Titelkarte mit der Aufschrift „Kling Image 4.0 vs. MiniMax-H3-Image“ und dem Untertitel „Der eine veröffentlicht Pixel, der andere ein Wort“. Eine linke Karte mit der Überschrift Kling Image 4.0 führt den 17. November 2026 und die Stufen 2K, 4K und 8K auf; eine rechte Karte mit der Überschrift MiniMax-H3-Image führt den 10. November 2026 und die exakten Bildgrößen 4096x4096, 4736x3552 und 6272x2688 auf, mit einem kleinen Versus-Trenner dazwischen.
Guides & Insights

Kling Image 4.0 vs. MiniMax-H3-Image: Der eine veröffentlicht Pixel, der andere ein Wort

Autor

jinhao.song

Veröffentlicht am

Neueste Modelle · 20Alle Modelle ansehen →
Benchmarks: Artificial Analysis · täglich aktualisiert
Zurück zu allen Beiträgen

Kling Image 4.0 wurde am 17. November 2026 veröffentlicht und bewirbt seine Ausgabe mit drei Wörtern: 2K, 4K, 8K. MiniMax-H3-Image wurde eine Woche früher veröffentlicht, am 10. November 2026, und seine Modellkarte bewirbt die Ausgabe mit Zahlen — 4096×4096 bei 1:1, 4736×3552 bei 4:3, 5024×3360 bei 3:2, 5472×3072 bei 16:9, 6272×2688 bei 21:9, wobei alle nahe an sechzehn Megapixeln liegen, ohne separaten Upscaler dazwischen. Dieser Unterschied im Dokumentationsstil ist nicht kosmetisch. Er entscheidet, welche der beiden Angaben man prüfen kann, bevor man Geld ausgibt, und er entscheidet, was man tatsächlich kauft, wenn man für die oberste Stufe zahlt. Kling ist außerdem auf beiden Image-Boards von Artificial Analysis vertreten, und Min​iMax hat eine Preisliste; jeder hat das, was dem anderen fehlt, und beim Vergleich geht es vor allem darum, welche Lücke Ihrem Workflow stärker schadet. Der oben beschriebene Mid-Batch-Fallback ist automatisches Failover, pro Route statt pro Retry-Schleife konfiguriert.

Die Behauptung, die du überprüfen kannst, und die Behauptung, die du nicht überprüfen kannst

Ein Wort für Auflösung ist eine Kategorie, keine Messgröße. „8K“ im Consumer-Marketing hat alles abgedeckt – von 7.680 Pixeln an der langen Kante über einen 33-Megapixel-Frame bis hin zu einem hochskalierten 4K-Render mit nachträglich angewendeter Schärfung. Klings Ankündigung kombiniert das Wort mit einer Erläuterung – „reiche Details, feine Texturen“ – und ohne Abmessungen. Das Entwickler-Preisblatt setzt die Stufe mit 40 Einheiten an, gegenüber 16 für 2K, was einem 2,5-fachen Multiplikator für etwas entspricht, das – wenn das Wort bedeutet, was es üblicherweise bedeutet – irgendwo zwischen vier- und sechzehnmal so vielen Pixeln liegt. Nichts in einem der beiden Dokumente klärt das.

Die Dokumentation von Min​iMax geht den entgegengesetzten Weg, und gerade die Spezifität ist der Punkt. Jedes Seitenverhältnis auf der Karte hat ein Pixelpaar angehängt, die API begrenzt die gelieferte Fläche auf 20 Megapixel, und der Arbeitsbereich wird als ungefähr 4 bis 20 Megapixel beschrieben. Man kann daher vor der Generierung berechnen, was ein Frame pro Megapixel kostet und ob der benötigte Zuschnitt innerhalb der Obergrenze liegt. Diese Rechnung lässt sich für Kling überhaupt nicht durchführen, weil die Zahl, die in den Nenner gehören würde, nicht veröffentlicht wurde.

Diese Asymmetrie wirkt in beide Richtungen, und es lohnt sich, genau zu bestimmen, inwiefern. Klings 8K-Stufe ist ein echtes Produkt mit Preis; wer ein Einzelbild rendert und dessen Abmessungen liest, weiß innerhalb einer Minute nach dem ersten Aufruf genau, was er bekommen hat. Die veröffentlichte Geometrie von Min​iMax ist gleichermaßen eine Herstellerangabe – niemand außerhalb von Min​iMax hat sie geprüft –, doch sie ist eine Angabe der Art, die laut und sofort scheitert, wenn sie falsch ist. „6.272 Pixel breit“ ist eine Behauptung, die ein einziges Bild widerlegt. „8K“ ist eine Behauptung, die nahezu jede Ausgabe übersteht.

Was das Geld sagt – auf den Ebenen, die sich überschneiden

MiniMax stellt die Bildausgabe pro Token in Rechnung: 3,80 US-Dollar pro Million Ausgabebild-Token im Standard-Tarif und 7,60 US-Dollar bei der Highspeed-Variante, wobei Eingabetext mit 2,30 US-Dollar pro Million und Eingabebilder mit 1,50 US-Dollar pro Million berechnet werden. MiniMax’ eigene durchgerechnete Beispiele machen daraus eine Preisstaffel pro Bild — 0,02333 US-Dollar für ein 2K-Text-zu-Bild, 0,06879 US-Dollar beim 4K-Listenpreis — und Artificial Analysis listet das Modell mit 21,79 US-Dollar pro tausend Bilder, mit einem Wert von 26,54 US-Dollar für den Bearbeitungspfad, was mit der Token-Arithmetik übereinstimmt, sobald man Referenzeingaben berücksichtigt.

Kling rechnet Einheiten nach einem Pakettarif ab. Sechzehn Einheiten bei 2K, 24 bei 4K, 40 bei 8K, zu 0,00384 US-Dollar pro Einheit im kleinsten Paket. Das sind 6,1 Cent, 9,2 Cent und 15,4 Cent pro Frame, plus 0,8 Einheiten für jedes Referenzbild oder jedes angehängte Referenzelement – ein Posten, den Klings eigene Dokumentation als neu kennzeichnet und anmerkt, dass er „sich von früheren Modellen unterscheidet, bei denen Referenzbilder und Referenzelemente kostenlos waren“.

• 2K-Standbild — Kling Image 4.0 etwa 6,1¢; MiniMax-H3-Image 0,02333 $. MiniMax ist rund 2,6× günstiger.

• 4K-Standbild — Kling etwa 9,2 ¢; Min​iMax $0,06879 zum Listenpreis. Min​iMax ist etwa ein Viertel günstiger.

• Referenzeingabe — Kling 0,8 Einheiten pro Referenz, etwa ein Drittel Cent pro Frame; Mi{{2}}n{{/2}}iMax berechnet Referenzbilder mit 1,50 $ pro Million Eingabebild-Tokens.

• Oberste Stufe — Kling 8K bei etwa 15,4 ¢; MiniMax’ Spitzenmodell liegt bei rund sechzehn Megapixeln in jedem Seitenverhältnis, wobei die API die gelieferte Fläche auf 20 Megapixel begrenzt.

• Fidelity-Regler — Kling veröffentlicht keine; MiniMax setzt den Sampler fest auf sechs Schritte mit Guidance Scale 1 und weist alles andere mit einem HTTP 400 zurück.

Das Muster ist, dass Min​iMax in jeder Preisstufe, in der sich die beiden vergleichen lassen, günstiger ist – und zwar mit einem Vorsprung, der bei 2K am größten ist –, und Klings einziger eindeutiger Preisvorteil besteht darin, dass seine Stufenleiter überhaupt höher hinaufreicht. Wenn Ihre Arbeit bei 4K oder darunter ausgeliefert wird und Sie auf die Kosten pro geliefertem Frame optimieren, ist dieser Vergleich alles andere als knapp.

A two-column comparison scoreboard titled 'Kling Image 4.0 vs MiniMax-H3-Image — the scoreboard', contrasting release date, text-to-image Elo, editing Elo, published frame geometry, price at 2K and price at 4K for the two models, with a footer reading 'Both models' scores per Artificial Analysis; prices per each vendor's published rate card.'

Ein Hinweis zum Rabatt, denn hier kommt es auf die Daten an. Min​iMax hat eine 50-prozentige Preissenkung auf 4K-Output laufen lassen, die am 17. November 2026 um 16:00 UTC auslief – sechs Tage, nachdem die Gewichte veröffentlicht wurden, und einen Tag bevor dies hier geschrieben wurde. Wer letzte Woche in einer Launch-Zusammenfassung einen 4K-Preis von $0.03439 gelesen hat, hält an einem Preis fest, den es nicht mehr gibt. Der Listenpreis von $0.06879 ist der, gegen den man kalkulieren sollte.

Sechs Schritte und ein gesperrter Sampler

MiniMax-H3-Image ist ein dichter Diffusion-Transformer mit 33,1 Mrd. Parametern – 50 Schichten, Hidden-Size 5.376, 56 Attention-Heads, FFN-Breite 14.336, 3D-multimodales RoPE – destilliert auf sechs Sampling-Schritte ohne classifier-free Guidance. Das ist kein Ratschlag. Die bereitgestellte API gibt HTTP 400 für jede Schrittanzahl außer sechs oder jede Guidance-Skala außer 1 zurück und lehnt negative Prompts rundheraus ab. Ein 12 MB großer Begleit-Checkpoint, pdd_fused_heads.safetensors, enthält pro Schritt getaktete Output-Heads, gesteuert durch pdd_config.json.

Für jemanden, der Pipelines baut, ist ein gesperrter Sampler ein gemischter Segen, und die ehrliche Einschätzung ist, dass er überwiegend ein Segen ist. Sechs ungeführte Durchläufe sind deterministische, reproduzierbare Kosten pro Frame – genau die Eigenschaft, die man will, wenn ein Kunde fragt, warum ein Render mehr gekostet hat als ein anderes. Er ist außerdem eine Garantie für Reproduzierbarkeit: Derselbe Prompt und Seed erzeugen auf demselben Checkpoint dieselbe Ausgabe, ohne dass sich ein Guidance-Sweep versehentlich zwischen Läufen ändert. Der Preis dafür ist, dass man Steps nicht gegen Qualität eintauschen kann, wenn ein bestimmtes Asset es braucht, und dass man negatives Prompting nicht als Krücke verwenden kann – was bedeutet, dass der Prompt die gesamte Spezifikation tragen muss.

Kling veröffentlicht nichts Vergleichbares. Die Veröffentlichung beschreibt Funktionen und Preisstufen; sie dokumentiert keine Schritte, keine Guidance, keine Sampler-Konfiguration und keine Determinismus-Garantie. Das ist normal für ein geschlossenes Modell, das als API bereitgestellt wird, und keine Kritik, bedeutet aber, dass die Frage der Reproduzierbarkeit auf der Kling-Seite eher unbeantwortet als gut beantwortet ist. Wenn Sie ein Frame sechs Monate später reproduzieren müssen, verlassen Sie sich darauf, dass der Anbieter das Modell hinter derselben Kennung nicht geändert hat.

Die Transparenzlücke, klar benannt

Alpha ist der deutlichste funktionale Unterschied in diesem Paar, und er ist leicht zu übersehen, weil keine der beiden Ankündigungen ihn an die Spitze stellt. MiniMax-H3-Image erzeugt keine transparenten Hintergründe. Das ist keine Schlussfolgerung aus Schweigen — es ist eine dokumentierte Einschränkung, und sie schließt das Modell für genau den Workflow aus, der einen günstigen hochauflösenden Renderer am dringendsten braucht: das Freistellen eines Produkts aus einer Szene für einen Katalog, ein Stickerset oder ein UI-Asset. Man kann auf einem einfarbigen Hintergrund generieren und anschließend maskieren, was ein Fünftel der Zeit kostet, die man beim Rendern gespart hat.

Klings fünf veröffentlichte Fähigkeiten erwähnen alpha ebenfalls nicht, also liegt dieselbe Abwesenheit vor. Doch die beiden Abwesenheiten haben nicht dieselbe Form: Min​iMax benennt die Einschränkung, Kling lässt das Thema schlicht aus. Wenn transparente Ausgabe eine Anforderung ist, ist keines der beiden Modelle eine dokumentierte Antwort darauf, und der ehrliche Weg ist, beide zu testen, statt anzunehmen, dass das teurere Modell die Funktion enthält.

Screenshot of the Artificial Analysis AA-Image-Editing v2.1 leaderboard in English, showing Kling Image 4.0 sixth at 1,183 with 5,628 samples and a $66.00 per thousand images listing, and MiniMax-H3-Image at 1,135 in fourteenth place at $26.54 per thousand images, with MiniMax-H3-Image Highspeed just below at 1,132.

Wo die Qualitätszahlen tatsächlich landen

Beide Modelle wurden gemessen, was dieses Paar den meisten Vergleichen in dieser Preisklasse voraushat. Auf dem Text-to-Image-Board von Artificial Analysis liegt Kling Image 4.0 mit 1.179,93 auf Platz sieben und MiniMax-H3-Image bei 1.065,68 – ein Abstand von etwa 114 Elo, der rund achtmal so groß ist wie das Konfidenzintervall je Zeile und daher kein Rauschen darstellt. Auf dem Editing-Board verringert sich der Abstand auf 47 Punkte, 1.182,89 gegenüber 1.135,07, und er bleibt zugunsten von Kling bestehen. Die Highspeed-Variante erreicht 1.071,67 im Text-to-Image-Bereich und 1.132,38 beim Editing, was bedeutet, dass die schnelle Stufe auf keinem der beiden Boards messbar schlechter ist als die Standardstufe.

Liest man das als einen Tausch von Preis gegen Qualität, wird die Entscheidung nachvollziehbar. Kling verlangt rund das 2,6-Fache des 2K-Preises von MiniMax und erkauft sich damit etwa 114 Elo an Text-to-Image-Präferenz. Ob dieser Tausch gut ist, hängt ganz davon ab, was gerendert wird. Ein Titelbild, das ein Mensch zehn Sekunden lang betrachtet und beurteilt – ein Kampagnen-Key-Visual, eine Hero-Produktaufnahme –, ist genau der Bereich, in dem Präferenzwerte reale Ergebnisse vorhersagen. Ein Raster aus vierzig Katalog-Thumbnails ist dagegen der Bereich, in dem sie so gut wie nichts vorhersagen, weil niemand über sie abstimmt und das Kriterium des Käufers „erkennbar der richtige Schuh“ lautet.

{{1}}Eine Zahl, die für Kling spricht, verdient eine eigene Zeile. Ihr Vorgänger, Kling Image 3.0 Omni, liegt mit 925,07 auf Platz 87 der Text-to-Image-Rangliste. Ein Sprung um 255 Punkte in einer Generation ist der stärkste Beleg in einer der beiden Veröffentlichungen dafür, dass das neuere Modell ein wirklich anderes System und kein lediglich abgestimmter Checkpoint ist, und es ist keine Zahl, die einer der beiden Anbieter in einer Ankündigung genannt hat.{{/1}}

Beide von einem Schlüssel aus laufen lassen, und einen, der nicht da ist

Die praktische Frage für ein Team, das diese beiden vergleicht, ist nicht, welches besser ist, sondern welches einen Bake-off wert ist, und ein Bake-off erfordert, dass beide Modelle vom selben Ort aus mit demselben Prompt-Set aufrufbar sind. OrcaRouter bietet Kling Image 4.0 nicht an und bietet MiniMax-H3-Image nicht an — die MiniMax-Kennung in unserem Katalog, minimax/minimax-h3, ist das Videomodell, nicht dieses — daher kann dieses spezielle Paar heute nicht über uns laufen, und etwas anderes vorzugeben wäre genau die Art von Behauptung, gegen die dieser Beitrag argumentiert.

What a single endpoint does buy you is the control arm. The catalogue carries image models we do host at provider list price with 0% markup — the GPT Image 2.5 pair, the three Imagen 4.0 tiers, the Gem​ini image models — which means a Kling-versus-Min​iMax bake-off can be run against a model you can call without a second contract and without a new invoice relationship. Automatic failover is the other half: a sixteen-megapixel render takes long enough that a rate limit mid-batch is a real risk, and a routing rule that falls back to a second model keeps a forty-frame job finishing instead of dying at frame thirty-one.

Das ist die ehrliche Aufteilung. Wenn Sie die 8K-Stufe von Kling oder die Sechzehn-Megapixel-Geometrie von MiniMax benötigen, wenden Sie sich direkt an diese Anbieter. Wenn die Frage ist, ob eines von beiden es wert ist, das zu ersetzen, was Sie derzeit betreiben, dann ergibt der Vergleich nur dann einen Sinn, wenn alle drei Seiten hinter demselben Schlüssel sitzen.

Screenshot of MiniMax's own API pricing page in English, showing the 50% off 4K image generation offer that ran until 17 November 2026 at 16:00 UTC, the standard and Highspeed input rates at $2.30 per million tokens, and the worked per-image cost examples for text-to-image and image editing.

Welches zuerst testen?

Wenn deine Einschränkung Kosten oder Geometrie ist, beginne mit Min​iMax. Bei 2,33 Cent pro 2K-Frame gegenüber 6,1 Cent bei Kling, mit veröffentlichten Pixelabmessungen für jedes Seitenverhältnis und einem festen sechsstufigen Sampler, der die Kosten pro Frame vorhersagbar macht, ist es das deutlich günstigere Experiment und dasjenige, dessen Spezifikation du mit einem einzigen Aufruf verifizieren kannst. Veranschlage für den 4K-Pfad 0,06879 $, nicht den rabattierten Wert, der am 17. November abgelaufen ist.

Beginne mit Kling, wenn deine Einschränkung die Spitze der Leiter ist oder die Workflows, für die Kling tatsächlich gebaut wurde. Nichts in der Min​iMax-Dokumentation kann mit einer langen E-Commerce-Detailseite mithalten, die als eine einzige Image-to-Image-Anfrage erzeugt wird, und nichts kann mit einem kohärenten Multi-Frame-Set aus einem einzigen Prompt mithalten. Das sind die beiden Fähigkeiten, die Kling am aufwendigsten bepreist, und die beiden, die sein Rivale überhaupt nicht adressiert – und wenn eine von beiden dein Problem beschreibt, sind die 114-Elo-Lücke und der 2,6-fache Preisaufschlag nicht mehr die interessanten Zahlen.

Was Ihnen keiner der beiden verrät, ist, welches von beiden Ihr eigenes Asset übersteht. Das braucht einen Nachmittag, ein Prompt-Set und zwei Rechnungen — und auf der zweiten Rechnung tauchen die Referenzgebühren auf: auf der Kling-Seite als 0,8 Einheiten pro Referenz, auf der MiniMax-Seite als Bild-Input-Tokens zu 1,50 USD pro Million.