Kling 4.0 vs. Flux 3 Video: Der eine hat eine Preisliste, der andere eine Obergrenze.

Sowohl Kling 4.0 als auch Flux 3 Video akzeptieren Text, Bilder und Videos, beide versprechen 4K-Ausgabe, und beide erzeugen Audio im selben Durchlauf wie das Bild. Der Unterschied besteht darin, dass man eines von beiden bepreisen kann. Flux 3 Video von Black Forest Labs ging am 4. August 2026 in die allgemeine Verfügbarkeit – mit einer veröffentlichten sekundengenauen Preisliste und einer bewerteten Zeile im Text-to-Video-Ranking von Artificial Analysis. Kling 4.0 ist seit dem 15. Oktober 2026 in der Consumer-App verfügbar, erzeugt in einem Durchlauf bis zu 30 Sekunden und hat weder einen Sekundentarif des Anbieters noch einen unabhängigen Elo-Wert. Der Vergleich ist also nicht einfach Funktion gegen Funktion; es ist ein Produkt, für das man heute ein Budget aufstellen kann, gegen ein Produkt, dessen Obergrenze auf dem Papier höher liegt.

Das macht die Entscheidung ungewöhnlich klar, wenn man zwei Fragen trennt. Welches Modell kann die Aufnahme machen? Und auf welches Modell können Sie sich dieses Quartal tatsächlich festlegen? Die Antworten sind nicht dieselben, und die meisten Direktvergleichsseiten fassen sie zu einer einzigen zusammen.

Zwei Boards, keine gemeinsame Spalte

Artificial Analysis führt Flux 3 Video auf der Text-to-Video-Bestenliste auf, auf Platz sechs mit Elo 1.128 und einem 95-%-Konfidenzintervall von ±9 über 6.179 Stichproben, bei normalisierten 17,40 US-Dollar pro Minute, mit einem erfassten Veröffentlichungsdatum im Juli 2026. Black Forest Labs datiert die öffentliche Veröffentlichung auf den 4. August 2026, nach einem Early Access ab dem 23. Juli; die Abweichung ist ein Artefakt der Bestenlisten-Erfassung, kein Widerspruch zum Modell.

Kling 4.0 fehlt mit Stand vom 23. Oktober 2026 in dieser Rangliste sowie in den Ranglisten für Bild-zu-Video und Bearbeitung. Die vorherige Generation, Kling 3.0, hat Einträge; das neue Modell nicht. Eine Vergleichsseite, die einen Elo-Wert neben Kling 4.0 stellt, zitiert das alte Modell. Die einzige ehrliche Aussage ist, dass eine Seite dieses Duells eine gemessene Position hat und die andere eine Leerstelle.

Die Zeile von Flux 3 Video ist ebenfalls schmaler als sein Produkt. Der Anbieter dokumentiert Text-zu-Video, Bild-zu-Video, Video-zu-Video und Videofortsetzung, mit keyframe-gesteuerten Übergängen. Artificial Analysis bewertet nur die Text-zu-Video-Konfiguration, daher beschreibt die Zahl auf dem Board nur einen Modus eines multimodalen Modells, nicht den gesamten Funktionsumfang. Das ist eine Grenze des Scoreboards, nicht des Modells.

Was gehört hinein

Flux 3 Video ist ein multimodales Videomodell mit einer breiteren Eingabeliste, als seine Board-Zeile vermuten lässt: Text-Prompts, Standbilder als erstes Frame, Video für Video-zu-Video und Fortsetzung sowie Keyframes für kontrollierte Übergänge. Die Dauer reicht in einer einzigen Generierung bis zu 20 Sekunden, wobei 5 bis 20 Sekunden für Text-zu-Video und Bild-zu-Video sowie 5 bis 15 Sekunden für die Fortsetzung gelten. Die Auflösung wird in Pixelbändern statt in festen Seitenverhältnissen angeboten – HD bei etwa 1 Megapixel pro Frame, FHD bei 2, QHD/2K bei 4 und UHD/4K bei 8 – und der Anbieter bietet optionales natives Audio mit mehrsprachigem Dialog, synchronisierter Sprache, Soundeffekten und Atmosphäre ohne Aufpreis an.

Das Eingabekonzept von Kling 4.0 orientiert sich an einem Budget statt an einer Liste von Modi. Omni Reference akzeptiert bis zu 15 Assets in einer Aufgabe, begrenzt auf 10 Bilder, 5 Videos mit insgesamt 30 Sekunden und 7 Subjekte, von denen bis zu drei videobasiert sein dürfen; jedes Subjekt kann eine festgelegte Stimme mitbringen. Darüber hinaus akzeptiert es bis zu 10 Keyframe-Bilder, Prompts mit bis zu 8.000 Tokens und gibt 3 bis 30 Sekunden in 720p, 1080p oder 4K aus, wobei 21:9 zu den Seitenverhältnissen zählt. Die Versionshinweise nennen außerdem gezielte Bearbeitung über bis zu fünf Eingabeclips innerhalb eines kombinierten Fensters von 30 Sekunden.

Der Gegensatz ist nicht „der eine nimmt Bilder an und der andere nicht“. Er besteht darin, dass Flux 3 Video Eingaben als getrennte Modi mit jeweils eigenen Dauern bereitstellt, während Kling 4.0 sie als eine Aufgabe mit einem gemeinsamen Kontingent bereitstellt. Eine 20-sekündige Flux-Generierung und eine 30-sekündige Kling-Generierung sind beide einzelne Durchläufe; der Kling-Durchlauf kann mehr Identitäts- und Bewegungsreferenzen tragen, und der Flux-Durchlauf hat einen veröffentlichten Preis.

Auflösung und der HDR-Vorbehalt

Beide Anbieter werben mit 4K, und beide verdienen dieselbe genaue Prüfung. Black Forest Labs vermarktet Auflösung als Pixelband und führt HD, FHD, QHD/2K und UHD/4K als Tarifstufen der Preisliste auf; mehrere Zusammenfassungen von Drittanbietern berichten, dass 2K und 4K angekündigt seien oder ausgerollt würden, statt allgemein verfügbar zu sein, daher sollten Sie die obersten Stufen als Roadmap-Frage auf Ebene Ihres Accounts behandeln, nicht als Standard. Kling 4.0 führt 720p, 1080p und 4K als Ausgabeeinstellungen auf, aber 10-Bit-HDR bei 1080p und 4K ist in Kuaishous Release-Hinweis und auf der Funktionsseite ausdrücklich als „demnächst verfügbar“ gekennzeichnet. Die ausgelieferte Zusage gilt für natives 4K ohne HDR; für HDR gilt sie nicht.

Keines der beiden Modelle veröffentlicht einen unabhängigen, auf die Auflösung normalisierten Qualitätsvergleich. Die Tabellen normalisieren den Preis auf eine Minute 1080p, weshalb Flux 3 Video mit 17,40 US-Dollar pro Minute mit anderen Zeilen vergleichbar ist, nicht aber mit der fehlenden Zahl von Kling 4.0.

Preis: der Teil, der dieses Quartal tatsächlich entscheidet

Die Preisliste von Flux 3 Video ist eindeutig. Text-zu-Video und Bild-zu-Video kosten $0,06 pro Sekunde in Entwurf-HD, $0,17 in HD/720p, $0,29 in FHD/1080p, $0,40 in QHD/2K und $0,80 in UHD/4K. Video-zu-Video und Fortsetzung sind teurer: $0,12 im Entwurf, etwa $0,41 bis $0,43 in HD, $0,53 bis $0,54 in FHD, $0,65 in 2K und $0,95 in 4K. Audio ist inbegriffen. Ein fünfsekündiger HD-Clip kostet zum Standardtarif etwa $0,85, bevor etwaige Mengen- oder Plattformvereinbarungen berücksichtigt werden.

Kling 4.0 hat Stand 23. Oktober 2026 keinen vom Anbieter veröffentlichten Sekundenpreis. Die App läuft über Credits im Rahmen der Abonnementpläne von Kling AI. Die API ist nur über ein Early-Access-Banner zugänglich, und Kuaishou hat keine Preisliste veröffentlicht. Drittanbieter-Plattformen führen Sekundenpreise auf, dabei handelt es sich jedoch um Wiederverkäuferpreise, nicht um die des Anbieters, und sie ändern sich unabhängig. Ein Kostenvergleich zwischen den beiden Modellen wäre heute ein Vergleich zwischen einem veröffentlichten Preis und einer Schätzung.

Für eine brauchbare Ausgangsbasis ist die vorherige Kling-Generation bepreist. Bei OrcaRouter sind kling/kling-v3 und kling/kling-v3-omni mit 0,084 $ pro Anfrage gelistet, kling/kling-3-turbo mit 0,112 $ und die älteren 2.x-Tarife mit 0,042 $ bis 0,28 $. Dabei handelt es sich um Katalogpreise pro Anfrage und nicht um Sekundentarife, daher lassen sie sich nicht direkt an Flux' Preisliste normalisieren, aber es sind reale Zahlen, die Sie in ein Budget einplanen können, solange der Tarif von Kling 4.0 unbekannt ist.

Audio und die Frage nach der Titelanzahl

Die Audiofunktion von Flux 3 Video ist optional, nativ und im Pro-Sekunde-Preis enthalten, mit mehrsprachigem Dialog, synchronisierter Sprache, Soundeffekten und Atmosphäre. Kling 4.0 erzeugt Zweikanal-Stereo mit verbesserter Lippensynchronisation und Dialogen in neun Sprachen sowie benannten englischen und Mandarin-Akzenten. Beides sind Herstellerangaben, und kein Anbieter veröffentlicht eine Spurenanzahl. Wenn Sie Dialog, Musik und Effekte als trennbare Stems benötigen, sagt Ihnen kein Datenblatt, ob Sie diese erhalten. Planen Sie einen zweiten Durchlauf in einer DAW oder eine Neugenerierung ein, nicht einen sauberen Multitrack-Export.

Gewichte, Zugriff und Integration

Keines der beiden Modelle hat offene Gewichte. Die Board-Zeile von Flux 3 Video enthält keinen Link zu Gewichten, und Black Forest Labs stellt es über seine API und sein Dashboard bereit; Kling 4.0 ist ein gehostetes Modell über Kuaishous App und offene Plattform. Wenn Self-Hosting eine Anforderung ist, ist keines von beiden die Antwort, und der Ruf von Black Forest Labs, Modelle offen zu veröffentlichen, ändert nichts an der Lizenz für diesen Checkpoint.

Flux 3 Video ist seit Anfang August allgemein verfügbar, sodass sein Request-Vertrag ein Quartal Zeit hatte, sich zu stabilisieren. Die API von Kling 4.0 befindet sich im Early Access, was historisch bedeutet, dass man sich bewerben muss und wartet, statt eine öffentliche Preisliste zu erhalten; MCP- und CLI-Unterstützung sind aufgeführt, was Agenten und Build-Skripten hilft, den Endpunkt aber nicht allgemein verfügbar macht.

Keines der beiden Modelle ist heute eine OrcaRouter-Route, und dieser Artikel erhebt auch nicht den Anspruch, dass wir eines von beiden hosten. Was wir jedoch anbieten, ist die Kling 3.0-Familie und mehr als 200 Text- und multimodale Modelle über einen einzigen OpenAI-kompatiblen Endpoint – zum Listenpreis des Anbieters mit 0 % Aufschlag. Für ein Team, das Kling 4.0 pilotiert und gleichzeitig einen Produktionspfad auf Flux oder Kling 3.0 beibehält, ist die nützliche Architektur ein stabiler Modellname vor dem Aufruf und automatisches Failover dahinter, sodass ein Early-Access-Endpoint, der rate-limitiert oder verschwindet, den Batch nicht mitreißt. Das ist dasselbe Argument dafür, überhaupt zwei Videoanbieter vorzuhalten: Der zweite ist eine Versicherung, keine Absicherung der Qualität.

Wer sollte was auswählen?

• Wählen Sie Flux 3 Video, wenn Sie einen veröffentlichten Preis pro Sekunde, eine bewertete Text-to-Video-Zeile, eine Obergrenze von 20 Sekunden und inkludiertes natives Audio benötigen. Es ist das einzige der beiden, das Sie diese Woche in einer Budgetsitzung genehmigen können.

Wählen Sie Kling 4.0, wenn die Aufnahme 30 Sekunden ohne Schnitt, mehr als eine Handvoll Identitätsreferenzen oder eine separate Keyframe-Spur benötigt. Die Obergrenze ist höher und der Preis ist unbekannt.

• Wähle Flux 3 Video für Video-zu-Video und Fortsetzung mit bekannter Rate; Kling 4.0s Bearbeitung ist an Clips dokumentiert, die es generiert hat, innerhalb eines kombinierten 30-Sekunden-Fensters, nicht als allgemeiner Modus zur Bearbeitung von Filmmaterial.

• Wähle Kling 4.0 für ein 21:9-Deliverable mit 10 Keyframes und einem Cast aus 15 Assets. HDR-Erwartungen bleiben an der Tür.

• Wähle keines von beiden, wenn getrennte Audio-Stems eine zwingende Voraussetzung sind, bis ein Anbieter die Kanalarchitektur dokumentiert.

Was das entscheiden würde, sind eine Kling-4.0-Preisliste und eine erste Artificial-Analysis-Zeile. Solange beides nicht existiert, ist Flux 3 Video der sicherere Kauf und Kling 4.0 das leistungsfähigere Pilotprojekt. Die Lücke zwischen diesen beiden Sätzen ist die gesamte Entscheidung.