Wan 3.0 vs. Kling 3: Eine durchgehende Einstellung gegen sechs geplante Einstellungen

Beginnen wir mit einer Diskrepanz, die noch niemand aufgelöst hat. Wan 3.0 hat einen veröffentlichten Preis. Kling 3.0, Kuaishous aktuelles Video-Flaggschiff, hat zwei – und sie unterscheiden sich um den Faktor drei. Kuaishous eigene API-Dokumentation listet Kling Video 3.0 mit 0,084 $ pro Sekunde für die Standard-Stufe und 0,112 $ für Pro. Artificial Analysis bepreist dasselbe Modell, auf derselben Rangliste, auf der auch Wan 3.0 geführt wird, mit 20,16 $ pro Minute für die 1080p-Pro-Stufe – 0,336 $ pro Sekunde. Beide können nicht dieselbe Generierung bei denselben Einstellungen beschreiben. Solange niemand die Auflösung dieses Widerspruchs veröffentlicht, wird jeder Vergleich pro Sekunde zwischen diesen beiden Modellen auf Zahlen gestützt, die möglicherweise nicht dasselbe messen.

Was sich ehrlich vergleichen lässt, sind die Spezifikationen, die Blind-Voting-Ergebnisse und die Designphilosophien – und in diesen Punkten sind sich die beiden Modelle über fast alles, was zählt, uneinig. Kuaishou baute Kling 3.0 rund um die Multi-Shot-Sequenz. Alibaba baute Wan 3.0 rund um die einzige ununterbrochene Aufnahme. Das ist keine Marketing-Unterscheidung; es entscheidet, welches der beiden zu Ihrem Projekt passt, bevor der Preis überhaupt ins Gespräch kommt.

Zwei Modelle, zwei Auffassungen davon, was ein Clip ist

Kling 3.0 wurde am 5. Februar 2026 als vierteilige Modellreihe veröffentlicht – Video 3.0, Video 3.0 Omni, Image 3.0 und Image 3.0 Omni. Ihr prägendes Merkmal ist die automatische Multi-Shot-Sequenzierung: Das Modell plant die Einstellungsübergänge selbst, und in einem benutzerdefinierten Modus lassen sich die Anzahl der Shots und die Dauer jedes einzelnen festlegen. Tester berichten von nutzbaren Sequenzen mit bis zu etwa sechs unterschiedlichen Shots aus einem einzigen Prompt, wobei Einstellungsgröße, Kamerabewegung und narrativer Beat pro Shot angegeben werden können. Die Obergrenze liegt bei 15 Sekunden pro Generierung, die Untergrenze bei 3 Sekunden.

Wan 3.0 geht den anderen Weg. Seine Obergrenze liegt bei 30 Sekunden in einem durchgehenden Durchlauf, und das gesamte Design zielt darauf ab, nicht zu schneiden – genug Zeit für eine einzige Kamerabewegung, eine Produktdemonstration in einem Take oder einen Monolog, der ohne Schnitt trägt. Es hat keinen Multi-Shot-Planer, denn das Versprechen ist, dass man keinen brauchen sollte.

Die praktische Konsequenz: Es ist keine Frage von besser oder schlechter, sondern eine Frage Ihres Schnitts. Ein kurzes Drama, ein aus Schnitten aufgebauter Werbespot, alles mit Dialog, der zwischen den Figuren hin- und hergereicht wird — das ist die Form von Kling 3.0. Eine durchgehende Produktenthüllung, ein Tanz- oder Performance-Stück, eine einzige bewegte Einstellung, die kohärent bleiben muss — das ist die Form von Wan 3.0. Teams, die versuchen, das eine in das Format des anderen zu zwingen, werden feststellen, dass die Fehlermodi strukturell sind: Die sechs Einstellungen von Kling 3.0 lassen sich nicht ohne Neugenerierung durchgehend machen, und die dreißig Sekunden von Wan 3.0 lassen sich nicht in sechs saubere Einstellungen schneiden, ohne das zu verlieren, wofür Sie bezahlt haben.

Die Arena-Zahlen, aufgeteilt nach dem, was sie messen

Dies ist der Teil des Matchups, in dem die Berichterstattung am schlechtesten ist, weil die meisten Seiten einen Kling-Elo zitieren, der fünf Monate alt ist. Kuaishous Launch-Material vom Februar 2026 setzte Kling 3.0 mit rund Elo 1.240 an die Spitze des Text-to-Video-Leaderboards. Das war im Februar korrekt. Das Live-Board von Artificial Analysis, erfasst am 18. September 2026, mit Audio:

• Wan 3.0 — Nr. 2, Elo 1.229, 12,00 $/Min.

• Kling 3.0 1080p Pro — Nr. 12, Elo 1.095, 20,16 $/Min.

• Kling 3.0 720p Standard — #13, Elo 1.089, $15,12/min

• Kling 3.0 Omni 720p Standard — Nr. 18, Elo 1.082, 13,44 $/Min.

• Kling 3.0 Omni 1080p Pro — #22, Elo 1.075, $16,80/min

So wurde der Februar-Spitzenreiter in sieben Monaten zu einem Mittelfeld-Modell – ohne eigenes Verschulden; das Feld hat sich bewegt. Beachten Sie außerdem, dass die eigenen Stufen von Kling über elf Plätze in der Rangliste verteilt sind, mit einer Elo-Spanne von 20 Punkten zwischen ihnen, was bedeutet, dass die Stufe, die Sie kaufen, einen geringeren Einfluss auf die gemessene Qualität hat als das Modell, für das Sie sich entscheiden. Für Pro statt Standard zu bezahlen, bringt Auflösung und in dieser Rangliste etwa sechs Elo-Punkte.

Dann gibt es die Zahl, die das ganze Bild verkompliziert und die kaum jemand zitiert. Auf dem Bild-zu-Video-Board ohneAudio ist Kling 3.0 ein anderes Kaliber: Die Stufe Omni 1080p Pro erreicht Elo 1.284 auf Rang #8, und die Stufe 1080p Pro 1.282 auf Rang #9. Das ist eine Platzierung unter den Top Ten und damit deutlich besser als seine Text-zu-Video-Vorstellung. Die Deutung lautet, dass Kling 3.0 am stärksten ist, wenn es von einem gelieferten Bild ausgeht und nicht nach erzeugtem Ton bewertet wird – was zufällig auf einen großen Teil der realen kommerziellen Arbeit zutrifft. Wenn Ihre Pipeline Bild-zu-Video ist und Sie Ihren eigenen Ton bewerten, unterschätzen die obigen Arena-Zahlen dieses Modell erheblich.

Audio, wobei beide dieselbe Behauptung aufstellen und bei einem ein dokumentiertes Problem vorliegt

Beide Modelle erzeugen Audio nativ im selben Durchlauf. Die Version von Kuaishou unterstützt Chinesisch, Englisch, Japanisch, Koreanisch und Spanisch, verarbeitet gemischtsprachige Dialoge innerhalb eines Clips, weist in Szenen mit mehreren Figuren jeder Figur eine eigene Stimme zu und bietet regionale Akzente – amerikanisches, britisches und indisches Englisch; nordostchinesisches, Pekinger, taiwanisches, kantonesisches und Sichuan-Chinesisch. Das Audio von Wan 3.0 ist standardmäßig aktiviert, lässt sich mit einem Flag deaktivieren und akzeptiert bis zu fünf Referenzaudioclips, um das Ergebnis zu steuern.

Auf dem Papier ist dies ein Gleichstand mit unterschiedlichen Sprachlisten. Bei den berichteten Ergebnissen ist das nicht so. Die Lip-Sync-Konsistenz ist die am häufigsten bemängelte Schwäche in unabhängigen Kling-3.0-Reviews – ein Praxistest ergab, dass etwa zwei von fünf Dialogclips einen Retake brauchten, und Tester, die die Bildqualität hoch bewerten, beschreiben die Lip-Sync weiterhin als inkonsistent. Berichtete Audioartefakte häufen sich bei Dialogen in geräuschvollen Umgebungen, wo Wasser- und Windgeräusche im Hintergrund die Sprache gedämpft klingen lassen können. Alibabas Problem ist anderer Natur: In den eigenen Launch-Materialien wird die Audioqualität als ein Bereich genannt, der noch Arbeit erfordert, was ein Eingeständnis zur Klangtreue und nicht zur Synchronisation ist.

Keiner der beiden Anbieter verkauft ein fertiges Dialogwerkzeug. Wenn Dialog der Kern Ihres Projekts ist, sollten Sie zuerst nicht die Bildqualität testen – sondern ob der Mund über volle 15 oder 30 Sekunden hinweg zu den Worten passt, denn genau dort versagen beide und daher stammen die Wiederholungsaufnahmen.

Referenzkontrolle und -auflösung

• Multi-Shot — Kling 3.0: automatische Shot-Planung, plus benutzerdefinierter Modus mit Anzahl und Dauer pro Shot, bis zu etwa sechs Shots. Wan 3.0: keine; einzelne kontinuierliche Generierung.

• Dauer — Kling 3.0: 3 bis 15 Sekunden. Wan 3.0: 2 bis 30 Sekunden, plus Vorwärts-, Rückwärts- und bidirektionale Verlängerung.

• Auflösung — Kling 3.0: 720p und 1080p im offiziellen Leitfaden, wobei in Kuaishous eigener Dokumentation natives 4K zu $0,42/s angegeben wird. Wan 3.0: 480p, 720p und 1080p; kein 4K.

• Bildrate — Kling 3.0: 30 fps Standard, in leistungsstärkeren Modi werden 60 fps angegeben. Wan 3.0: 30 fps.

• Referenzsteuerung — Kling 3.0: Elementbindung, Fixierung eines Motivs über Schwenks und Zooms hinweg, anhand hochgeladener Bilder oder eines Charaktervideos. Wan 3.0: bis zu 10 Referenzbilder, 5 Referenzvideos und 5 Audioclips bei einer Obergrenze von 20 Assets, plus ein Dokument oder eine öffentliche Webseite.

• Grounding — Wan 3.0 akzeptiert DOC, XLS, PPT, PDF, TXT, MD und öffentliche URLs als Eingabe und wandelt sie in Videos um. Kling 3.0 hat kein Äquivalent.

Die Auflösungszeile ist diejenige, die Sie gegen Ihre eigene Auslieferungsspezifikation prüfen sollten, denn sie ist wirklich umstritten. Kuaishous eigene Dokumentation behauptet natives 4K für Video 3.0; in der Benutzeranleitung sind nur 720p und 1080p aufgeführt. Die Credit-Sätze von Drittanbietern für 4K unterscheiden sich je nach Quelle um mehr als Faktor zwei. Wenn 4K eine harte Anforderung ist, lassen Sie es sich schriftlich für Ihr Konto bestätigen – und nicht von einer Vergleichsseite, einschließlich dieser hier.

Wo Sie sie tatsächlich anrufen können

Dies ist das einzige Matchup in dieser Serie, bei dem die Antwort zur Verfügbarkeit nicht symmetrisch ist, und es lohnt sich, das klar und deutlich zu sagen.

Kling 3.0 ist im OrcaRouter-Katalog als kling/kling-v3, zum Preis von 0,08 $ pro Anfrage, wobei der Listenpreis des Anbieters ohne Aufschlag weitergegeben wird. Das ist ein echter Unterschied zur aggregierten Übersicht oben: Statt ein Kuaishou-Konto und eine separate Integration für all die anderen Modelle vorzuhalten, die Ihre Pipeline benötigt, steht Kling 3.0 hinter demselben Schlüssel und demselben OpenAI-kompatiblen Endpunkt wie 200+ andere Modelle. Da wir dem Anbieterpreis nichts hinzufügen, wird eine Preisänderung oder Aktionspreissenkung von Kuaishou bei uns noch am selben Tag wirksam statt erst nach einem Vertragszyklus — und wenn der vorgelagerte Anbieter sich verschlechtert oder Ratenlimits anwendet, verlagert ein automatisches Failover die Anfrage, bevor die Antwort beginnt, statt einen Fehler an Ihre Anwendung zurückzugeben.

Wan 3.0 ist nicht in unserem Katalog und auch nicht auf einer allgemeinen Routing-Plattform verfügbar. Erreichbar ist es über Alibabas eigene Plattformen – Model Studio on Alibaba Cloud und Qwen Cloud – sowie über kreative Tools von Drittanbietern, die es nach dem Start am 24. August integriert haben, mit einem zeitlich begrenzten Rabatt von 30 % auf Alibabas eigenen Oberflächen, der bis zum 23. September läuft. Die eigenen Consumer-Tarife von Kuaishou und die Kling AI Web-App sind der andere Weg: mit Credits abgerechnet, ohne unbegrenzte Option.

Für ein Team, das beides möchte, ist diese Asymmetrie die praktische Form der Entscheidung: Das eine ist eine Konfigurationsänderung, das andere eine zweite Anbieterbeziehung.

Wer sollte welche auswählen?

• Wählen Sie Wan 3.0 für durchgehende Takes von mehr als 15 Sekunden, für Briefings auf Basis von Dokumenten oder Webseiten, für Clips unter drei Sekunden, für das umfangreichste Referenzbudget zum niedrigsten veröffentlichten Preis und für 30-sekündige Single-Pass-Arbeit, die andernfalls zusammengefügt werden müsste.

• Wählen Sie Kling 3.0 für Multi-Shot-Erzählsequenzen aus einem Prompt, für Image-to-Video-Arbeiten, bei denen seine Platzierung in der No-Audio-Arena wirklich unter den Top 10 ist, für mehrsprachigen Dialog über die fünf unterstützten Sprachen hinweg mit Stimmbindung pro Figur, für Elementkonsistenz über Kamerabewegungen hinweg und für 4K, wenn Sie die Stufe bestätigen.

Die ehrliche Zusammenfassung ist, dass diese beiden weniger Rivalen als vielmehr Alternativen sind, die nach Projekttyp ausgewählt werden, und der Preisvergleich, der das normalerweise entscheiden würde, ist derzeit nicht vertrauenswürdig — der von Kuaishou veröffentlichte Preis pro Sekunde und die Minutenangabe der unabhängigen Rangliste können nicht beide richtig sein, und der Unterschied ist groß genug, um eine Entscheidung umzukehren. Bis das geklärt ist, sollte der ausschlaggebende Beleg ein Test mit identischem Prompt an deinem eigenen Material sein: eine 15-Sekunden-Sequenz aus sechs Einstellungen auf Kling 3.0 gegen eine durchgehende 15-Sekunden-Aufnahme auf Wan 3.0, bei 1080p, bewertet anhand von Clips, die du tatsächlich veröffentlichen würdest.

Das, worauf man achten muss, ist nicht ein neues Modell aus einem der beiden Labore, sondern die Preisliste von Kuaishou. Wenn der Anbietertarif stimmt, ist Kling 3.0 das günstigste glaubwürdige Videomodell in dieser Serie, und die Pro-Minute-Spalte der Arena misst eine Konfiguration, die die meisten Leute nicht kaufen werden. Wenn die Zahl der Bestenliste stimmt, ist Kling 3.0 das teuerste Modell hier, und seine Platzierung im Mittelfeld ist ein Problem. Eine dieser beiden Aussagen ist wahr, und niemand hat gesagt, welche.