Kling 4.0 vs Hailuo 2.3: una brecha de seis meses en dos direcciones

There is a version of this comparison that writes itself: Kling 4.0 launched on 15 October 2026, Hailuo 2.3 arrived in April, so the newer model wins. That version is wrong in a way that costs money, because the two models were built for different jobs and the six-month gap has widened the difference rather than closed it. Hailuo 2.3 is a stylist with native 1080p and no audio. Kling 4.0 is a controller with 30-second takes, stereo sound and ten keyframes. If you generate anime-adjacent motion work and cut music over it in an editor, the older model is the better instrument and always was. If you need a twenty-second take with dialogue that syncs, Hailuo 2.3 cannot do the job at any price. The documented AI failures and agent incidents behind releases like this one are collected in the OrcaRouter AI Incident Archive where each entry carries its own sources, severity, confidence grade and disputed flag.

Por eso la pregunta útil no es «cuál es mejor», sino «con qué fallo puedes vivir». A continuación se muestra dónde falla cada uno.

Qué es realmente Hailuo 2.3

M​iniMax's model is a stylist, and the company is upfront about it: cinematic camera motion, human motion and micro-expressions, and stylised or anime content are the strengths, and photorealism is explicitly not the target. That is a real market — a large share of short-form video is stylised — and on that ground it competes with models that cost several times more.

The spec sheet is where the age shows. Resolution is native 1080p, and unlike several rivals that upscale, M​iniMax does not attach an upscale caveat to it. Clip length is the constraint: 6 seconds at 1080p, 10 seconds at 768p, and no end-frame control, which makes multi-shot continuity a manual stitching job. There is no native audio — an earlier Hailuo generation had it and 2.3 dropped it — so every clip needs sound added downstream.

• Resolución — Hailuo 2.3 nativo en 1080p frente a Kling 4.0 en 720p, 1080p y 4K, con HDR de 10 bits en los dos niveles superiores marcados como próximamente.

• Duración del clip — Hailuo 2.3: 6 segundos a 1080p, 10 segundos a 768p, frente a Kling 4.0: de 3 a 30 segundos en una sola pasada, con la extensión de 2 minutos indicada como próximamente.

• Audio — Hailuo 2.3: ninguno vs. Kling 4.0: estéreo de dos canales, sincronización labial y diálogo en nueve idiomas.

• Control de fotogramas — Hailuo 2.3 solo fotograma inicial, sin fijación de fotograma final, frente a Kling 4.0 con hasta 10 fotogramas clave más primer y último fotograma.

• Control de referencias — Hailuo 2.3 no se posiciona como un modelo centrado en las referencias frente a Kling 4.0, que admite hasta 15 activos de referencia combinados.

• Estructura comercial — paquetes de puntos prepago de Hailuo 2.3 desde $1,000 hasta $6,000 frente a créditos de suscripción de Kling 4.0 en la app, sin tarifa de API publicada.

• Puntuación independiente: ninguno de los modelos tiene un enfrentamiento directo actual; la última lectura de Hailuo 2.3 en la tabla era alrededor del n.º 28, con aproximadamente 1.180 de Elo, en una edición anterior de la tabla de video de Artificial Analysis, y Kling 4.0 está ausente.

La comparación de precios que nadie puede terminar

El canal oficial de Hailuo 2.3 se basa en puntos de prepago: paquetes que van de $1,000 a $6,000, consumidos a una tarifa fija — un punto por un clip estándar de 768p de seis segundos, dos puntos por un clip de 768p de diez segundos o de 1080p de seis segundos, y con la variante más rápida Hailuo-2.3-Fast esos valores bajan a aproximadamente 0.7 y de 1.1 a 1.3. Los revendedores ofrecen un precio más uniforme de $0.067 a $0.08 por segundo, y de ahí viene la fama de que "Hailuo es baratísimo".

Kling 4.0's API has no published rate. The model sits behind an early-access banner in K​uaishou's developer documentation, the pricing tables list Kling 3.0 and its tiers but not the new model, and the consumer product runs on subscription credits. Reseller listings exist for Kling 4.0 endpoints, but a reseller rate is not a vendor list price and does not tell you what the model will cost when the endpoint opens.

Entonces, la afirmación honesta sobre el costo es esta: el modelo más barato es Hailuo 2.3, porque es el único de los dos que tiene un precio. Eso no es un elogio a su economía — un creador individual que compara un compromiso mínimo de $1,000 con una incógnita no está comparando tarifas en absoluto. Es una afirmación sobre a cuál de los lados de la comparación se le ha mitigado el riesgo.

La cuestión del audio resuelve más que la hoja de especificaciones.

If the deliverable needs sound generated with the picture — dialogue, ambience, a voice in a specific accent — Hailuo 2.3 is out before the comparison starts. Not "weaker": out. There is no audio channel to evaluate. The workflow is generate silent, then score and d​ub in an editor, and if the shot has a speaking character the lip sync must be fixed by hand or by a separate tool.

El lanzamiento completo de Kling 4.0 se basa en la suposición contraria. Estéreo de dos canales con una sincronización labial más precisa, diálogo en nueve idiomas, incluidos dialectos con nombre, y generación de texto en pantalla que, según se afirma, se mantiene legible mientras la cámara se mueve. Para un clip de una persona hablando a cámara, una escena dramática corta o una película de producto con una voz en off incorporada, esa es la capacidad que decide la compra, y es lo único que la documentación de Hailuo 2.3 no pone en duda.

The counter-argument is that generated audio is still the weakest part of every video model, and K​uaishou's own material puts no benchmark behind the lip-sync claim. That is true and it is why the audio row should be read as "can do the job at all" rather than "does it well." For a first pass, being able to generate a synced take and fix it is different from having to build the sound from zero.

Donde el estilista aún gana

Dos lugares, y merece la pena nombrarlos precisamente porque las ventajas del modelo más nuevo son mucho más fáciles de enumerar.

Lo primero es la resolución nativa al precio. Hailuo 2.3 ofrece 1080p sin la salvedad de un reescalado y sin un "próximamente" asociado al flujo de color. El 4K de Kling 4.0 es un ajuste de salida ya disponible, pero su HDR de 10 bits no lo es, así que para un flujo de trabajo con gestión de color a 1080p, el modelo anterior es la fuente más limpia: sin sorpresas, sin dependencia de la hoja de ruta.

The second is the look. A model trained and tuned toward stylised motion produces anime-adjacent and graphic work that a generalist model has to be coaxed into, and K​uaishou's release note lists claymation, glitch, felt and 3D cyber styles as supported looks without claiming any of them as a speciality. If your format is stylised short-form, the model that was built for it will beat the model that lists it among twenty options, and no keyframe count changes that.

Hay un tercer punto, más sutil. Las debilidades de Hailuo 2.3 están documentadas por su propio proveedor —sin audio, sin fotograma final, no fotorrealista—, lo que facilita planificar en torno a ellas. La nota de lanzamiento de Kling 4.0 no menciona ninguna debilidad; sus únicas salvedades son las etiquetas de "próximamente". Un modelo con una lista publicada de aquello en lo que es malo es más fácil de incluir en un plan de producción que uno con una lista publicada de aquello en lo que será bueno.

Why Hailuo 2.3 is the wrong M​iniMax model to compare against

One thing this matchup hides: Hailuo 2.3 is not M​iniMax's current generation. MiniMax H3 arrived on 31 July 2026 as an omni-modal model that reads text, image, video and audio references as one context, generates 4 to 15 second clips at 768p or 2K with native stereo audio, and is billed per second of output. Comparing Kling 4.0 to Hailuo 2.3 is comparing October 2026 to April 2026 and skipping the model in between that actually has audio, references and a modern duration ceiling.

That matters for the decision because H3 is the model a Kling 4.0 buyer would realistically weigh — and it is the one we route. On OrcaRouter, minimax/minimax-h3 is listed at $0.08 per second of generated output, on the same OpenAI-compatible endpoint as 200+ other models, at provider list price with 0% markup. Hailuo 2.3 is not in our catalogue, and neither is Kling 4.0; the K​ling family we carry runs from the 2.5 generation through Kling 3.0 and Kling 3.0 Omni at $0.084 per request and Kling 3.0 Turbo at $0.112. So the practical routing question in October 2026 is Kling 4.0 against H3, with Hailuo 2.3 relevant only if you already hold M​iniMax points or specifically need its look.

La prueba de una sola frase

Si puedes describir tu toma sin mencionar el sonido, y el aspecto es estilizado, Hailuo 2.3 sigue siendo la herramienta adecuada y su antigüedad es irrelevante: 1080p, nativo, sin reescalado, a una tarifa que puedes negociar a la baja por volumen. Si el sonido forma parte de la toma, o la toma dura más de diez segundos, o necesitas fijar diez momentos en una línea de tiempo y editar uno de ellos después, Kling 4.0 es la única de las dos que puede intentarlo: en la app hoy, con la API por llegar.

And if you are choosing for a pipeline rather than a project, compare Kling 4.0 against MiniMax H3 rather than Hailuo 2.3, because that is the pairing where both sides have audio, both sides have references, and one of them has a published per-second price. The three datable things to watch are Kling 4.0's API leaving early access with a rate, Kling 4.0's first independent Elo, and whether M​iniMax keeps Hailuo 2.3 on sale beside H3 or retires it — because a model with no successor pressure is a model whose price stays put.