Kling 4.0 vs. Vidu Q4 Preview: Einer von beiden kann keinen Text-Prompt annehmen

Öffne Vidu Q4 Previews Produktseite und zähle die Generierungsmodi. Es gibt zwei: Bild-zu-Video und Referenz-zu-Video. Es gibt keinen Text-zu-Video-Tab, und die API-Dokumentation stimmt überein — die Endpunkte sind /ent/v2/img2video und /ent/v2/reference2video, und keiner akzeptiert einen Prompt allein. Kling 4.0, im Gegensatz dazu, ist ein Text-first-Modell, das auch Bilder, erste und letzte Frames und bis zu zehn Keyframes annimmt. Vor jedem Vergleich von Elo, Auflösung oder Preis ist das die Tatsache, die die meisten Projekte entscheidet: Eines dieser Modelle kann mit einem Satz beginnen, und das andere braucht ein Bild.

Alles andere in diesem Vergleich ergibt sich daraus. Vidu Q4 Preview ist ein gezieltes Instrument für Aufnahmen, die mit einem Bild beginnen. Kling 4.0 ist ein Allzweck-Generator mit einer Regie-Oberfläche. Bei Image-to-Video überschneiden sie sich, überall sonst gehen sie deutlich auseinander.

Was Shengshu am 7. Oktober veröffentlichte

Vidu Q4 Preview ist die erste öffentliche Vorschau von Vidus Flaggschiff der nächsten Generation, die bewusst vor dem vollständigen Q4-Modell veröffentlicht wurde, damit Feedback die finale Version prägen kann. Es erzeugt Video mit nativem Audio – standardmäßig aktiviert, Dialoge und Soundeffekte inklusive – und seine Spezifikation ist im Referenzbereich ungewöhnlich großzügig.

• Modi — Bild-zu-Video, 3 bis 16 Sekunden; Referenz-zu-Video, 1 bis 16 Sekunden. Kein Text-zu-Video.

• Auflösung — eine Staffelung aus 540p, 720p, 1080p, 2K und 4K, wobei 2K und 4K eine 10-Bit-Farbtiefe aufweisen.

• Referenzen – bis zu 15 Referenzbilder und bis zu 3 Referenzaudioclips mit einer Länge von drei bis zwölf Sekunden.

• Prompt-Länge — bis zu 20.000 Zeichen am Image-to-Video-Endpunkt.

• Audio — nativ, standardmäßig auf true gesetzt. Man schaltet es bewusst aus statt ein.

• Zurückgegebene URLs — Erstellungs-URLs bleiben 24 Stunden lang gültig, was wichtig ist, wenn Sie Batches anlegen und später rendern.

Die Effizienzbehauptung des Anbieters – „bis zu fünfmal so viel Output bei gleichem Budget“ unter vergleichbaren Spezifikationen – ist ein Marketingkonstrukt, solange sie niemand reproduziert, und das eigene Launch-Material von Shengshu enthält den Hinweis, dass endgültige Preise, unterstützte Auflösungen, Funktionsverfügbarkeit und Nutzungsbedingungen je nach Tarif und Region variieren können.

Was Kling 4.0 auf derselben Achse bietet

Kling 4.0 ist seit dem 15. Oktober 2026 für alle verfügbar. Auf der Achse Bild-zu-Video ist es das flexiblere der beiden: bis zu 10 Keyframe-Bilder, die du platzieren kannst, um Charakterzustände und Szenenwechsel zu definieren, ein Referenzbudget von 15 Elementen, aufgeteilt auf 10 Bilder, 5 Videos mit insgesamt maximal 30 Sekunden, Stimmreferenzen und 7 Elemente sowie eine Einzeldurchlauf-Dauer von 3 bis 30 Sekunden.

Der Unterschied bei der Dauer ist derjenige, der sich im Schnitt zeigt. Vidu Q4 Preview endet bei 16 Sekunden. Kling 4.0 läuft in einem Durchgang bis 30 Sekunden, wobei eine Erweiterung auf 2 Minuten als bald verfügbar angekündigt ist. Für eine 20-Sekunden-Aufnahme braucht Vidu eine Zusammenführung, Kling nicht. Bei einer 10-Sekunden-Aufnahme – der eigentlichen Einheit der meisten Social- und Werbearbeiten – verschwindet der Unterschied.

Die Auflösung liegt näher beieinander, als das Marketing vermuten lässt. Beide beanspruchen 4K. Vidus 2K- und 4K-Stufen werden heute mit 10-Bit-Farbtiefe ausgeliefert; Klings 10-Bit-HDR bei 1080p und 4K ist in Kuaishous eigenem Versionshinweis und auf der Funktionsseite als „demnächst verfügbar“ gekennzeichnet, zusammen mit nativem 4K mit 21:9. Wenn ein 10-Bit-Deliverable in diesem Quartal eine harte Anforderung ist, ist Vidus Anspruch derjenige, der derzeit tatsächlich ausgeliefert wird – vorbehaltlich der Einschränkung hinsichtlich Tarif und Region.

Die Boards sagen etwas Engeres als die Launch-Copy.

Artificial Analysis betreibt Video-Leaderboards mit separaten Elo-Skalen und separaten Abstimmungs-Pools, und diese sind versioniert. Bei seinem Debüt im Oktober auf dem Image-to-Video-Board v1.0 – Image-to-Video, Audio beibehalten – Vidu Q4 Preview stieg mit Elo 1.179 ±10 bei 5.543 Samples auf Platz drei ein, bei einem erfassten Preis von 7,20 US-Dollar pro Minute. Darüber lagen MiniMax H3 Max mit 1.195 und MiniMax H3 mit 1.181; Gemini Omni Flash belegte mit 1.178 den vierten Platz. Die Zehn-Punkte-Intervalle vom dritten bis zum sechsten Platz überschnitten sich nahezu vollständig, sodass „Dritter“ selbst damals eine Position innerhalb des Rauschens war.

Die Lücke, die nicht im Rauschen lag, war die zum Vorgänger von Vidu. Bei dieser Erhebung lag Vidu Q3 Pro mit 1.056 auf Platz neunzehn. Eine Verschiebung um 123 Punkte in einer einzigen Veröffentlichung ist größer als die gesamte Spannweite innerhalb der Top sechs der Rangliste, und sie ist der stärkste Beleg dafür, dass diese Vorschau ein echter Generationssprung und kein Rebranding ist.

Dann hat sich das Board bewegt. Die Version, die ich am 23. Oktober gelesen habe, ist AA-Video-I2V v1.1, und sie listet 24 Modelle auf: MiniMax H3 zuerst mit 1.140, FLUX 3 Max zweiter mit 1.138, Dreamina Seedance 2.5 dritter mit 1.138, MiniMax H3 Max sechster mit 1.125 und Vidu Q3 Pro siebzehnter mit 1.016. Vidu Q4 Preview erscheint nirgendwo in dieser Liste. Der Hinweis oben auf dem Board besagt, dass in den letzten 30 Tagen drei Modelle hinzugefügt wurden, und er nennt keines davon als Vidus Preview.

Ich werde nicht so tun, als bedeute das, dass das Modell schlechter geworden ist, und ich kann Ihnen nicht sagen, warum es fehlt – ob es zurückgezogen, neu eingestuft oder einfach nicht in die neue Board-Version übernommen wurde. Was es bedeutet, ist, dass jede Behauptung, dieses Modell sei „der Dritte der Welt“, einschließlich der, mit der dieser Artikel begann, eine Aussage über eine bestimmte Erfassung auf einer bestimmten Board-Version ist und dass das Board sie derzeit nicht bestätigt. Behandeln Sie den Rang als Geschichte und die Produktseite als die dauerhafte Tatsache.

Auf der Text-to-Video-Rangliste Vidu Q4 Preview nie erschienen – und dieses Fehlen ist kein Bewertungsproblem. Der beste Vidu-Eintrag dort ist Vidu Q3 Pro, im Mittelfeld, während Wan 3.0 führt. Das passt zur Produktseite: Dies ist ein Bild- und Referenzmodell, und die Text-to-Video-Rangliste misst es nicht.

Kling 4.0 taucht auch acht Tage nach der allgemeinen Verfügbarkeit auf keinem dieser Boards auf. Das ist kein niedriger Wert; es ist überhaupt kein Wert, weder in die eine noch in die andere Richtung. Der Qualitätsvergleich zwischen diesen beiden Modellen existiert somit in keiner gemeinsamen Einheit, und die einzige unabhängige Zahl in diesem Artikel gehört zu einem Modell, das das aktuelle Leaderboard nicht mehr führt.

Die beiden Preisangaben – und die eine, von der Sie Ihr Budget ableiten sollten

Shengshu bewirbt Vidu Q4 Preview mit „ab 0,014 USD pro Sekunde“, was 0,84 USD pro Minute entspricht. Die im Oktober erfasste Artificial-Analysis-Aufzeichnung verzeichnete dasselbe Modell mit 7,20 USD pro Minute. Die beiden Werte beziehen sich nicht auf dasselbe Produkt: Der Einführungswert ist ein promotionaler Mindestpreis, fast sicher am unteren Ende der Auflösungsskala, und der verfolgte Wert war eine gemessene Rate bei einer Produktionsauflösung. Der Anbieter sagt außerdem ausdrücklich, dass die Preise promotional sind und je nach Tarif und Region variieren können. Kalkulieren Sie mit dem höheren Wert und behandeln Sie den niedrigeren als Angebot zur Kundengewinnung.

Die veröffentlichten Vorschau-Tarife von Kling 4.0 liegen bei 0,157 USD pro Sekunde bei 720p und 0,235 USD bei 1080p – 9,42 USD bzw. 14,10 USD pro Minute –, wobei es überhaupt keinen 4K-Tarif gibt und die Seite das Modell weiterhin als „Coming Soon“ kennzeichnet. Mit diesen Zahlen bewegen sich die beiden Modelle bei Produktionsauflösung im selben Bereich, wobei Vidu günstiger ist und Kling Ihnen pro Generierung 14 zusätzliche Sekunden verschafft.

• Pro 10-Sekunden-1080p-Clip — Vidu kostet bei den erfassten 7,20 $/Min. etwa 1,20 $. Kling 4.0 kostet bei 0,235 $/s 2,35 $.

• Pro 30 Sekunden fertiggestelltem Filmmaterial — Vidu benötigt zwei Generierungen und ein Zusammenfügen, etwa 3,60 $ plus Bearbeitungszeit. Kling 4.0 benötigt eine, für 7,05 $.

• Pro 100 Zehn-Sekunden-Clips — Vidu etwa 120 $; Kling etwa 235 $; die unten erwähnte Basisroute MiniMax H3 kostet etwa 80 $.

Zugriff: Eines ist aufrufbar, das andere befindet sich mitten im Rollout.

Keines der beiden Modelle ist ein sauberer Self-Service-Standard. Vidu Q4 Preview hat eine echte API mit dokumentierten Endpunkten, was es heute besser umsetzbar macht als Kling 4.0, dessen API ab dem 21. Oktober in Wellen geöffnet wurde, während seine Entwickler-Preisliste weiterhin angibt, dass das Modell noch nicht verfügbar ist. Doch der Build von Vidu ist ausdrücklich eine Vorschau: Aktionspreise, die Verfügbarkeit von Funktionen kann sich ändern, und sogar ein falsch geschriebener Modell-Alias – viduq4-previerw – neben dem korrekten in der Dokumentation. Das ist eine Kleinigkeit, die etwas Wahres darüber verrät, wo dieser Build steht.

Für ein Team, das sowohl einen textzentrierten als auch einen bildzentrierten Pfad benötigt, besteht die praktische Vorgehensweise darin, die Auswahl auf der Routing-Ebene statt im Anwendungscode zu belassen. OrcaRouter hostet keines der beiden Modelle – im Katalog gibt es keine Vidu-Kennung und keine Kling-4.0-Route –, hostet aber Kling 3.0 zu 0,084 US-Dollar pro Anfrage und MiniMax H3 zu 0,08 US-Dollar pro Sekunde generierten Videos, über einen einzigen OpenAI-kompatiblen Endpunkt mit mehr als 200 Modellen zum Listenpreis des Anbieters bei 0 % Aufschlag. Das Routing-DSL ist der Baustein, der zu dieser speziellen Kombination passt: Es ermöglicht Ihnen, ein textzentriertes Modell und ein bildzentriertes Modell hinter einer einzigen Schnittstelle zu platzieren, sodass die Entscheidung zu einem Parameter wird, und automatisches Failover bedeutet, dass eine ausfallende Vorschau-Route nicht den ganzen Batch mitreißt.

Die Wahl zwischen ihnen ist vor allem eine Frage deines ersten Frames

Wenn deine Aufnahme mit einem Satz beginnt, dann ist Vidu Q4 Preview das falsche Werkzeug, und daran ändert auch ein noch so hoher Elo-Wert nichts. Du würdest ein Standbild anderswo generieren und es dann übergeben – was eine legitime Pipeline ist, und eine, die viele Teams bewusst fahren, weil sie ihnen die Kontrolle über das Eröffnungsbild verschafft.

Wenn deine Aufnahme mit einem Foto, einem Produktbild, einem Character Sheet oder einem Storyboard-Frame beginnt, ist Vidu Q4 Preview die besser belegte Wahl der beiden: Es steht auf Platz drei der Rangliste, es hat 123 Elo gegenüber seinem eigenen Vorgänger zugelegt, es akzeptiert 15 Referenzbilder und 3 Audioclips, und sein 10-Bit-4K ist bereits verfügbar statt nur versprochen. Die 16-Sekunden-Obergrenze ist der Preis dafür.

Wenn du Länge, Keyframe-Choreografie oder einen Text-zu-Video-Weg mit Referenzbudget brauchst, Kling 4.0 ist das einzige der beiden, das diese bietet – und du solltest seinen Preis als vorläufig betrachten, bis Kuaishou einen 4K-Tarif veröffentlicht und das „Coming Soon“-Banner entfernt.

Was dieses Bild verändern würde, ist nicht eine weitere Spezifikation. Es ist ein Kling-4.0-Eintrag auf der Image-to-Video-Bestenliste – dem einzigen Ort, an dem diese beiden Modelle tatsächlich in derselben Einheit verglichen werden könnten – und eine vollständige Vidu-Q4-Veröffentlichung, die entweder das Referenzbudget von 15 Bildern und das 10-Bit-4K beibehält oder beides still zusammenstreicht, wenn die Aktionspreise enden. Bis beides existiert, ist das ehrliche Ranking das, das die Bestenlisten an dem Tag stützen, an dem Sie sie lesen: Vidu Q4 Preview war im Oktober ein gemessener Dritter und ist derzeit nicht aufgeführt, Kling 4.0 ist überall ungemessen, und Ihr erstes Bild entscheidet, welche Frage Sie überhaupt stellen.