Kling 4.0 vs. Kling 3.0: Das Upgrade steckt in der Timeline, nicht in der Pixelzahl

Kling 4.0 wurde am 15. Oktober 2026 allgemein verfügbar, und das Erste, was auffällt, ist, was sich nicht geändert hat. Kling 3.0, das Kuaishou am 5. Februar 2026 veröffentlichte, erzeugte bereits natives 4K. Beide Modelle führen 720p, 1080p und 4K auf. Beide akzeptieren Text, Bilder und Videos als Eingabe. Beide stammen vom selben Unternehmen, werden über dieselbe Erstellungsseite verkauft und erzeugen Clips, die aus derselben Familie zu stammen scheinen. Vergleicht man sie anhand der Spezifikationszeile, die die meisten Leute zuerst prüfen, wirkt das neue Modell wie ein Rundungsfehler. Die dokumentierten KI-Ausfälle und Agenten-Vorfälle hinter Veröffentlichungen wie dieser sind im OrcaRouter AI Incident Archive gesammelt, wo jeder Eintrag seine eigenen Quellen, seinen Schweregrad, seine Vertrauensstufe und sein Kennzeichen für "umstritten" enthält.

Das ist nicht der Fall. Der Unterschied zwischen diesen beiden Generationen ist die Zeit – wie viel davon das Modell in einem Durchlauf erzeugt und wie präzise Sie steuern können, was darin passiert. Kling 4.0 verdoppelt die Obergrenze für eine einzelne Generierung von 15 auf 30 Sekunden, ersetzt Start- und Endframes durch bis zu zehn Keyframes und verdoppelt in etwa das Referenzbudget. Das sind die Änderungen, die einen Workflow verändern. Das 4K-Label auf beiden Boxen ist die Änderung, die eine Pressemitteilung verändert.

Was die Versionshinweise tatsächlich behaupten – und was tatsächlich ausgeliefert wurde

Alles in diesem Abschnitt stammt aus der eigenen Release Note und der Feature-Seite von Kuaishou, gelesen am 22. Oktober 2026. Noch steht hinter nichts davon eine unabhängige Bewertung, weil Kling 4.0 mit Stand von diesem Datum auf keinem der drei Video-Leaderboards von Artificial Analysis erscheint — die Leaderboards führen weiterhin Kling-3.0-Zeilen aus Februar und nichts Neueres von Kuaishou. Behandle die Aussagen des Anbieters als Aussagen.

• Dauer — Kling 3.0: 3 bis 15 Sekunden. Kling 4.0: 3 bis 30 Sekunden in einem einzigen Durchgang, wobei eine Erweiterung durch Mehrfachgenerierung auf 2 Minuten als „demnächst verfügbar“ aufgeführt ist.

• Auflösung — bei beiden: 720p, 1080p, 4K. Kling 4.0 ergänzt 21:9 neben 16:9, 1:1 und 9:16.

• Dynamikumfang — Kling 3.0: 8-Bit-SDR. Kling 4.0: 10-Bit-HDR bei 1080p und 4K, was die Release Note als „demnächst verfügbar“ statt als bereits veröffentlicht kennzeichnet.

• Keyframes — Kling 3.0: nur erstes und letztes Frame. Kling 4.0: bis zu 10 Keyframe-Bilder, die an beliebiger Stelle in der Timeline platziert werden können.

• Referenzen — Kling 3.0: bis zu 7 Bilder oder Subjekte ohne Videoeingabe oder 1 Video plus 4 Bilder oder Subjekte, wobei das Video auf 15 Sekunden begrenzt ist. Kling 4.0: bis zu 15 Assets kombiniert — 10 Bilder, 5 Videos mit insgesamt 30 Sekunden, 7 Elemente, von denen bis zu 3 videobasiert sein dürfen, plus Stimmreferenzen.

• Audio — Kling 3.0: einkanalig. Kling 4.0: Zweikanal-Stereo, mit einer laut Anbieter engeren Lippensynchronisation.

• Sprache — Kling 3.0: Chinesisch, Englisch, Japanisch, Koreanisch, Spanisch. Kling 4.0 ergänzt Portugiesisch, Deutsch, Französisch und Hindi, mit regionalen Akzenten und Dialekten für Chinesisch und Englisch.

• Prompt-Eingabe — {{1}}Kling 4.0{{/1}} verarbeitet bis zu 8.000 Tokens Text. Die eigene API-Referenz von {{2}}Kling 3.0{{/2}} begrenzt das Prompt-Feld auf 3.072 Zeichen. Dabei handelt es sich um unterschiedliche Einheiten, und der Anbieter hat keine Umrechnung veröffentlicht — lesen Sie diese beiden Werte also nicht als direktes Vielfaches.

Warum 30 Sekunden mehr verändern als die Cliplänge

Fünfzehn Sekunden entsprechen in etwa einer Aktion. Eine Produktdrehung, eine Zeile Dialog, eine einzelne Kamerabewegung, eine Reaktion. Kling 3.0 wurde um diese Einschränkung herum entwickelt und umging sie mit Multishot-Planung: Das Modell teilt den Clip in bis zu sechs Einstellungen auf und schneidet zwischen ihnen hin und her, so erhält man eine Sequenz aus einer Viertelminute.

Kling 4.0 mit 30 Sekunden ersetzt diesen Trick nicht, aber es verändert, wofür der Trick da ist. Eine lange Einstellung kann jetzt einen etablierenden Moment, einen Auftritt einer Figur und eine Wendung ohne Schnitt enthalten, und die Steuerung mit zehn Keyframes macht das erst inszenierbar statt glücksabhängig. Die eigene Walkthrough von K​uaishou setzt Keyframes an festen Momenten – eine Figur, die bei 4 Sekunden auftritt, ein Produkt bei 12, ein Push-in bei 20, ein Szenenwechsel bei 28 –, was Storyboard-Sprache ist, nicht Prompt-Sprache. Das ist das eigentliche Upgrade: Das Modell akzeptiert jetzt einen Shot-Plan statt einer Shot-Beschreibung.

Dadurch steigen auch die Kosten eines misslungenen Takes. Eine 30-Sekunden-Generierung, die bei Sekunde 24 danebenliegt, verschwendet doppelt so viel Rechenleistung wie ein Fehlschlag nach 15 Sekunden, und K​uaishou hat nicht veröffentlicht, was eine Generierung kostet. Das ist das Zweite, was beim Lesen der Ankündigung auffällt: keine Preisliste. Die API ist im Early Access – im Entwicklerportal steht genau das in einem Banner – und es gibt weder für Kling 4.0 noch für Kling 4.0 Flash einen veröffentlichten Sekundenpreis. Jede Zahl, die heute für Kling 4.0 genannt wird, ist eine Schätzung, die jemand abgeleitet hat, kein Anbietertarif.

Das Referenzbudget wuchs, und das Kleingedruckte wuchs mit.

„Bis zu 15 Referenzen“ lautet die Überschrift, und wie die meisten runden Zahlen verbreitet sie sich weiter als die Obergrenzen darunter. Die 15 ist eine gemeinsame Obergrenze für vier Arten von Assets, und die Limits je Kategorie sind nicht austauschbar: 10 Bilder, 5 Videos, deren Gesamtdauer 30 Sekunden nicht überschreiten darf, 7 Elemente, davon höchstens 3 videobasierte, sowie an Elemente angehängte Voice-Referenzen. Man kann das gesamte Kontingent nicht für Bilder ausgeben.

Die Grenzen von Kling 3.0 waren enger, und zwar auf eine Weise, die für eine bestimmte Aufgabe relevant war: ein Referenzvideo und daneben nur vier Bilder oder Subjekte. Wenn Ihr Workflow darin besteht, „diese Performance aus einem Clip nachzuvollziehen und diese vier Personen konsistent zu halten“, konnte Kling 3.0 das gerade noch leisten. Wenn er darin besteht, „die Performance nachzuvollziehen, sechs Personen konsistent zu halten, dieses Produkt und diesen Ort zu reproduzieren“, konnte es das nicht, und Kling 4.0 kann es.

Die andere Neuerung ist die Bearbeitung innerhalb des Modells. Kling 4.0 akzeptiert bis zu fünf Eingabeclips für eine Bearbeitung – einen primären, jeweils 3 bis 30 Sekunden, insgesamt 30 Sekunden – und der Anbieter behauptet, dass gezielte Änderungen an Ausdruck, Körperbewegung, Kameraposition, Stil oder Hintergrund möglich sind, während der Rest des Bildes unverändert bleibt. Kling 3.0 Omni hatte referenzgesteuerte Workflows, aber die Bearbeitung war ein separater Modus und nicht Teil derselben Generierung. Ob diese Behauptung den Kontakt mit echtem Filmmaterial übersteht, ist genau die Art von Frage, die keine Anbieterseite klären kann.

Was Sie heute anrufen können und auf welcher Taste

Hier sind die beiden Modelle in der Praxis nicht mehr austauschbar. Wir routen Kling 3.0 und nicht Kling 4.0. Der Katalog führt kling/kling-v3 und kling/kling-v3-omni zu einem Pauschalpreis von 0,084 $ pro Anfrage, kling/kling-3-turbo zu 0,112 $ sowie die älteren 2.x- und O1-Generationen; es gibt keine Kling-4.0-Route und keine Kennung, die sich hinzufügen ließe, bis die API den Early Access verlässt. Alles in diesem Beitrag, das Kling 4.0 als aufrufbar beschreibt, beschreibt Kuaishous eigene Plattform, nicht unsere.

Für ein Team, das das neue Modell ausprobieren möchte, ohne eine Pipeline neu aufzubauen, legt diese Asymmetrie die naheliegende Aufteilung nahe: Kling 3.0 über den Router aufrufen, wo es bereits bepreist und stabil ist, und Kling 4.0 über die Early-Access-Oberfläche des Anbieters testen, bis eine Preisliste erscheint. Wenn das der Fall ist, zählt das Durchreichmodell — Anbieter-Listenpreise werden ohne Aufschlag weitergegeben, sodass eine K​uaishou-Preisänderung oder ein Einführungsrabatt noch am selben Tag auf unserer Abrechnung landet und nicht erst zur nächsten Vertragsverlängerung. Automatisches Failover ist die andere Hälfte: Wenn ein neuer Endpunkt unter Last ins Stocken gerät, wird die Anfrage auf einen gesunden Pfad umgeleitet, bevor die Antwort beginnt, statt als fehlgeschlagener Auftrag in Ihrer Warteschlange aufzutauchen.

Die Entscheidung – ohne Marketing

Wählen Sie Kling 3.0, wenn Ihre Aufnahmen 15 Sekunden oder kürzer sind, Ihre Referenzen aus einer Handvoll Bilder bestehen und Sie einen veröffentlichten Preis sowie ein Modell möchten, das seit acht Monaten in Produktion ist. Es unterstützt natives 4K, Multi-Shot und nativen Ton, und mit 0,084 US-Dollar pro Anfrage in unserem Katalog ist es eine der günstigsten Möglichkeiten, einen brauchbaren Clip zu erzeugen. Nichts an der Veröffentlichung von Kling 4.0 macht es für diese Aufgaben schlechter.

Wähle Kling 4.0 wenn die Einschränkung, an der du immer wieder hängst, die Sequenz ist: eine 25-sekündige Einstellung, die halten muss, ein Beat, der genau in einer bestimmten Sekunde sitzen muss, eine Szene, die sechs konsistente Referenzen und ein Produkt braucht. Dafür sind die zusätzliche Dauer und die Keyframe-Timeline da, und kein 4K der Welt wiegt auf, dass sie fehlen. Plane den unbekannten Preis ein und berücksichtige, dass 10-Bit-HDR, die 2-Minuten-Verlängerung und eine veröffentlichte Preisliste nach wie vor als kommend gelistet sind.

Die Frage nach der Generation, die man stellen wird – ist 4.0 besser als 3.0 –, lässt sich nicht anhand eines Punktestands beantworten, weil das neue Modell keine unabhängige Bewertung hat. Beantworten lässt sich etwas Engeres und Nützlicheres: Die beiden Modelle sind inzwischen für unterschiedliche Einstellungslängen gebaut, und das Modell mit dem veröffentlichten Preis ist dasjenige, das man heute in eine Pipeline integrieren kann. Das ist kein Urteil über die Qualität. Es ist der Stand der Aufzeichnung am 22. Oktober 2026.