2——而新的 Kling 正是那個還在等待價目表的模型。

20 秒這個數字是從哪裡來的

Luma 圍繞 Ray 3.2 的行銷主打長度，而長度數字很容易被誤讀。全新生成是 5 或 10 秒。二十秒是 Modify Video 在來源為 24fps 時可輸出的長度：在 30fps 時上限降至 15 秒，在 60fps 時降至 7 秒。這並不是 Luma 隱瞞的限制——它印在定價頁面上——但「最高 20 秒」在傳播時少了影格率這項但書，而團隊若抱著可產出 20 秒提示詞轉影片片段期待購買，第一次呼叫就會失望。

同樣的紀律也適用於 HDR。Ray 3.2 的 HDR 模式僅限於 720p 或 1080p 的五秒片段，且在十秒輸出中不提供。因此，該模型最佳的色彩處理流程與其最長的全新生成彼此互斥，這是沒有人會放上比較簡報的取捨。Kling 4.0 的 10-bit HDR 在推出時，規格標示為 1080p 與 4K，但未公布持續時間限制——不過它被列為即將推出，所以就這條特定產品線而言，目前兩邊都還只是承諾。

工作室內部的決策長什麼樣子

Ray 3.2 真正的產品價值，在於讓你迭代已經拍好的鏡頭。Reframe 會改變長寬比、延伸畫面，或在拍攝後替換背景，同時保留原始打光；Modify Video 是轉換來源素材，而不是憑空生成；EXR 則讓模型以 Nuke 和 Resolve 可直接開啟的形式輸出，不必再為轉檔問題爭論。有調色師參與流程、承接客戶專案的團隊，每個案子都能從這些功能中獲得價值，而再多的立體聲音訊也無法取代。

Kling 4.0 真正的產品，是初版組裝。三十秒、十個關鍵影格與十五個參考素材，意味著一段序列可以被編排創作出來，而不是拼湊而成；而且音訊會一併附上——這對社群、UGC 與廣告工作最為重要，因為交付成品是直式、帶字幕，且當天就要發布。廠商自家的範例是 Vlog、短劇、產品廣告與音樂錄影帶，這相當準確地描述了「一次完成」模型最能展現價值的地方。

有一項路由考量同時貫穿兩者。如果團隊最終讓每個模型各司其長——K​ling 負責可發布的鏡次，Ray 負責送去調色的底板——整合成本才是決定這件事在實務上能否成立的關鍵。只要一個 OpenAI 相容金鑰就能存取超過 200 個模型，這讓改用第二個模型只需變更模型 ID，而不是再簽一份供應商合約、再監控一組配額，而且自動容錯移轉能在某條服務路徑劣化時讓批次持續運作。我們既未路由 Kling 4.0，也未路由 Luma Ray 3.2，本文也沒有主張相反；這裡的路由論點談的是它們周邊的模型，而不是這兩者。

具體來說，是哪一個？

採用Luma Ray 3.2——當問題出在鏡頭，而聲音是別人的工作時。你怎麼調都調不對的運鏡、客戶看過後非得改的構圖、必須以 HDR 或 EXR 交付的成品——這些都是 Reframe、關鍵影格與色彩流程能解決的問題，而 Kling 4.0 無論解析度多高都解決不了。在這樣的工作流程裡，按片段計費是真正的優勢，因為你要反覆調整的是執導方向，而固定的片段價格不會讓第十次嘗試比第一次受到更多懲罰。

選擇 Kling 4.0當產出本身就是交付成果，且聲音也是其中一部分時。單次生成三十秒、十個關鍵影格、雙聲道立體聲與十五個參考素材，是這項比較中其他方案都無法提供的組合，而 21:9 與 4K 選項讓它適用於 Ray 3.2 無法原生生成的交付格式。這些注意事項確有其事：未公布價格、沒有獨立評分、HDR 仍只是承諾而非已推出，以及 API 仍處於早期存取階段，尚未普遍提供給開發者。

能解決這件事的，是某個影片排行看板上出現 Ray 3.2 的條目，以及一份 Kling 4.0 的價目表。在這兩者都出現之前，成立的兩句話是這些：這些模型中，一個生成配樂，另一個匯出色彩空間，而兩者之間的選擇取決於你的剪輯，不是你的基準測試分頁。