Kling 4.0 vs. MiniMax H3: Das bewertete Modell ist das ältere

Es gibt eine Version dieses Vergleichs, die sich von selbst schreibt, und sie ist falsch. MiniMax H3 wurde im Juli 2026 veröffentlicht und führt die Image-to-Video-Bestenliste von Artificial Analysis an. Kling 4.0 wurde am 15. Oktober 2026 veröffentlicht, ersetzt ein Modell, das seit Februar in Produktion ist, und ist das neueste Videomodell, das K​uaishou hat. Die naheliegende Lesart ist, dass der Herausforderer angekommen ist und die Krone des Amtsinhabers gefährdet ist. Die tatsächliche Faktenlage ist seltsamer: Das ältere Modell ist dasjenige mit unabhängigen Bewertungen, veröffentlichten Preisen, herunterladbaren Gewichten und einer Route auf unserer Plattform, während das neuere ein längeres Datenblatt, keine Bewertung, keine Preisliste und eine API im Early Access hat. Welches davon für Sie wichtig sein sollte, hängt ganz davon ab, ob Sie eine Fähigkeit oder eine Anbieterbeziehung kaufen. Die dokumentierten KI-Ausfälle und Agenten-Vorfälle hinter Veröffentlichungen wie dieser sind gesammelt in dem OrcaRouter AI Incident Archive wo jeder Eintrag seine eigenen Quellen, Schweregrad, Vertrauensstufe und Kennzeichnung als umstritten enthält.

Beide Modelle sind real und beide sind stark. MiniMax H3 ist ein 4-bis-15-Sekunden-Modell mit nativen 768p, 2K verfügbar über ein nur per API zugängliches Regenerierungsmodul, natives 32-kHz-Stereo im selben Durchlauf erzeugt und ein einheitlicher Kontext, der Text-, Bild-, Video- und Audio-Referenzen gemeinsam liest. Kling 4.0 ist ein 3-bis-30-Sekunden-Modell mit bis zu 4K, mit bis zu zehn Keyframes, fünfzehn kombinierten Referenzen und Zweikanal-Stereo. Die Lücke bei der reinen Leistungsfähigkeit ist real, und sie ist kleiner als die Lücke bei den Belegen.

Die Partituren, die existieren, und die Partitur, die nicht existiert

Artificial Analysis betreibt drei Video-Boards mit separaten Skalen und separaten Abstimmungspools, und H3 von M​iniMax ist auf allen drei vertreten. Lesen Sie am 22. Oktober 2026:

• Bild-zu-Video (AA-Video-I2V v1.1, Audio beibehalten) — H3 (768p) liegt mit Elo 1.140 ±16 bei 4.209 Stimmen auf Platz 1, veröffentlicht im Juli 2026, gemessen mit 5,40 $ pro Minute. H3 Max liegt mit 1.125 ±17 auf Platz 6.

• Text-zu-Video (AA-Video-T2V v2.1) — H3 (768p) belegt mit 1.158 ±16 bei 5.781 Stimmen den 5. Platz, 4,80 $ pro Minute. Wan 3.0 führt mit 1.173 und die H3-Max-Variante liegt mit 1.156 auf dem 6. Platz, sodass die Familie zwei der sechs Top-Plätze belegt.

• Videobearbeitung (AA-Video-Editing v1.1) — H3 (768p) liegt mit 1.125 ±11 bei 7.457 Stimmen auf Platz 4, 9,60 $ pro Minute.

Kling 4.0 ist auf keiner davon zu finden. Die Kling-Zeilen, die die Ranglisten führen, stammen von Kling 3.0 aus Februar – Platz 19 bei Image-to-Video am 1.000er-Anker, Platz 17 bei Text-to-Video, Platz 9 beim Editing – und sie beschreiben die vorherige Generation, nicht diese. Acht Tage nach der allgemeinen Verfügbarkeit ist früh für einen Ranglisteneintrag, also ist das eine fehlende Messung und keine schlechte Messung. Es bedeutet trotzdem, dass „welches besser ist“ für die nächsten Wochen auf der einen Seite eine dokumentierte Antwort hat und auf der anderen eine Pressemitteilung.

Ein Vorbehalt zu H3s Zahlen, denn sie haben zwei Seiten. Die Intervalle des Image-to-Video-Boards sind so breit, dass sich der erste und der sechste Platz überschneiden — {{1}}H3 bei 1,140 ±16{{/1}}, {{2}}H3 Max bei 1,125 ±17{{/2}} —, sodass „Nummer eins“ ein Rang ist, kein belegter Abstand. Die ehrliche Aussage ist, dass H3 zu einer führenden Gruppe gehört, deren Mitglieder die Stimmenzahl noch nicht voneinander getrennt hat.

Wofür die zusätzlichen fünfzehn Sekunden tatsächlich gut sind

Die Obergrenze von H3 liegt bei 15 Sekunden, in ganzzahligen Schritten ab vier. Die von Kling 4.0 bei 30, in einem Durchgang, mit Verlängerungen auf zwei Minuten, die als bald verfügbar angekündigt sind. Das ist kein kleiner Unterschied der Art nach, denn es überschreitet die Grenze zwischen einer Einstellung und einer Szene.

• Dauer — MiniMax H3: 4 bis 15 Sekunden. Kling 4.0: 3 bis 30 Sekunden, Erweiterung auf 2 Minuten folgt in Kürze.

• Auflösung — H3: 768p nativ, mit 2K über ein nur per API verfügbares Regenerierungsmodul, das Self-Hoster nicht ausführen können. Kling 4.0: 720p, 1080p, 4K, plus 21:9.

• Steuerung auf Frame-Ebene — H3: Modi für das erste Frame, das letzte Frame sowie erstes und letztes Frame. Kling 4.0: bis zu 10 Keyframes an beliebiger Stelle in der Timeline.

• Referenzeingaben – H3: bis zu 9 Bilder, 3 Videoclips und 3 Audioclips, die als ein Kontext gelesen werden. Kling 4.0: bis zu 15 kombinierte Assets – 10 Bilder, 5 Videos mit insgesamt 30 Sekunden, 7 Elemente, darunter höchstens 3 videobasierte – plus Sprachreferenzen.

• Audio — H3: 32 kHz Stereo, zusammen mit dem Video generiert, bei 24 fps. Kling 4.0: Zweikanal-Stereo mit Lippensynchronisation und Dialogen in neun Sprachen.

• Prompt-Länge — H3 veröffentlicht in seiner Anfragedokumentation keine Token-Obergrenze. Kling 4.0 akzeptiert bis zu 8.000 Tokens.

Wo sich das Design von H3 zeigt, ist es Konsistenz bei fester Kamera: eine 15-sekündige Aufnahme mit einer Performance darin, gesteuert durch Referenzbilder sowie ein Anfangs- und ein Endbild, entspricht genau der Form, die seine Steuerung voraussetzt. Wo sich das Design von Kling 4.0 zeigt, ist es eine längere Sequenz mit Beats – und die Timeline mit zehn Keyframes ist der Teil dieses Upgrades, der am stärksten verändert, wie eine Einstellung erstellt wird.

Der Lizenzabsatz, der für manche Leser den Ausschlag gibt

Dies ist der einzige Vergleich in diesem Set, bei dem eines der beiden Modelle die Server des Anbieters verlassen kann, und die Bedingungen lohnen sich vor allem anderen zu lesen, wenn Self-Hosting auf Ihrer Roadmap steht.

MiniMax H3-Basis-Checkpoint ist unter der Community-Lizenz von MiniMax herunterladbar – nicht Apache, nicht MIT. Diese Lizenz schließt die Vereinigten Staaten, das Vereinigte Königreich, die Europäische Union und Südkorea aus, wo die Nutzung einen Antrag bei MiniMax erfordert, wobei eine kommerzielle Nutzung oberhalb eines Umsatzschwellenwerts die vorherige schriftliche Genehmigung erfordert. Offen ist das Basismodell: Das Context-IR-Modul zur Prompt-Erweiterung und der 2K-Regenerierungspfad bleiben auf der API-Seite und waren nie Teil der Veröffentlichung. Wenn Sie sich in einem dieser vier Gebiete befinden, sind die Gewichte kein Workaround für die API – sie sind ein separates Gespräch mit MiniMax.

Kling 4.0veröffentlicht überhaupt keine Gewichte, und Kuaishous Startmaterial deutet nicht darauf hin, dass welche folgen werden. Das ist eine andere Art von Geschlossenheit: MiniMax hat etwas mit Bedingungen ausgeliefert, die man vielleicht erfüllen kann, und Kuaishou hat nichts geliefert, das man erfüllen könnte. Keine der beiden Positionen ist für ein Unternehmen, das ein Videomodell verkauft, unvernünftig; sie sind nur nicht dieselbe Position, und ein Team, das eine On-Premise-Pipeline plant, sollte bemerken, auf welcher Seite der Trennlinie jedes Modell steht, bevor es sie ein Quartal kostet.

Was jedes kostet – und die eine Zahl, die fehlt

MiniMax rechnet pro Sekunde generierter Ausgabe ab: $0,08 pro Sekunde bei 768p und $0,13 pro Sekunde bei 2K, wobei Referenzaudio kostenlos ist und die ersten fünf Referenzbilder kostenlos sind. Das ergibt $4,80 pro Minute bei 768p – so erfasst es Artificial Analysis in den Text-to-Video- und Editing-Boards – und $5,40 bis $7,80 pro Minute, wenn man die vom Board gemessene Auflösungskonfiguration berücksichtigt. Der Trick „erst Entwurf, dann Upscale“ ist nicht günstiger als der Zähler: 768p-Generierung plus erneute 2K-Generierung kostet $0,08 plus $0,05, genau der direkte 2K-Satz von $0,13.

Kuaishou hat überhaupt keinen Tarif für Kling 4.0 veröffentlicht. Die API-Entwicklerkonsole zeigt ein Early-Access-Banner und keine sekundengenaue Preisangabe – weder für das Vollmodell noch für Kling 4.0 Flash. Jede heute dafür kursierende Zahl ist jemandes Schätzung. Diese Asymmetrie ist nach der Lizenz die entscheidungsrelevanteste Tatsache in diesem Vergleich: Eines dieser Modelle hat einen Zähler, den man vor der Entscheidung ablesen kann, und das andere nicht.

Bepreisen können wir die vorherige Generation. kling/kling-v3 und kling/kling-v3-omni sind mit pauschal $0.084 pro Anfrage gelistet in unserem Katalog, kling/kling-3-turbo zu $0.112, und MiniMax H3 führen wir ebenfalls, zum eigenen Sekundentarif des Anbieters, ohne Aufschlag durchgereicht. Das ist für einen direkten Vergleich wichtig: sowohl ein Kuaishou-Modell als auch MiniMax H3 auf demselben OpenAI-kompatiblen Endpoint antworten, sodass der Vergleich mit Ihren eigenen Prompts nur eine Änderung der Modell-ID ist und nicht zwei Anbieterkonten, zwei SDKs und zwei Kontingent-Dashboards. Failover liegt hinter demselben Aufruf, was einen wochenlangen Bake-off praktikabel macht, statt ihn zu einer Beschaffungsübung zu machen.

Die Frage der Verfügbarkeit, bei der das offene Modell zugleich das einfachere ist

Es ist selten, dass das Modell mit offenen Gewichten zugleich das besser verfügbare ist, und hier ist genau das der Fall. MiniMax H3 ist jetzt aufrufbar, auf unserer Plattform und auf der von M​iniMax selbst, zu einem veröffentlichten Sekundentarif, wobei drei unabhängige Board-Einträge dahinterstehen. Kling 4.0 ist auf K​uaishous Erstellungsseite aufrufbar und für Entwickler über eine Early-Access-API, ohne veröffentlichten Tarif und ohne Modellkennung, die wir ansteuern können.

Daraus folgen zwei Dinge, und sie weisen in entgegengesetzte Richtungen. Wenn Sie diesen Monat etwas ausliefern müssen, ist H3 das Modell mit einem Preis, einem Score und einer Integrationsstory. Wenn Sie einen 30-Sekunden-Take mit zehn gerichteten Beats und Stereo-Dialog brauchen, kann H3 das zu keinem Preis leisten, und auf die Preisliste von Kling 4.0 zu warten, ist der Preis für diese Fähigkeit. Die gute Nachricht ist, dass sich beides nicht ausschließt: eine Kurzclip-Pipeline über H3 laufen zu lassen, während Sie Kling 4.0 auf der Plattform des Anbieters testen, ist eine normale Art, einen Übergang zu gestalten, und sie hält den Produktionspfad auf einem Modell, dessen Verhalten dokumentiert ist.

Eine Einschränkung, die Routing nicht beheben kann: Wenn Sie sich in den USA, im Vereinigten Königreich, in der EU oder in Südkorea befinden und Ihr Plan war, die Gewichte von H3 selbst zu hosten, ist der Aufruf über eine API keine Umgehung der Lizenz. Es ist ein anderes Produkt mit anderen Bedingungen, und die Lizenzfrage müssen weiterhin Sie beantworten.

Eine auswählen

Wähle MiniMax H3, wenn der Clip kurz ist, das Budget feststeht und die Belege zählen. Es ist ein Top-5-Modell im Text-to-Video-Ranking und auf Platz eins bei Image-to-Video, über drei Ranglisten und Tausende Stimmen hinweg, für $0.08 pro Sekunde bei 768p. Es erzeugt eigenen Stereo-Ton. Es akzeptiert neun Bilder, drei Videoclips und drei Audioclips in einem Kontext. Und wenn Sie sich außerhalb der vier ausgeschlossenen Gebiete befinden, ist es das einzige dieser beiden, das Sie herunterladen können.

Nimm Kling 4.0, wenn die Sequenz lang ist und es viele bewegliche Teile gibt. Dreißig Sekunden, zehn Keyframes, fünfzehn Referenzen und zweikanaliger Dialog sind eine Fähigkeit, über die H3 nicht verfügt, und keine noch so gute Platzierung in Benchmarks kann das ersetzen. Geh mit dem Wissen hinein, dass du ein Modell ohne Messwerte zu einem unveröffentlichten Preis kaufst, dass 10-Bit-HDR und die zweiminütige Erweiterung beide noch als kommend gelistet sind und dass die API nur im Early Access und nicht allgemein verfügbar ist.

Was die Gestalt dieses Vergleichs verändern würde, ist ein Eintrag zu Kling 4.0 auf einem der Boards und eine veröffentlichte Preisliste. Jedes für sich allein würde ihn von einer Fähigkeits-gegen-Belege-Argumentation zu einer gewöhnlichen Preis-und-Qualitäts-Entscheidung machen – und dort möchte ein Käufer sein. Bis dahin sind die beiden Sätze, die einer Prüfung standhalten: H3 ist mit großem Abstand das besser dokumentierte Modell, und Kling 4.0 ist das einzige der beiden, das einen 30-Sekunden-Take durchhält.