Kling 4.0 vs. Flux 3 Video: uno tiene una tarifa; el otro, un techo

Tanto Kling 4.0 como Flux 3 Videoaceptan texto, imágenes y vídeo, ambos prometen salida en 4K y ambos generan audio en la misma pasada que la imagen. La diferencia es que a uno de ellos se le puede poner precio. Flux 3 Video, de Black Forest Labs, alcanzó la disponibilidad general el 4 de agosto de 2026 con una tarifa por segundo publicada y una fila puntuada en la tabla de texto a vídeo de Artificial Analysis. Kling 4.0 está en la aplicación de consumo desde el 15 de octubre de 2026, genera hasta 30 segundos en una sola pasada y no tiene ni una tarifa por segundo del proveedor ni un Elo independiente. Así que la comparación no es simplemente característica contra característica; es un producto para el que hoy se puede hacer un presupuesto frente a un producto cuyo techo es más alto sobre el papel.

Eso hace que la decisión sea inusualmente clara si separas dos preguntas. ¿Qué modelo puede hacer la toma? Y ¿a qué modelo puedes comprometerte realmente este trimestre? Las respuestas no son las mismas, y la mayoría de las páginas de comparación directa las fusionan en una.

Dos tableros, sin columna compartida

Artificial Analysis incluye Flux 3 Video en la tabla de texto a vídeo, en sexto lugar con Elo 1.128 y un intervalo de confianza del 95 % de ±9 sobre 6.179 muestras, a un precio normalizado de 17,40 USD por minuto, con una fecha de lanzamiento registrada en julio de 2026. Black Forest Labs sitúa el lanzamiento público el 4 de agosto de 2026, tras el acceso anticipado desde el 23 de julio; la discrepancia es un artefacto del registro de la tabla, no una contradicción sobre el modelo.

Kling 4.0 está ausente de ese ranking y de los rankings de imagen a vídeo y de edición a fecha del 23 de octubre de 2026. La generación anterior, Kling 3.0, tiene filas; el nuevo modelo no. Una página de comparación que coloca un Elo junto a Kling 4.0 está citando el modelo antiguo. La única afirmación honesta es que un lado de esta comparativa tiene una posición medida y el otro está en blanco.

La fila de Flux 3 Video también es más limitada que su producto. El proveedor documenta texto a vídeo, imagen a vídeo, vídeo a vídeo y continuación de vídeo, con transiciones controladas por fotogramas clave. Artificial Analysis solo evalúa la configuración de texto a vídeo, por lo que la cifra del ranking describe un solo modo de un modelo multimodal, no toda su superficie. Eso es una limitación del ranking, no del modelo.

¿Qué va dentro?

Flux 3 Video es un modelo de vídeo multimodal con una lista de entradas más amplia de lo que sugiere su fila en la tabla: prompts de texto, imágenes fijas como primer fotograma, vídeo para vídeo a vídeo y continuación, y fotogramas clave para transiciones controladas. La duración alcanza hasta 20 segundos en una sola generación, con 5 a 20 segundos para texto a vídeo e imagen a vídeo, y de 5 a 15 segundos para la continuación. La resolución se vende en bandas de píxeles en lugar de relaciones de aspecto fijas — HD con aproximadamente 1 megapíxel por fotograma, FHD con 2, QHD/2K con 4 y UHD/4K con 8 — y el proveedor ofrece audio nativo opcional con diálogo multilingüe, habla sincronizada, efectos de sonido y ambiente, incluido sin coste adicional.

La propuesta de entrada de Kling 4.0 gira en torno a un presupuesto, no a una lista de modos. Omni Reference admite hasta 15 recursos en una sola tarea, con un límite de 10 imágenes, 5 vídeos que sumen 30 segundos y 7 sujetos, de los cuales hasta tres pueden basarse en vídeo; cada sujeto puede llevar asociada una voz especificada. Además, acepta hasta 10 imágenes de fotograma clave, prompts de hasta 8000 tokens y genera resultados de 3 a 30 segundos en 720p, 1080p o 4K, con 21:9 entre las relaciones de aspecto. La nota de la versión también enumera la edición dirigida en hasta cinco clips de entrada dentro de una ventana combinada de 30 segundos.

El contraste no es “uno toma imágenes y el otro no”. Es que Flux 3 Video expone las entradas como modos distintos con duraciones distintas, mientras que Kling 4.0 las expone como una sola tarea con una asignación compartida. Una generación de Flux de 20 segundos y una generación de Kling de 30 segundos son ambas pasadas únicas; la pasada de Kling puede llevar más referencias de identidad y movimiento, y la pasada de Flux tiene un precio publicado.

Resolución y la salvedad sobre HDR

Ambos proveedores anuncian 4K, y ambos merecen el mismo escrutinio. Black Forest Labs vende la resolución como una banda de píxeles y enumera HD, FHD, QHD/2K y UHD/4K como niveles de tarifa; varios resúmenes de terceros informan de que 2K y 4K están anunciados o en despliegue gradual, en lugar de estar disponibles de forma universal, así que trata las bandas superiores como una cuestión de hoja de ruta en el nivel de tu cuenta, no como una opción predeterminada. Kling 4.0 enumera 720p, 1080p y 4K como ajustes de salida, pero el HDR de 10 bits a 1080p y 4K está marcado explícitamente como «próximamente» en la nota de lanzamiento y la página de funciones de Kuaishou. La afirmación de producto ya disponible es 4K nativo sin HDR; HDR no lo está.

Ninguno de los dos modelos publica una comparación de calidad independiente normalizada por resolución. Los paneles normalizan el precio a un minuto de 1080p, por lo que los $17.40 por minuto de Flux 3 Video son comparables con otras filas, pero no con la cifra ausente de Kling 4.0.

Precio: la parte que realmente decide este trimestre

La tarifa de Flux 3 Video es específica. Texto a vídeo e imagen a vídeo cuestan $0.06 por segundo en HD borrador, $0.17 en HD/720p, $0.29 en FHD/1080p, $0.40 en QHD/2K y $0.80 en UHD/4K. Vídeo a vídeo y continuación son más caros: $0.12 en borrador, aproximadamente $0.41 a $0.43 en HD, $0.53 a $0.54 en FHD, $0.65 en 2K y $0.95 en 4K. El audio está incluido. Un clip HD de cinco segundos cuesta alrededor de $0.85 con la tarifa estándar, antes de cualquier acuerdo por volumen o de plataforma.

Kling 4.0 no tiene una tarifa por segundo del proveedor a fecha de 23 de octubre de 2026. La app funciona con créditos mediante los planes de suscripción de Kling AI. La API está detrás de un aviso de acceso anticipado, y Kuaishou no ha publicado una lista de precios. Las plataformas de terceros incluyen cifras por segundo, pero son precios de revendedores, no del proveedor, y cambian de forma independiente. Una comparación de costos entre los dos modelos hoy sería una comparación entre una tarifa publicada y una estimación.

Para tener una base utilizable, se fija el precio de la generación anterior de Kling. En OrcaRouter, kling/kling-v3 y kling/kling-v3-omni figuran a $0.084 por solicitud, kling/kling-3-turbo a $0.112, y los niveles 2.x más antiguos de $0.042 a $0.28. Esos son precios de catálogo por solicitud, no tarifas por segundo, así que no se normalizan directamente con la tarifa de Flux, pero son cifras reales que puedes incluir en un presupuesto mientras se desconoce la tarifa de Kling 4.0.

Audio y la pregunta sobre el número de pistas

El audio de Flux 3 Video es opcional, nativo y está incluido en el precio por segundo, con diálogo multilingüe, habla sincronizada, efectos de sonido y ambiente. Kling 4.0 genera estéreo de dos canales, con sincronización labial y diálogo mejorados en nueve idiomas, además de acentos de inglés y mandarín con nombre propio. Ambas son afirmaciones de los proveedores, y ninguno de los dos publica un recuento de pistas. Si necesitas diálogo, música y efectos como stems separables, ninguna de las dos hojas de especificaciones te dice si los obtendrás. Presupuesta una segunda pasada en un DAW o una regeneración, no una exportación multipista limpia.

Pesos, acceso e integración

Ninguno de los dos modelos tiene pesos abiertos. La fila de Flux 3 Video en el tablero no incluye ningún enlace a los pesos, y Black Forest Labs lo ofrece a través de su API y su panel; Kling 4.0 es un modelo alojado a través de la app y la plataforma abierta de Kuaishou. Si el autoalojamiento es un requisito, ninguno de los dos es la respuesta, y la reputación de Black Forest Labs en cuanto a lanzamientos abiertos no cambia la licencia de este checkpoint.

Flux 3 Video ha estado disponible de forma general desde principios de agosto, por lo que su contrato de solicitud ha tenido un trimestre para asentarse. La API de Kling 4.0 está en acceso anticipado, lo que históricamente implica una solicitud y una espera en lugar de un tarifario público; se indica compatibilidad con MCP y CLI, lo que ayuda a agentes y scripts de compilación, pero no hace que el endpoint esté disponible de forma general.

Ninguno de los dos modelos es una ruta de OrcaRouter hoy, y este artículo no afirma que alojemos ninguno de los dos. Lo que sí ofrecemos es la familia Kling 3.0 y más de 200 modelos de texto y multimodales en un único endpoint compatible con OpenAI, al precio de lista del proveedor con un 0 % de margen. Para un equipo que prueba Kling 4.0 mientras mantiene una ruta de producción en Flux o Kling 3.0, la arquitectura útil es un nombre de modelo estable delante de la llamada y conmutación por error automática detrás de él, de modo que un endpoint de acceso anticipado que aplique límites de velocidad o desaparezca no se lleve el lote consigo. Ese es el mismo argumento para tener dos proveedores de vídeo: el segundo es un seguro, no una cobertura sobre la calidad.

¿Quién debería elegir cuál?

• Elige Flux 3 Video si necesitas un precio publicado por segundo, una fila puntuada de texto a vídeo, un límite de 20 segundos y audio nativo incluido. Es el único de los dos que puedes aprobar en una reunión de presupuesto esta semana.

Elige Kling 4.0 si la toma necesita 30 segundos sin corte, más de un puñado de referencias de identidad, o una pista de fotogramas clave independiente. El techo es más alto y el precio es desconocido.

• Elige Flux 3 Video para video a video y continuación con una tarifa conocida; la edición de Kling 4.0 está documentada en clips que generó, dentro de una ventana combinada de 30 segundos, no como un modo general de edición de metraje.

• Elige Kling 4.0 para un entregable en 21:9 con 10 fotogramas clave y un conjunto de 15 recursos. Deja las expectativas sobre HDR en la puerta.

• No elijas ninguno si los stems de audio separables son un requisito indispensable hasta que un proveedor documente la arquitectura de canales.

Lo que resolvería esto es una tarjeta de tarifas de Kling 4.0 y una primera fila de Artificial Analysis. Hasta que ambas existan, Flux 3 Video es la compra más segura y Kling 4.0 es el piloto más capaz. La distancia entre esas dos frases es toda la decisión.