Kling 3.0 vs Wan 3.0: mesmo prompt no teste e preço por clipe

Em 25 de outubro de 2026, os dois modelos receberam os mesmos três prompts de 5 segundos em 720p. O Wan 3.0 venceu dois dos três testes e o Kling 3.0 ficou com a cena de skate. No preço de tabela, um clipe de 5 segundos em 720p com som custa $0.63 no Kling 3.0 e $0.50 no Wan 3.0.

Precisa de um clipe com mais de 15 segundos? Só o Wan 3.0 chega a 30. O Wan 3.0 Prime é o nível mais caro da Alibaba, a $0.14 por segundo em 720p.

Os dois modelos estão na OmniaKey: Kling 3.0 e Wan 3.0.

Como testamos

• Modelos e IDs: kling-3.0 e wan3.0-video na OmniaKey. A própria API do Kling chama seu modelo 3.0 de kling-v3.
• Configurações enviadas, exatamente: texto para vídeo do Kling {"mode": "std", "duration": 5, "aspect_ratio": "16:9"}, imagem para vídeo do Kling {"mode": "std", "duration": 5}, Wan nos dois {"duration": 5, "resolution": "720P", "ratio": "16:9"}. O modo std do Kling entrega 720P.
• 25 de outubro de 2026, pela API da OmniaKey. 3 prompts, 1 clipe por modelo e por prompt, 6 clipes no total, e as seis tarefas deram certo na primeira tentativa.
• O primeiro quadro do teste 3 veio do Nano Banana 2.1 (2K, 16:9), então nenhum modelo de vídeo animou imagem própria.
• O tempo vai do envio da tarefa até o status succeeded, com a fila incluída.
• Assistimos a todos os clipes e comparamos quadros nos mesmos momentos. Verificamos se a ação e o movimento de câmera batem com o prompt, se o texto da placa e do rótulo está certo e se o primeiro quadro se mantém. O som é medido como volume médio em dB.
• A OmniaKey vende acesso de API aos dois modelos, por isso os testes passaram por ela. Todos os preços abaixo são os de tabela do Kling ou da Alibaba.
• Fontes: a página de preços da API e o mapa de capacidades do Kling, mais a página de preços do Alibaba Model Studio, a referência da API do Wan 3.0 e o guia do Wan 3.0, todas conferidas em 25 de outubro de 2026.

É um clipe por prompt e por modelo, e modelos de vídeo variam de uma execução para outra.

Três testes, os mesmos prompts

Teste 1: ollie de skate sobre uma poça (texto para vídeo, 16:9)

Este teste verifica se o shape passa por cima da água e onde fica a câmera.

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): O skatista vem, faz o ollie sobre a poça e aterrissa limpo do outro lado, com água espirrando na passagem do shape. A câmera fica na altura do quadril, então a cabeça dele sai do quadro na maior parte do clipe. Atrás há um muro de concreto com sol baixo e quente e sombras compridas.
• Wan 3.0 (153.5 s): Corpo inteiro no quadro, com um prédio baixo de fachada de vidro e árvores atrás, em luz dourada. O ollie acontece por volta de 2.3 s, o shape cai dentro da poça por volta de 2.9 s com um respingo grande, e o skatista segue para o outro lado.

Veredito: Kling 3.0. Fez o movimento que o prompt descreve: sobre a poça e aterrissagem limpa. O Wan entregou a cena mais bonita, mas o shape caiu na água. Se a ação precisa seguir o seu roteiro, use o Kling 3.0 e mantenha a instrução de câmera no prompt quando quiser a cabeça no quadro.

Teste 2: barraca de macarrão à noite com placa (texto para vídeo, 16:9)

Este teste verifica o texto da placa, o push-in e se o cozinheiro continua visível.

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): A placa está certa, com chamas, vapor, a lâmpada pendurada e a mão de um cliente entregando um papel pela direita. O macarrão voa alto no começo, a rua atrás é escura e vazia e a câmera quase não se move. Aos 4.6 s a lâmpada fica na frente do rosto do cozinheiro e a panela está quase vazia.
• Wan 3.0 (144.2 s): A placa está certa, com chamas, faíscas e um cliente à direita segurando um papel. Atrás do cozinheiro há uma rua de mercado cheia, com gente andando no chão molhado que reflete, e a câmera avança devagar. As placas do fundo trazem caracteres falsos e ilegíveis.

Veredito: Wan 3.0. Os dois escreveram a placa certo. O Wan fez o push-in lento que pedimos e manteve o rosto do cozinheiro visível. No clipe do Kling a lâmpada cobre o rosto dele no fim. As placas do fundo do Wan são texto falso, então acrescente "sem outras placas" para quadros limpos.

Teste 3: órbita em volta de um frasco de perfume a partir de uma foto (imagem para vídeo, 16:9)

Este teste verifica se uma foto de produto aguenta um movimento de câmera, com a tampa e duas linhas de texto no rótulo. O Nano Banana 2.1 criou o quadro primeiro e depois os dois modelos o animaram.

Prompt do primeiro quadro:

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 movimento:

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, saída 1284×716): Mantém o frasco, a tampa dourada e o rótulo "AURELIA" com a linha pequena "eau de parfum · 50 ml" durante todo o clipe. Um giro curto para a direita e um feixe de luz fraco no fim. A faixa de som está quase muda, com −53.7 dB de média.
• Wan 3.0 (100.0 s, saída 1280×720): Mantém o frasco, a tampa e as duas linhas do rótulo legíveis. Orbita mais para a direita, então aos 4.9 s o frasco aparece de ângulo, com um feixe suave entrando pelo canto superior esquerdo. A faixa tem picos curtos e agudos mais ou menos a cada segundo.

Veredito: Wan 3.0, por pouco. Os dois mantiveram o texto do rótulo nítido. O Wan mexeu mais a câmera, como pedido, e a faixa dele tem som, enquanto a do Kling está quase muda. O Kling terminou este clipe mais rápido.

Resultado por teste

Som, velocidade e preço por clipe

Som

Os dois modelos devolveram uma faixa de som em todos os clipes: 5.04 s, MP4 com AAC estéreo. Mais alto significa mais volume, e os números são o volume médio medido com ffmpeg.

Na API do próprio Kling o som é um interruptor desligado por padrão, que custa mais por segundo. Na API da Alibaba, o Wan 3.0 vem com áudio ligado por padrão a um preço por resolução, e audio=false desliga.

Velocidade

Tempo do envio da tarefa até succeeded, com a fila incluída:

O Wan terminou antes os dois clipes de texto para vídeo. O Kling terminou antes o clipe de imagem para vídeo.

Preço

O Kling cobra por segundo de vídeo, segundo a página de preços da API conferida em 25 de outubro de 2026. Uma Unit custa $0.14 no preço de tabela.

A Alibaba cobra por segundo de vídeo, com os segundos de entrada incluídos quando você envia um vídeo, segundo a página de preços do Model Studio conferida em 25 de outubro de 2026.

A Alibaba mostra os preços do wan3.0-video como preços de tabela, com 30% de desconto por tempo limitado na página. Os preços do Prime não têm etiqueta de desconto.

Quanto custa um clipe inteiro nessas tarifas, pelas páginas de preço de cada fornecedor:

Com som, o Wan custa menos em 720P e o Kling custa menos em 1080P. Sem som, a tarifa de $0.084 por segundo do Kling em 720P é a mais baixa das duas em 720P.

Para ver as tarifas atuais da OmniaKey, abra as páginas de modelo do Kling 3.0 e do Wan 3.0.

E o Kling 4.0 e o Wan 3.0 Prime?

O mapa de capacidades da API do Kling, atualizado em 20 de outubro de 2026, agora lista kling-4.0 em primeiro, com clipes de 3 a 30 segundos. A OmniaKey vende o kling-3.0, e foi ele que usamos.

O Wan 3.0 Prime é o nível mais caro da Alibaba, a $0.14 por segundo em 720P, ou $0.70 por 5 segundos. A documentação da OmniaKey descreve o Prime como "as mesmas capacidades, mais ou menos metade do tempo", e nossas execuções usaram o nível padrão.

Pontos fortes e pontos fracos

Kling 3.0

• Pontos fortes: a ação mais exata dos dois; manteve o primeiro quadro e o texto do rótulo; o mais rápido em imagem para vídeo, com 73.5 s.
• Pontos fracos: clipe de texto para vídeo mais lento, com 323.8 s; fundos escuros e vazios; a lâmpada pendurada escondeu o rosto do cozinheiro; faixa de imagem para vídeo quase muda; limite de 15 segundos.

Wan 3.0

• Pontos fortes: as cenas mais cheias e realistas; movimentos de câmera claros; mais rápido em texto para vídeo; clipes de até 30 segundos; som ligado por padrão a um preço só.
• Pontos fracos: aterrissou na poça; texto falso nas placas do fundo; a Alibaba ainda o apresenta como "em prévia".

Qual usar em cada trabalho

Rode o mesmo teste por uma única API

Esta requisição envia o prompt da barraca de macarrão para o 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. A resposta é 202 com um id de tarefa.
2. Consulte https://api.omniakey.com/v1/media/tasks/{id} a cada poucos segundos até status virar succeeded. Uma tarefa de vídeo pode levar vários minutos, então continue consultando o mesmo id em vez de reenviar.
3. Baixe o clipe em assets[0].url.

Para o Kling 3.0, coloque model como kling-3.0 e envie {"mode": "std", "duration": 5, "aspect_ratio": "16:9"}; as durações são exatamente 5, 10 ou 15 segundos. Para animar uma foto, mude operation para image_to_video e envie o quadro em input.media com type em first_frame e uma url que seja um link https ou uma URL de dados. Tire o aspect_ratio no Kling, porque o quadro define o formato.

Abra as páginas de modelo do Kling 3.0 e do Wan 3.0 para começar uma execução, e a documentação da API de vídeo para ver todos os parâmetros.

Perguntas frequentes

O Kling 3.0 é melhor que o Wan 3.0?

Depende do clipe. O Kling 3.0 fez a manobra de skate exatamente como escrito, e o Wan 3.0 venceu a cena de rua e a órbita do produto, com movimentos de câmera mais claros e som mais alto. Os dois acertaram a placa e o rótulo, então escolha o Kling 3.0 para um movimento de roteiro e o Wan 3.0 para uma cena cheia.

Qual é mais barato, Kling 3.0 ou Wan 3.0?

No preço de tabela, um clipe de 5 segundos em 720p com som custa $0.50 no Wan 3.0 e $0.63 no Kling 3.0. Em 1080P a ordem inverte: $0.84 no Kling 3.0 e $1.00 no Wan 3.0. Sem som, um clipe de 5 segundos em 720p do Kling custa $0.42, e o preço do Wan em 720P fica em $0.50 com ou sem áudio.

Quanto podem durar os vídeos do Kling 3.0 e do Wan 3.0?

A API do Kling aceita segundos inteiros de 3 a 15, e o Wan 3.0 aceita de 2 a 30 segundos. Na OmniaKey, o kling-3.0 aceita exatamente 5, 10 ou 15 segundos, e o wan3.0-video aceita de 2 a 30.

O Wan 3.0 é open source?

O Wan 3.0 não é publicado com pesos abertos; as versões anteriores do Wan, até o Wan 2.2, são. O repositório Wan3.0 da AlibabaCloud-Official tem uma licença e um README, sem pesos nem código do modelo.

O Kling 3.0 e o Wan 3.0 geram som?

Os dois. Todos os clipes do teste vieram com uma faixa AAC estéreo dentro de um MP4 de 5.04 s. Na API do Kling o som é um interruptor desligado por padrão que custa mais por segundo. O Wan 3.0 vem com áudio ligado por padrão a um preço só, e audio=false desliga.

Registro de atualizações

• 25 de outubro de 2026: primeira versão, três testes com o mesmo prompt no mesmo dia.