Kling 4.0 ist jetzt für alle verfügbar — die API befindet sich noch im Early Access

Kling 4.0 became available to everyone on 15 October 2026, according to K​uaishou's own release note, and that sentence is doing more work than it looks like it is. The consumer product and the developer product did not ship on the same clock. In the K​ling AI app and on the website, the full model is live and selectable in the video workspace today. On the open platform, the banner above every page of the API documentation still reads "Kling 4.0 API Is Now Available for Early Access" — early access, not general availability, which in K​uaishou's case has historically meant an application and a wait rather than a rate card you can read. The documented AI failures and agent incidents behind releases like this one are collected in the OrcaRouter AI Incident Archive where each entry carries its own sources, severity, confidence grade and disputed flag.

Diese Zweiteilung ist die ganze Geschichte für alle, die bauen statt nur zu browsen. Die vorherige Generation, Kling 3.0, ist diejenige mit einem veröffentlichten Preis und einem Endpunkt, der seit Februar in Produktion ist; das neue Modell ist das mit dem besseren Datenblatt und einer Warteschlange. In diesem Beitrag geht es darum, was am 15. tatsächlich geändert wurde, welche der Schlagzeilen-Zahlen heute bereits verfügbar sind und welche auf der eigenen Seite des Anbieters noch als „coming soon“ gekennzeichnet sind, und was Sie die Differenz zwischen den beiden Zeitplänen kostet, wenn Sie vorhatten, Kling 4.0 diesen Monat in eine Pipeline einzubinden.

Was das Release vom 15. Oktober tatsächlich enthält

Der Versionshinweis ist für einen Launch-Post ungewöhnlich konkret, und drei Dinge darin sind neu und nicht bloß wiederholt. Das erste ist, dass die Modellfamilie nun zwei Stufen hat, die wirklich unterschiedliche Produkte sind und nicht ein Modell mit zwei Geschwindigkeiten. Kling 4.0 selbst bietet Text-zu-Video, Bild-zu-Video, Erst- und Letztbild, Multi-Keyframe, Omni-Referenzgenerierung und gezielte Videobearbeitung, bei 3 bis 30 Sekunden, 720p bis 4K. Kling 4.0 Flash bietet nur Text-zu-Video und Bild-zu-Video mit Erstbild, bei 3 bis 20 Sekunden, 720p, 8-Bit-SDR. Flash ist die Stufe, die der Versionshinweis als „für häufiges Erstellen gebaut“ beschreibt, was Herstellerjargon für günstiger und schneller mit einer niedrigeren Obergrenze ist.

Das zweite ist das Referenzbudget, also der Teil, der verändert, was ein Prompt mitführen kann. Der Versionshinweis beziffert es auf bis zu 15 Elemente über vier Kategorien hinweg in einer einzigen Generierung: bis zu 10 Bilder, bis zu 5 Videos, deren Gesamtdauer 30 Sekunden nicht überschreiten darf, Sprachreferenzen und bis zu 7 Elemente, von denen bis zu 3 videobasiert sein dürfen. Das sind Obergrenzen pro Kategorie innerhalb einer Gesamtsumme, keine vier unabhängigen Kontingente – dieselbe Struktur, die die Vorschauseiten im September verwendeten, jetzt an ein ausgeliefertes Modell geknüpft.

Das dritte ist die Bereitstellungsoberfläche. Kuaishou gibt an, dass MCP und CLI jetzt Kling 4.0 unterstützen, einschließlich Omni-Referenz und Keyframe-Generierung. Das klingt nach einer kleineren Sache, als es ist: Es bedeutet, dass ein Agent oder ein Build-Skript das Modell steuern kann, ohne den Web-Editor zu durchlaufen, und genau darin liegt der Unterschied zwischen einem Werkzeug, das ein Mensch benutzt, und einer Komponente, die ein System aufruft.

Das Datenblatt, genau gelesen

Alles Folgende stammt aus Kuaishous Versionshinweis und Funktionsseite, gelesen am 22. Oktober 2026. Nichts davon wurde unabhängig gemessen – es gibt kein Elo von Drittanbietern für Kling 4.0 auf den Video-Ranglisten, zum Zeitpunkt dieses Textes, und der Anbieter hat keinen eigenen Benchmark veröffentlicht.

• Dauer — 3 bis 30 Sekunden in einer einzigen Generierung für das Vollmodell; 3 bis 20 Sekunden für Flash. Eine Verlängerung in mehreren Durchläufen bis zu 2 Minuten ist aufgeführt, aber als „coming soon“ markiert. • Auflösung — 720p, 1080p und 4K für das Vollmodell; 720p für Flash. 10-Bit-HDR bei 1080p und 4K ist sowohl in den Versionshinweisen als auch auf der Funktionsseite ausdrücklich als „coming soon“ gekennzeichnet, daher ist die HDR-Angabe ein Roadmap-Punkt und keine bereits verfügbare Funktion. • Seitenverhältnis — 21:9, 16:9, 1:1, 9:16 und Auto beim Vollmodell. • Keyframes — bis zu 10 Keyframe-Bilder als Eingabe, die platziert werden können, um Figurenzustände, Szenenwechsel und Story-Beats festzulegen. • Referenzen — bis zu 15 kombinierte Assets wie oben beschrieben, plus Omni-Referenz für Figuren, Layouts, Stile, Komposition und Bewegung. • Audio — Zweikanal-Stereo, verbesserte Lippensynchronisation, Dialoge in neun Sprachen plus benannte Akzente und Dialekte (amerikanisches, britisches und indisches Englisch; Peking-, taiwanesisches, nordöstliches und Sichuan-Mandarin unter anderem) und On-Screen-Textgenerierung in denselben Sprachen plus Emoji. • Prompt-Länge — bis zu 8.000 Token Eingabetext. • Bearbeitung — bis zu 5 Eingabeclips, darunter ein primärer, jeweils 3 bis 30 Sekunden, Gesamtdauer auf 30 Sekunden begrenzt; gezielte Bearbeitungen von Ausdruck, Kameraposition, Hintergrund oder Stil, während der Rest der Szene erhalten bleibt.

Zwei dieser Zeilen sollten zweimal gelesen werden. Die 4K-Zeile ist als Ausgabeeinstellung real, doch der daran angehängte 10-Bit-HDR-Qualifizierer wird nicht ausgeliefert, und eine farbverwaltete Pipeline, die HDR voraussetzt, wird es auf die harte Tour erfahren. Die Referenzzeile ist diejenige, die die meisten Zusammenfassungen falsch wiedergeben: 15 ist ein Budget, das du über Bilder, Videosekunden, Stimme und Elemente verteilst, und ein Prompt, der es komplett für Standbilder ausgibt, kann nicht zusätzlich fünf Referenzvideos mitführen.

Was fehlt noch, gemessen an der eigenen Kennzeichnung des Anbieters

Drei Funktionen werden im Markteinführungsmaterial mit Zukunftsform genannt, und es lohnt sich, sie von den Teilen des Modells zu trennen, die Sie heute nutzen können. Die 10-Bit-HDR-Ausgabe bei 1080p und 4K kommt bald – sowohl in den Versionshinweisen als auch auf der Funktionsseite. Die Videoerweiterung über 30 Sekunden hinaus, bis zu den beworbenen 2 Minuten, kommt bald. Und natives 4K mit 21:9 wird auf der Funktionsseite als „kommt bald“ für das vollständige Modell im selben Atemzug wie die Auflösung selbst beschrieben, was eine weichere Zusage ist, als „4K wird unterstützt“ impliziert.

Nichts davon macht den Launch bedeutungslos. Eine 30-sekündige Generierung in einem einzigen Durchgang mit zehn Keyframes und einem Referenzbudget von 15 Assets ist eine echte Fähigkeit, und sie ist der Grund, warum das Modell einen Blick wert ist. Das bedeutet allerdings, dass der Shopping-Vergleich auf 1080p durchgeführt werden sollte, wo das Modell definitiv verfügbar ist, statt auf 4K HDR, wo es noch nicht verfügbar ist.

Kosten: Was K​uaishou veröffentlicht und was nicht

The consumer side runs on credits through K​ling AI's plans, and the API side has a pricing section in the developer documentation. What K​uaishou has not published, as of 22 October, is a per-second rate for Kling 4.0 that a developer can budget against — the model is behind the early-access banner, and early access in this API has previously meant an application rather than a public price. Several third-party platforms list Kling 4.0 endpoints with per-second figures, but those are reseller rates, not the vendor's, and they will move independently of whatever K​uaishou eventually publishes.

Zum Vergleich: Kling 3.0 hat einen Preis, der seit Monaten stabil ist. Auf OrcaRouter ist der Eintrag kling/kling-v3 mit 0,084 $ pro Anfrage gelistet – das Flaggschiffmodell für Text-zu-Video und Bild-zu-Video mit Multi-Shot-, Subjekt- und Bewegungskontrolle, 3- bis 15-Sekunden-Clips, bis zu nativem 4K. Kling 3.0 Omni liegt bei denselben 0,084 $, Kling 3.0 Turbo bei 0,112 $, und die älteren Tarifstufen 2.1 und 2.5 reichen von 0,042 $ bis 0,28 $. Das ist die Zahl, an der man den Preis eines neuen Modells messen sollte, wenn es erscheint – nicht das Narrativ zur Markteinführung.

Wir routen Kling 4.0 noch nicht. Es gibt dafür keinen Identifier in unserem Katalog, also gibt es nichts, was man in eine Konfigurationsdatei eintragen könnte, und keinen Endpoint, auf den man verweisen könnte; etwas anderes zu behaupten wäre frei erfunden. Was wir routen, ist die Generation, die es ersetzt, über denselben OpenAI-kompatiblen Endpoint wie 200+ andere Modelle, zum Listenpreis des Anbieters mit 0 % Aufschlag — was hier zählt, denn wenn Kuaishou einen Preis für Kling 4.0 veröffentlicht, spiegelt ein Pass-through-Katalog ihn noch am selben Tag wider und nicht erst nach einem Vertragszyklus. Wenn du jetzt gegen die Familie entwickelst und das neue Modell in der Woche willst, in der es verfügbar wird, ist die praktische Vorgehensweise, den Aufruf hinter einem Modellnamen zu halten, den du ändern kannst, und ihn über ein Gateway zu routen, das auf Kling 3.0 zurückfallen kann, wenn der neue Endpoint nicht verfügbar ist, statt eines von beiden hart zu kodieren.

Worauf Sie im kommenden Monat achten sollten

Das erste datierbare Ereignis ist der Ausstieg der API aus dem Early Access, denn dann erscheint ein Preis und das Modell wird zu etwas, das man in ein Budget aufnehmen kann statt auf eine Präsentationsfolie. Das zweite ist der erste unabhängige Score: Kling 4.0 fehlt heute auf den Video-Ranglisten von Artificial Analysis, was kein schlechter Wert ist, sondern eine Abwesenheit, und die Zahlen der vorherigen Generation auf diesen Ranglisten sind bestenfalls Mittelfeld – Kling 3.0 1080p Pro liegt bei Image-to-Video bei etwa Elo 1.055, deutlich unter den aktuellen Spitzenreitern. Das dritte ist, ob die „Coming soon“-Kennzeichnungen tatsächlich verschwinden: HDR, 2-Minuten-Verlängerung und natives 4K mit 21:9 sind drei getrennte Versprechen, und Launches, die mit drei davon noch ausstehenden Punkten starten, haben die Angewohnheit, zwei davon abzuhaken.

Bis die ersten beiden eintreten, lautet die ehrliche Einschätzung zu Kling 4.0, dass das Produkt ausgeliefert wurde und die Plattform nicht, und die Lücke zwischen beiden ist der Punkt, an dem für alle, die nicht von Hand in einem Browser bearbeiten, das meiste Risiko liegt.