Kling 4.0 vs Grok Imagine Video: el modelo más barato es el que tiene más votos

El modelo con más mediciones de esta comparación no es el más reciente, y el más reciente no se ha medido en absoluto. Grok Imagine Video es una familia de tres entradas en la tabla de imagen a vídeo de Artificial Analysis: la original de enero de 2026 con Elo 1.072 y 14.371 votos detrás, Grok Imagine Video 1.5 con 1.098 y 5.267 votos, y la variante Lite en la tabla de texto a vídeo. Kling 4.0, lanzado el 15 de octubre de 2026, no tiene fila en ninguna tabla, no tiene una tarifa por segundo publicada y cuenta con una hoja de especificaciones que supera a las tres entradas de Grok en duración, resolución y número de referencias. La brecha entre la evidencia y el techo es todo el enfrentamiento.

Esa forma es más común en este mercado de lo que admite el formato de la clasificación. Un modelo con un historial largo de votos es una cantidad conocida, no necesariamente el mejor. Un modelo de ocho días con una pasada de 30 segundos es una promesa con un carrete de demostración. La pregunta es qué tipo de incertidumbre puede absorber tu proyecto.

Tres modelos Grok, un Kling

Grok Imagine Video no es un solo producto, y los números de versión no se ordenan como cabría esperar. Siga leyendo en el tablero de imagen a video con el audio activado, tal como se capturó el 10 de octubre de 2026:

• Grok Imagine Video original — 13.º en Elo 1.072 ±7 sobre 14.371 muestras, enero de 2026, 4,20 USD por minuto.

• Grok Imagine Video 1.5 — 9.º en Elo 1.098 ±8 sobre 5.267 muestras, mayo de 2026, 8,40 USD por minuto.

• Grok Imagine Video 1.5 Lite — 16.º en la tabla de texto a vídeo con 993 ±10 sobre 5.715 muestras, publicado el 26 de agosto de 2026, 8,40 $ por minuto.

• Kling 4.0 — ninguna fila en ningún tablero a fecha de 23 de octubre de 2026.

El original es el más barato y el mejor medido. La actualización 1.5 obtiene 26 puntos Elo más y cuesta el doble por minuto, con un tercio de los votos. La variante Lite está en un tablero completamente distinto, así que compararla con las otras dos ya supone comparar tareas diferentes. Esta es una familia que se ha ido iterando al ritmo de una plataforma de consumo, y la escala de precios lo refleja: puedes comprar la base barata y bien evidenciada, el refinamiento más caro o el nivel Lite más barato por segundo, y cada uno te pide sacrificar evidencia a cambio de puntuación.

Kling 4.0 no ofrece ninguna de esas opciones internas. Hay un solo modelo, un precio no publicado y un límite máximo de duración. Esa simplicidad es una ventaja si quieres la mejor toma disponible y una desventaja si quieres una decisión de adquisición que puedas defender con una cifra.

Qué te aportan los recuentos de votos

El recuento de muestras suele considerarse un tecnicismo. En esta tabla, es la diferencia entre una afirmación y una suposición. El intervalo de ±7 del checkpoint de enero de Grok tiene la misma amplitud que el de Gemini Omni Flash, que cuenta con 12,327 votos que lo respaldan; 14,371 comparaciones bastan para que la tabla afirme una posición con cierta confianza. El ±8 de Grok 1.5 es más amplio porque tiene menos votos, no porque sea un modelo peor. El intervalo de Kling 4.0 todavía no existe.

Eso tiene una consecuencia práctica para cualquiera que elija en función de la calidad. Si eliges Grok Imagine Video original, sabes más o menos qué obtienes: un modelo de mitad de tabla con una base de evidencia sólida y la tasa más baja de esta comparación. Si eliges Kling 4.0, estás aceptando las afirmaciones del proveedor sobre un modelo que los evaluadores independientes aún no han puntuado. Ninguna de las dos elecciones es irracional. Son apuestas distintas.

El techo de especificaciones

Sobre el papel, Kling 4.0 es la máquina más capaz por un margen claro.

• Duración — Kling 4.0 genera de 3 a 30 segundos en una sola pasada, con la extensión de dos minutos anunciada como próximamente. Grok Imagine Video 1.5 genera de 1 a 15 segundos, con extensión autorregresiva desde el último fotograma; la versión original está limitada a 8,7 segundos para tareas de edición y extensión.

• Resolución — Kling 4.0 incluye 720p, 1080p y 4K, con HDR de 10 bits en 1080p y 4K marcado como próximamente. Grok 1.5 ofrece 480p, 720p y 1080p de forma nativa. El original alcanza una resolución inferior.

• Referencias — Kling 4.0 admite hasta 15 recursos entre imágenes, videos, sujetos y voces, con límites de 10 imágenes, 5 videos, 7 sujetos y hasta 3 sujetos basados en video. Grok 1.5 admite hasta 14 imágenes de referencia, hasta 3 referencias de voz y hasta 4 fotogramas clave intermedios del video, además del primer y el último fotograma.

• Fotogramas clave — Kling 4.0 admite hasta 10 imágenes de fotogramas clave. Grok 1.5 toma el primer fotograma, el último fotograma y hasta 4 fotogramas intermedios del video.

• Audio — ambos generan audio nativo con habla sincronizada con los labios; Kling afirma que ofrece estéreo de dos canales y nueve idiomas además de dialectos, y Grok afirma generación conjunta de audio y vídeo con hasta 3 referencias de voz predefinidas.

• Prompt — Kling 4.0 acepta hasta 8,000 tokens. La documentación de Grok no publica límites de prompt comparables.

Los dos están más cerca en referencias de lo que sugieren las cifras destacadas: 15 recursos frente a 14 imágenes más 3 voces no es una paliza. La verdadera diferencia está en la duración y la resolución. Treinta segundos en 4K frente a quince en 1080p es una categoría distinta de entregable, y es la razón por la que Kling 4.0 merece considerarse a pesar de la evidencia faltante.

Precio: una escalera publicada contra un espacio en blanco

Los precios de Grok Imagine Video se publican por segundo según la resolución. El modelo 1.5 cuesta $0.08 por segundo a 480p, $0.14 a 720p y $0.25 a 1080p, con audio incluido y entrada de imagen a $0.01 por imagen. La variante Lite cuesta $0.02 a 480p, $0.03 a 720p y $0.14 a 1080p. El original heredado cuesta $0.05 a 480p y $0.07 a 720p. Artificial Analysis normaliza la fila de 1.5 a $8.40 por minuto y la del original a $4.20, lo cual es coherente con las tarifas de 720p.

Kling 4.0 no tiene una tarifa por segundo del proveedor a fecha de 23 de octubre de 2026. La aplicación funciona con créditos mediante los planes de Kling AI; la API está en acceso anticipado. Los listados de revendedores cotizan cifras por segundo, pero no son el precio de Kuaishou y varían lo suficiente como para que usar una como línea presupuestaria sea una conjetura.

Para tener una base real, la generación anterior de Kling tiene precio y está en producción. En OrcaRouter, kling/kling-v3 y kling/kling-v3-omni cuestan $0.084 por solicitud, kling/kling-3-turbo cuesta $0.112, y los niveles 2.x más antiguos van de $0.042 a $0.28. Esos son precios por solicitud en lugar de tarifas por segundo, así que no se corresponden uno a uno con la tarjeta de Grok, pero son las cifras que un comprador de Kling puede usar hoy.

Acceso y superficie de edición

Grok Imagine Video es accesible a través de la API de xAI y del producto de consumo Grok. El modelo 1.5 es asíncrono: se envía, se consulta un ID de solicitud mediante sondeo y se descarga. La familia lleva el tiempo suficiente en servicio como para que su esquema de solicitud esté documentado y sus modos de fallo sean conocidos. La versión original se encarga de las tareas de edición y extensión, con un límite de 720p y una fuente de 8,7 segundos; el modelo 1.5 está centrado en la generación y, según la documentación, no admite explícitamente la edición ni la extensión de vídeo como funciones disponibles.

Kling 4.0 ya está disponible en la aplicación y el sitio web de Kling AI a nivel global, con el anuncio de lanzamiento global fechado el 16 de octubre de 2026. La API está en acceso anticipado, con compatibilidad con MCP y CLI indicada. Su superficie de edición está documentada como ediciones específicas de expresión, movimiento corporal, posición de cámara, estilo y fondo en hasta cinco clips de entrada dentro de una ventana combinada de 30 segundos — más amplia que la compatibilidad de edición documentada de Grok 1.5, más limitada que la de un editor de vídeo de propósito general.

Ninguno de los dos modelos es una ruta de OrcaRouter hoy, así que nada de esto constituye una afirmación de que alojemos alguno de ellos. La generación de Kling que sí ofrecemos es Kling 3.0, que es la alternativa práctica si estás probando Kling 4.0 durante el acceso anticipado. En términos más generales, la razón para situar una pasarela delante de una infraestructura de vídeo es que estos modelos fallan de formas distintas: uno limita la tasa de peticiones, otro agota el tiempo de espera en una generación larga, un tercero devuelve un estado terminal que no es un éxito. Un único endpoint compatible con OpenAI con conmutación por error automática y precios de lista de proveedores repercutidos con un 0 % de margen no mejora los modelos, pero evita que un solo endpoint defectuoso se convierta en un lote fallido.

¿Quién debería elegir cuál?

• Elige Grok Imagine Video original si quieres la tarifa publicada más baja y la base de evidencia más sólida. A $4.20 por minuto y con 14,371 votos, es la opción menos sorprendente de la comparación, y es lo bastante barato como para usarlo en borradores.

• Elige Grok Imagine Video 1.5 si necesitas 1080p nativo, tomas de 15 segundos, hasta 14 imágenes de referencia y 3 referencias de voz, y un precio por segundo documentado. Es el Grok mejor equipado para una toma de personaje controlada.

• Elige Kling 4.0 si necesitas una pasada única de 30 segundos, 4K, 10 fotogramas clave o una entrega en 21:9, y estás dispuesto a probar en fase piloto una API de acceso anticipado sin puntuación ni precio definido.

• Elige Grok si adquisiciones necesita una cifra esta semana; elige Kling si la toma requiere el plano más largo y puedes esperar la tarifa.

La conclusión honesta es que estos dos modelos todavía no compiten realmente por la misma compra. Grok Imagine Video es una familia madura, mesurada y económica que se vende con una tarifa pública. Kling 4.0 es un modelo con un techo más alto en su primera semana de disponibilidad general, con las evidencias y los precios aún por llegar. El movimiento correcto para la mayoría de los equipos es mantener el modelo mesurado en producción y probar el nuevo en las tomas que realmente necesitan 30 segundos, y volver a leer tanto la tabla como la tarifa dentro de un mes, cuando la columna en blanco quizá por fin tenga un número.