Kling 4.0 vs. Grok Imagine Video: Das günstigste Modell hat die meisten Stimmen

Das am intensivsten gemessene Modell in diesem Vergleich ist nicht das neueste, und das neueste wurde überhaupt nicht gemessen. Grok Imagine Video ist eine Familie aus drei Einträgen auf dem Image-to-Video-Board von Artificial Analysis: das Original vom Januar 2026 bei Elo 1.072 mit 14.371 Stimmen dahinter, Grok Imagine Video 1.5 bei 1.098 mit 5.267 Stimmen und die Lite-Variante auf dem Text-to-Video-Board. Kling 4.0, veröffentlicht am 15. Oktober 2026, hat keinen Eintrag auf irgendeinem Board, keinen veröffentlichten Sekundenpreis und ein Datenblatt, das alle drei Grok-Einträge bei Dauer, Auflösung und Referenzanzahl übertrifft. Die Lücke zwischen Belegen und Leistungsobergrenze macht das ganze Duell aus.

Diese Form ist in diesem Markt häufiger, als das Leaderboard-Format zugesteht. Ein Modell mit langer Abstimmungshistorie ist eine bekannte Größe, nicht unbedingt die beste. Ein Modell, das acht Tage alt ist und einen 30-Sekunden-Durchlauf hat, ist ein Versprechen mit Demo-Reel. Die Frage ist, welche Art von Unsicherheit dein Projekt verkraften kann.

Drei Grok-Modelle, ein Kling

Grok Imagine Video ist kein einzelnes Produkt, und die Versionsnummern sind nicht so geordnet, wie man es erwarten würde. Lesen Sie weiter auf dem Image-to-Video-Board mit eingeschaltetem Ton, aufgezeichnet am 10. Oktober 2026:

• Grok Imagine Video original — 13. Platz bei Elo 1.072 ±7 über 14.371 Samples, Januar 2026, 4,20 $ pro Minute.

• Grok Imagine Video 1.5 — 9. Platz bei Elo 1.098 ±8 über 5.267 Stichproben, Mai 2026, 8,40 $ pro Minute.

• Grok Imagine Video 1.5 Lite — Platz 16 auf der Text-to-Video-Rangliste mit 993 ±10 bei 5.715 Proben, veröffentlicht am 26. August 2026, 8,40 $ pro Minute.

• Kling 4.0 — mit Stand vom 23. Oktober 2026 keine Zeile auf irgendeinem Board.

Das Original ist das günstigste und das am besten gemessene. Das 1.5-Refresh erzielt 26 Elo mehr und kostet pro Minute doppelt so viel, bei einem Drittel der Stimmen. Die Lite-Variante liegt auf einem ganz anderen Board, sodass der Vergleich mit den anderen beiden bereits ein Vergleich unterschiedlicher Aufgaben ist. Dies ist eine Familie, die im Rhythmus einer Consumer-Plattform iteriert wurde, und die Preisleiter spiegelt das wider: Man kann die günstige, gut belegte Basislinie, die teurere Verfeinerung oder die pro Sekunde günstigere Lite-Stufe kaufen, und jede verlangt von Ihnen, Evidenz gegen Score abzuwägen.

Kling 4.0 bietet nichts von dieser internen Auswahl. Es gibt ein Modell, einen noch nicht veröffentlichten Preis und eine Dauerobergrenze. Diese Einfachheit ist ein Vorteil, wenn Sie die bestmögliche verfügbare Aufnahme wollen, und ein Nachteil, wenn Sie eine Beschaffungsentscheidung treffen wollen, die Sie mit einer Zahl verteidigen können.

Was dir die Stimmenzahlen bringen

Die Stichprobenanzahl wird üblicherweise als Formsache behandelt. In dieser Rangliste ist sie der Unterschied zwischen einer Behauptung und einer Vermutung. Das ±7-Intervall des Grok-Checkpoints vom Januar ist genauso breit wie das von Gemini Omni Flash, hinter dem 12.327 Stimmen stehen; 14.371 Vergleiche reichen aus, damit die Rangliste eine Position mit einiger Sicherheit vertreten kann. Das ±8 von Grok 1.5 ist breiter, weil es weniger Stimmen hat, nicht weil es ein schlechteres Modell ist. Das Intervall von Kling 4.0 existiert noch nicht.

Das hat praktische Konsequenzen für alle, die nach Qualität entscheiden. Wenn Sie das Original von Grok Imagine Video wählen, wissen Sie ungefähr, was Sie bekommen: ein Modell im Mittelfeld mit solider Evidenzbasis und dem niedrigsten Preis in diesem Vergleich. Wenn Sie Kling 4.0 wählen, akzeptieren Sie die Angaben des Anbieters zu einem Modell, das von unabhängigen Prüfern noch nicht bewertet wurde. Keine der beiden Entscheidungen ist irrational. Es sind unterschiedliche Wetten.

Die Spezifikationsobergrenze

Auf dem Papier ist Kling 4.0 die deutlich leistungsfähigere Maschine.

• Dauer — Kling 4.0 generiert 3 bis 30 Sekunden in einem Durchgang, wobei eine Verlängerung um zwei Minuten als demnächst verfügbar angekündigt ist. Grok Imagine Video 1.5 generiert 1 bis 15 Sekunden, mit autoregressiver Verlängerung ausgehend vom letzten Frame; das Original ist für Bearbeitungs- und Verlängerungsarbeiten auf 8,7 Sekunden begrenzt.

• Auflösung — Kling 4.0 führt 720p, 1080p und 4K auf, wobei 10-Bit-HDR bei 1080p und 4K als „demnächst verfügbar“ gekennzeichnet ist. Grok 1.5 gibt 480p, 720p und 1080p nativ aus. Das Original erreicht maximal eine niedrigere Auflösung.

• Referenzen — Kling 4.0 unterstützt bis zu 15 Assets über Bilder, Videos, Subjekte und Stimmen hinweg, mit Obergrenzen von 10 Bildern, 5 Videos, 7 Subjekten und bis zu 3 videobasierten Subjekten. Grok 1.5 unterstützt bis zu 14 Referenzbilder, bis zu 3 Stimmreferenzen und bis zu 4 Keyframes mitten im Video sowie erste und letzte Frames.

• Keyframes — Kling 4.0 verarbeitet bis zu 10 Keyframe-Bilder. Grok 1.5 verwendet das erste Frame, das letzte Frame und bis zu 4 Frames aus der Mitte des Videos.

• Audio — beide erzeugen natives Audio mit lippensynchroner Sprachausgabe; Kling gibt Zweikanal-Stereo und neun Sprachen plus Dialekte an, Grok gibt gemeinsame Audio-Video-Generierung mit bis zu 3 voreingestellten Stimmreferenzen an.

• Prompt — Kling 4.0 akzeptiert bis zu 8.000 Tokens. Die Dokumentation von Grok veröffentlicht keine vergleichbaren Prompt-Limits.

Die beiden liegen bei den Referenzen näher zusammen, als die Schlagzeilen-Zahlen vermuten lassen: 15 Assets gegenüber 14 Bildern plus 3 Stimmen ist kein Debakel. Die eigentliche Lücke sind Dauer und Auflösung. Dreißig Sekunden in 4K gegenüber fünfzehn in 1080p sind eine andere Klasse von Ergebnis, und genau deshalb ist Kling 4.0 trotz der fehlenden Belege überhaupt eine Überlegung wert.

Preis: eine veröffentlichte Leiter gegen eine Leerstelle

Die Preise von Grok Imagine Video werden pro Sekunde nach Auflösung veröffentlicht. Das Modell 1.5 kostet 0,08 $ pro Sekunde bei 480p, 0,14 $ bei 720p und 0,25 $ bei 1080p, inklusive Audio, und die Bildeingabe kostet 0,01 $ pro Bild. Die Lite-Variante kostet 0,02 $ bei 480p, 0,03 $ bei 720p und 0,14 $ bei 1080p. Das ursprüngliche Legacy-Modell kostet 0,05 $ bei 480p und 0,07 $ bei 720p. Artificial Analysis normalisiert die 1.5-Zeile auf 8,40 $ pro Minute und das Original auf 4,20 $, was mit den 720p-Preisen übereinstimmt.

Kling 4.0 hat Stand 23. Oktober 2026 keinen Sekundentarif des Anbieters. Die App läuft über Credits im Rahmen der Tarife von Kling AI; die API befindet sich im Early Access. Angebote von Wiederverkäufern nennen Sekundenpreise, aber diese sind nicht der Preis von Kuaishou und schwanken so stark, dass die Verwendung eines davon als Budgetposition reine Vermutung wäre.

Für einen echten Vergleichsmaßstab hat die vorherige Kling-Generation einen Preis und ist in Produktion. Auf OrcaRouter kosten kling/kling-v3 und kling/kling-v3-omni $0.084 pro Anfrage, kling/kling-3-turbo kostet $0.112, und die älteren 2.x-Stufen liegen zwischen $0.042 und $0.28. Das sind Preise pro Anfrage statt Sekundentarife, daher stimmen sie nicht eins zu eins mit Groks Preisliste überein, aber es sind die Zahlen, die ein Kling-Käufer heute tatsächlich nutzen kann.

Zugriff und die Bearbeitungsoberfläche

Grok Imagine Video ist über die API von xAI und das Consumer-Produkt Grok erreichbar. Das 1.5-Modell ist asynchron: übermitteln, eine Request-ID abfragen, herunterladen. Die Modellfamilie wird lange genug bereitgestellt, dass ihr Request-Schema dokumentiert und ihre Fehlermodi bekannt sind. Das Original übernimmt Bearbeitungs- und Erweiterungsaufgaben, begrenzt auf 720p und eine 8,7-sekündige Quelle; das 1.5-Modell ist auf Generierung ausgerichtet und unterstützt laut Dokumentation ausdrücklich keine Videobearbeitung oder -erweiterung als Funktionen.

Kling 4.0 ist in der Kling AI App und auf der Website weltweit live, die globale Launch-Ankündigung ist vom 16. Oktober 2026 datiert. Die API befindet sich im Early Access, wobei MCP- und CLI-Unterstützung aufgeführt sind. Die Bearbeitungsoberfläche ist dokumentiert als gezielte Bearbeitungen von Ausdruck, Körperbewegung, Kameraposition, Stil und Hintergrund über bis zu fünf Eingabeclips hinweg in einem kombinierten Zeitfenster von 30 Sekunden – breiter als die dokumentierte Bearbeitungsunterstützung von Grok 1.5, enger als ein Allzweck-Videobearbeitungsprogramm.

Keines der beiden Modelle ist heute eine OrcaRouter-Route, daher ist nichts hiervon die Behauptung, dass wir eines der beiden hosten. Die Kling-Generation, die wir tatsächlich anbieten, ist Kling 3.0 – der praktische Fallback, wenn Sie Kling 4.0 während des Early Access testen. Allgemeiner gesagt: Der Grund, ein Gateway vor einen Video-Stack zu setzen, ist, dass diese Modelle auf unterschiedliche Weise ausfallen: eines stößt an ein Rate-Limit, ein anderes läuft bei einer langen Generierung in ein Timeout, ein drittes liefert einen Endstatus, der kein Erfolg ist. Ein einziger OpenAI-kompatibler Endpoint mit automatischem Failover und zu 0 % Aufschlag durchgereichten Listenpreisen der Anbieter macht die Modelle nicht besser, verhindert aber, dass ein einzelner fehlerhafter Endpoint zu einem fehlgeschlagenen Batch wird.

Wer sollte was auswählen?

• Wähle Grok Imagine Video original, wenn du den niedrigsten veröffentlichten Preis und die stärkste Evidenzbasis willst. Mit 4,20 $ pro Minute und 14.371 Stimmen ist es die am wenigsten überraschende Wahl im Vergleich, und es ist günstig genug für Entwürfe.

• Wählen Sie Grok Imagine Video 1.5, wenn Sie natives 1080p, 15-Sekunden-Takes, bis zu 14 Referenzbilder und 3 Stimmreferenzen sowie einen dokumentierten Preis pro Sekunde benötigen. Er ist der am besten ausgestattete Grok für eine kontrollierte Charakteraufnahme.

• Wähle Kling 4.0, wenn du einen 30-sekündigen Single-Pass, 4K, 10 Keyframes oder ein 21:9-Deliverable benötigst und bereit bist, eine unbewertete, unbepreiste Early-Access-API zu pilotieren.

• Wähle Grok, wenn die Beschaffung diese Woche eine Zahl braucht; wähle Kling, wenn die Aufnahme den längeren Take braucht und du auf die Tarifkarte warten kannst.

Die ehrliche Schlussfolgerung ist, dass diese beiden Modelle noch nicht wirklich um denselben Kauf konkurrieren. Grok Imagine Video ist eine ausgereifte, besonnene und günstige Familie, die über eine öffentliche Preisliste vertrieben wird. Kling 4.0 ist ein Modell mit höherem Potenzial in der ersten Woche der allgemeinen Verfügbarkeit, wobei die Belege und die Preisgestaltung noch ausstehen. Für die meisten Teams ist es der richtige Schritt, das besonnene Modell im Produktivbetrieb zu belassen und das neue Modell bei den Aufnahmen zu testen, die tatsächlich 30 Sekunden benötigen – und in einem Monat sowohl das Board als auch die Preisliste erneut zu lesen, wenn die leere Spalte endlich eine Zahl enthalten könnte.