Kling 3.0 vs Wan 3.0: misma prueba de prompt y precios

El 25 de octubre de 2026 dimos a los dos modelos los mismos tres prompts de 5 segundos en 720p. Wan 3.0 ganó dos de las tres pruebas y Kling 3.0 se llevó la del skate. A precio de lista, un clip de 5 segundos en 720p con sonido cuesta $0.63 en Kling 3.0 y $0.50 en Wan 3.0.

¿Necesitas un clip de más de 15 segundos? Solo Wan 3.0 llega a 30. Wan 3.0 Prime es el nivel más caro de Alibaba, a $0.14 por segundo en 720p.

Los dos modelos están en OmniaKey: Kling 3.0 y Wan 3.0.

Cómo lo probamos

• Modelos e IDs: kling-3.0 y wan3.0-video en OmniaKey. La propia API de Kling llama kling-v3 a su modelo 3.0.
• Ajustes enviados, tal cual: texto a vídeo de Kling {"mode": "std", "duration": 5, "aspect_ratio": "16:9"}, imagen a vídeo de Kling {"mode": "std", "duration": 5}, Wan en los dos casos {"duration": 5, "resolution": "720P", "ratio": "16:9"}. El modo std de Kling entrega 720P.
• 25 de octubre de 2026, a través de la API de OmniaKey. 3 prompts, 1 clip por modelo y prompt, 6 clips en total, y las seis tareas salieron bien al primer intento.
• El primer fotograma de la prueba 3 vino de Nano Banana 2.1 (2K, 16:9), así que ningún modelo de vídeo animó una imagen propia.
• El tiempo va desde el envío del trabajo hasta que la tarea aparece como succeeded, con la cola incluida.
• Vimos todos los clips y comparamos fotogramas en los mismos momentos. Revisamos si la acción y el movimiento de cámara coinciden con el prompt, si el texto del letrero y de la etiqueta es correcto y si se mantiene el primer fotograma. El sonido está medido como sonoridad media en dB.
• OmniaKey vende acceso API a los dos modelos, así que las pruebas se hicieron a través de OmniaKey. Todos los precios de abajo son los de lista de Kling o de Alibaba.
• Fuentes: la página de precios de la API y el mapa de capacidades de la API de Kling, más la página de precios de Alibaba Model Studio, la referencia de la API de Wan 3.0 y la guía de Wan 3.0, todas revisadas el 25 de octubre de 2026.

Es un clip por prompt y modelo, y los modelos de vídeo varían de una ejecución a otra.

Tres pruebas con los mismos prompts

Prueba 1: ollie sobre un charco (texto a vídeo, 16:9)

Esta prueba mira si la tabla supera el agua y dónde se coloca la cámara.

Prompt:

Tracking shot at golden hour on an empty concrete plaza. A teenage skateboarder in a mustard hoodie rolls toward a shallow puddle, pops an ollie over it and lands cleanly on the far side. The rear wheel clips the edge of the puddle and throws a small arc of water. Low warm sun, long shadows, handheld camera following at hip height. Sound: wheels rumbling on concrete, the clack of the board landing, a splash.

• Kling 3.0 (323.8 s): El patinador llega, hace el ollie sobre el charco y aterriza limpio al otro lado, con agua salpicando al pasar la tabla. La cámara se queda a la altura de la cadera, así que la cabeza queda fuera del encuadre casi todo el clip. Detrás hay un muro de hormigón con sol bajo y cálido y sombras largas.
• Wan 3.0 (153.5 s): Cuerpo entero en el encuadre, con un edificio bajo de fachada de cristal y árboles detrás en luz dorada. El ollie llega hacia los 2.3 s, la tabla cae dentro del charco hacia los 2.9 s con un gran salpicón y el patinador se aleja por el otro lado.

Veredicto: Kling 3.0. Hizo el movimiento que describe el prompt: sobre el charco y con un aterrizaje limpio. Wan dio la escena más bonita, pero la tabla cayó al agua. Si la acción tiene que coincidir con tu guion, usa Kling 3.0 y mantén la instrucción de cámara en el prompt cuando quieras la cabeza en el encuadre.

Prueba 2: puesto de fideos nocturno con letrero (texto a vídeo, 16:9)

Esta prueba mira el texto del letrero, el push-in y si el cocinero sigue visible.

Prompt:

Night street food stall, medium shot with a slow push-in. An elderly cook in a white apron tosses noodles in a flaming wok; steam and sparks rise under a single hanging bulb. Behind him a red neon sign reads NOODLES in capital letters. A customer on the right hands over a paper ticket. Wet pavement reflects the neon. Sound: sizzling oil, the clang of the wok, distant street chatter.

• Kling 3.0 (193.6 s): El letrero es correcto, con llamas, vapor, la bombilla colgante y la mano de un cliente que entrega un papel desde la derecha. Los fideos vuelan alto al principio, la calle del fondo está oscura y vacía y la cámara apenas se mueve. A los 4.6 s la bombilla está delante de la cara del cocinero y el wok casi vacío.
• Wan 3.0 (144.2 s): El letrero es correcto, con llamas, chispas y un cliente a la derecha que tiende un papel. Detrás del cocinero hay una calle de mercado llena de gente que camina sobre un suelo mojado que refleja, y la cámara se acerca despacio. Los letreros del fondo llevan caracteres falsos e ilegibles.

Veredicto: Wan 3.0. Los dos escribieron bien el letrero. Wan hizo el push-in lento que pedimos y mantuvo visible la cara del cocinero. En el clip de Kling la bombilla le tapa la cara al final. Los letreros del fondo de Wan son texto falso, así que añade «sin otros letreros» si quieres un fondo limpio.

Prueba 3: órbita alrededor de un frasco de perfume desde una foto (imagen a vídeo, 16:9)

Esta prueba mira si una foto de producto aguanta un movimiento de cámara, con el tapón y dos líneas de texto en la etiqueta. Nano Banana 2.1 creó primero el fotograma y luego los dos modelos lo animaron.

Prompt del primer fotograma:

Studio product photograph of a square glass perfume bottle with a gold cap standing on wet black slate. The front label is cream paper with the word AURELIA in black serif capitals and "eau de parfum · 50 ml" in small type underneath. Water droplets on the glass and the stone, a soft key light from the left, dark background, wide 16:9 frame with the bottle in the center.

Prompt de movimiento:

The camera slowly orbits to the right around the perfume bottle. Water droplets slide down the glass and a soft beam of light sweeps across the label. Keep the bottle, the gold cap and the label text exactly as they are. Sound: a quiet drip of water.

• Kling 3.0 (73.5 s, salida 1284×716): Mantiene el frasco, el tapón dorado y la etiqueta «AURELIA» con la línea pequeña «eau de parfum · 50 ml» durante todo el clip. Un giro corto a la derecha y un haz de luz tenue al final. La pista de audio está casi en silencio, con −53.7 dB de media.
• Wan 3.0 (100.0 s, salida 1280×720): Mantiene el frasco, el tapón y las dos líneas de la etiqueta legibles. Orbita más a la derecha, así que a los 4.9 s el frasco se ve en ángulo, con un haz suave que entra desde arriba a la izquierda. La pista tiene picos cortos y agudos más o menos cada segundo.

Veredicto: Wan 3.0, por poco. Los dos mantuvieron nítido el texto de la etiqueta. Wan movió más la cámara, como se pedía, y su pista lleva sonido, mientras la de Kling está casi muda. Este clip lo terminó antes Kling.

Resultados por prueba

Sonido, velocidad y precio por clip

Sonido

Los dos modelos devolvieron una pista de sonido en todos los clips: 5.04 s, MP4 con AAC estéreo. Más alto significa más volumen y los números son la sonoridad media medida con ffmpeg.

En la propia API de Kling el sonido es un interruptor que viene apagado y cuesta más por segundo. En la API de Alibaba, Wan 3.0 lleva audio por defecto con un solo precio por resolución, y audio=false lo apaga.

Velocidad

Tiempo desde el envío del trabajo hasta succeeded, con la cola incluida:

Wan terminó antes los dos clips de texto a vídeo. Kling terminó antes el clip de imagen a vídeo.

Precio

Kling cobra por segundo de vídeo, según su página de precios de la API revisada el 25 de octubre de 2026. Una Unit cuesta $0.14 a precio de lista.

Alibaba cobra por segundo de vídeo, con los segundos de entrada incluidos cuando envías un vídeo, según su página de precios de Model Studio revisada el 25 de octubre de 2026.

Alibaba muestra los precios de wan3.0-video como precios de lista, con un 30% de descuento por tiempo limitado en la página. Los precios de Prime no llevan etiqueta de descuento.

Lo que cuesta un clip completo a esas tarifas, según las páginas de precios de cada proveedor:

Con sonido, Wan cuesta menos en 720P y Kling cuesta menos en 1080P. Sin sonido, la tarifa de $0.084 por segundo de Kling en 720P es la más baja de las dos en 720P.

Para ver las tarifas actuales de OmniaKey, entra en las páginas de modelo de Kling 3.0 y Wan 3.0.

¿Y Kling 4.0 y Wan 3.0 Prime?

El mapa de capacidades de la API de Kling, actualizado el 20 de octubre de 2026, ya pone kling-4.0 primero, con clips de 3 a 30 segundos. OmniaKey vende kling-3.0, y con ese hicimos las pruebas.

Wan 3.0 Prime es el nivel más caro de Alibaba, a $0.14 por segundo en 720P, o $0.70 por 5 segundos. La documentación de OmniaKey describe Prime como «las mismas capacidades, aproximadamente la mitad de tiempo», y nuestras pruebas usaron el nivel estándar.

Ventajas y desventajas

Kling 3.0

• Ventajas: la acción más exacta de los dos; mantuvo el primer fotograma y el texto de la etiqueta; el más rápido en imagen a vídeo con 73.5 s.
• Desventajas: el clip de texto a vídeo más lento, con 323.8 s; fondos oscuros y vacíos; la bombilla colgante tapó la cara del cocinero; pista de imagen a vídeo casi muda; límite de 15 segundos.

Wan 3.0

• Ventajas: las escenas más llenas y realistas; movimientos de cámara claros; texto a vídeo más rápido; clips de hasta 30 segundos; sonido activado por defecto con un solo precio.
• Desventajas: aterrizó en el charco; texto falso en los letreros del fondo; Alibaba todavía lo marca como «en vista previa».

Cuál elegir para cada trabajo

Ejecuta la misma prueba desde una sola API

Esta petición envía el prompt del puesto de fideos a Wan 3.0:

curl https://api.omniakey.com/v1/media/tasks \
  -H "Authorization: Bearer $OMNIAKEY_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: noodle-stall-001" \
  -d '{
    "model": "wan3.0-video",
    "type": "video",
    "operation": "text_to_video",
    "input": {"prompt": "Night street food stall, medium shot with a slow push-in. An elderly cook in a white apron tosses noodles in a flaming wok; steam and sparks rise under a single hanging bulb. Behind him a red neon sign reads NOODLES in capital letters. A customer on the right hands over a paper ticket. Wet pavement reflects the neon. Sound: sizzling oil, the clang of the wok, distant street chatter."},
    "parameters": {"duration": 5, "resolution": "720P", "ratio": "16:9"}
  }'

1. La respuesta es 202 con un id de tarea.
2. Consulta https://api.omniakey.com/v1/media/tasks/{id} cada pocos segundos hasta que status sea succeeded. Un trabajo de vídeo puede tardar varios minutos, así que sigue consultando el mismo id en lugar de reenviarlo.
3. Descarga el clip desde assets[0].url.

Para Kling 3.0, pon model en kling-3.0 y envía {"mode": "std", "duration": 5, "aspect_ratio": "16:9"}; las duraciones son exactamente 5, 10 o 15 segundos. Para animar una foto, cambia operation a image_to_video y envía el fotograma como input.media con type en first_frame y una url que sea un enlace https o una URL de datos. Quita aspect_ratio en Kling, porque el fotograma fija la forma.

Abre las páginas de modelo de Kling 3.0 y Wan 3.0 para empezar una ejecución, y la documentación de la API de vídeo para ver todos los parámetros.

Preguntas frecuentes

¿Es mejor Kling 3.0 que Wan 3.0?

Depende del clip. Kling 3.0 hizo el truco de skate exactamente como estaba escrito, y Wan 3.0 ganó la escena de calle y la órbita del producto, con movimientos de cámara más claros y sonido más alto. Los dos mantuvieron bien el letrero y la etiqueta, así que elige Kling 3.0 para un movimiento de guion y Wan 3.0 para una escena llena.

¿Cuál es más barato, Kling 3.0 o Wan 3.0?

A precio de lista, un clip de 5 segundos en 720p con sonido cuesta $0.50 en Wan 3.0 y $0.63 en Kling 3.0. En 1080P el orden se invierte: $0.84 en Kling 3.0 y $1.00 en Wan 3.0. Sin sonido, un clip de 5 segundos en 720p de Kling cuesta $0.42, y el precio de Wan en 720P sigue en $0.50 con o sin audio.

¿Cuánto pueden durar los vídeos de Kling 3.0 y Wan 3.0?

La API de Kling acepta segundos enteros de 3 a 15, y Wan 3.0 acepta de 2 a 30 segundos. En OmniaKey, kling-3.0 acepta exactamente 5, 10 o 15 segundos, y wan3.0-video acepta de 2 a 30.

¿Wan 3.0 es de código abierto?

Wan 3.0 no se publica con pesos abiertos; las versiones anteriores de Wan, hasta Wan 2.2, sí. El repositorio Wan3.0 de AlibabaCloud-Official tiene una licencia y un README, sin pesos ni código del modelo.

¿Kling 3.0 y Wan 3.0 generan sonido?

Los dos. Todos los clips de la prueba llegaron con una pista AAC estéreo dentro de un MP4 de 5.04 s. En la API de Kling el sonido es un interruptor apagado por defecto que cuesta más por segundo. Wan 3.0 lleva audio activado por defecto con un solo precio, y audio=false lo apaga.

Registro de cambios

• 25 de octubre de 2026: primera versión, con las tres pruebas de mismo prompt hechas el mismo día.