Kling 4.0 vs. Kling 3.0: la mejora está en la línea de tiempo, no en la cantidad de píxeles

Kling 4.0 se puso a disposición general el 15 de octubre de 2026, y lo primero que llama la atención es lo que no cambió. Kling 3.0, que Kuaishou lanzó el 5 de febrero de 2026, ya generaba 4K nativo. Ambos modelos indican 720p, 1080p y 4K. Ambos aceptan texto, imágenes y vídeo como entrada. Ambos están hechos por la misma empresa, se venden a través de la misma página de creación y producen clips que parecen provenir de la misma familia. Si los comparas en la línea de la ficha técnica que la mayoría de la gente revisa primero, el nuevo modelo parece un error de redondeo. Los fallos de IA documentados y los incidentes de agentes que hay detrás de lanzamientos como este se recopilan en el OrcaRouter AI Incident Archive, donde cada entrada incluye sus propias fuentes, severidad, grado de confianza e indicador de disputa.

No lo es. La diferencia entre estas dos generaciones es el tiempo: cuánto de él generará el modelo en una sola pasada y con qué precisión puedes dirigir lo que ocurre dentro de él. Kling 4.0 duplica el límite máximo de una sola generación de 15 a 30 segundos, sustituye los fotogramas de inicio y fin por hasta diez fotogramas clave y aproximadamente duplica el presupuesto de referencias. Esos son los cambios que alteran un flujo de trabajo. La insignia 4K en ambas cajas es el cambio que altera una nota de prensa.

Lo que realmente afirma la nota de la versión y lo que se lanzó

Todo en esta sección proviene de la propia nota de versión y página de funciones de K​uaishou, consultadas el 22 de octubre de 2026. Nada de esto tiene todavía una puntuación independiente que lo respalde, porque Kling 4.0 no aparece en ninguna de las tres clasificaciones de video de Artificial Analysis a esa fecha: las tablas aún incluyen filas de Kling 3.0 de febrero y nada más reciente de K​uaishou. Trata las afirmaciones del proveedor como afirmaciones.

• Duración — Kling 3.0: de 3 a 15 segundos. Kling 4.0: de 3 a 30 segundos en una sola pasada, con la extensión mediante multigeneración hasta 2 minutos indicada como próximamente.

Resolución — en ambos casos: 720p, 1080p, 4K. Kling 4.0 añade 21:9 junto a 16:9, 1:1 y 9:16.

• Rango dinámico — Kling 3.0: SDR de 8 bits. Kling 4.0: HDR de 10 bits en 1080p y 4K, que la nota de la versión señala como próximamente en lugar de ya disponible.

• Fotogramas clave — Kling 3.0: solo el primer y el último fotograma. Kling 4.0: hasta 10 imágenes de fotogramas clave colocadas en cualquier punto de la línea de tiempo.

• Referencias — Kling 3.0: hasta 7 imágenes o sujetos sin entrada de vídeo, o 1 vídeo más 4 imágenes o sujetos, con el vídeo limitado a 15 segundos. Kling 4.0: hasta 15 recursos combinados — 10 imágenes, 5 vídeos que suman 30 segundos, 7 elementos de los cuales hasta 3 pueden basarse en vídeo, además de referencias de voz.

• Audio — Kling 3.0: mono. Kling 4.0: estéreo de dos canales, con lo que el proveedor describe como una sincronización labial más ajustada.

• Idioma — Kling 3.0: chino, inglés, japonés, coreano y español. Kling 4.0 añade portugués, alemán, francés e hindi, con acentos regionales y dialectos para el chino y el inglés.

• Entrada del prompt — Kling 4.0 admite hasta 8.000 tokens de texto. La propia referencia de API de Kling 3.0 limita el campo de prompt a 3.072 caracteres. Son unidades diferentes y el proveedor no ha publicado una conversión, así que no deben interpretarse como un múltiplo directo.

Por qué 30 segundos cambian más que la duración del clip

Quince segundos equivalen aproximadamente a una acción. Un giro de producto, una línea de diálogo, un solo movimiento de cámara, una reacción. Kling 3.0 se construyó en torno a esa limitación y la sorteó con planificación de múltiples tomas: el modelo divide el clip en hasta seis tomas y corta entre ellas, y así se consigue una secuencia a partir de un cuarto de minuto.

Los 30 segundos de Kling 4.0 no sustituyen ese truco, pero cambian para qué sirve el truco. Un plano secuencia largo ya puede sostener un momento de establecimiento, una entrada de personaje y un giro sin corte, y el control de diez fotogramas clave es lo que hace que eso sea dirigible en lugar de una cuestión de suerte. La propia guía de Kuaishou sitúa los fotogramas clave en momentos fijos —un personaje que entra a los 4 segundos, un producto a los 12, un acercamiento a los 20, un cambio de escena a los 28—, lo cual es lenguaje de storyboard, no lenguaje de prompt. Esa es la verdadera mejora: el modelo ahora acepta un plan de tomas en lugar de una descripción de toma.

También aumenta el costo de una toma fallida. Una generación de 30 segundos que falla en el segundo 24 desperdicia el doble de cómputo que una falla de 15 segundos, y K​uaishou no ha publicado cuánto cuesta una generación. Eso es lo segundo que notas al leer el comunicado: no hay tabla de tarifas. La API está en acceso anticipado —la consola para desarrolladores tiene un banner que lo dice exactamente— y no hay un precio publicado por segundo ni para Kling 4.0 ni para Kling 4.0 Flash. Cualquier cifra que veas citada para Kling 4.0 hoy es una estimación que alguien ha inferido, no una tarifa del proveedor.

El presupuesto de referencia creció, y la letra pequeña creció con él.

"Hasta 15 referencias" es el titular y, como la mayoría de los números redondos, llega más lejos que los límites que aparecen debajo. El 15 es un límite máximo combinado para cuatro tipos de recurso, y los límites por categoría no son intercambiables: 10 imágenes, 5 videos cuya duración combinada no puede superar los 30 segundos, 7 elementos, de los cuales como máximo 3 pueden estar basados en video, y referencias de voz adjuntas a elementos. No puedes gastar todo el cupo en imágenes.

Los límites de Kling 3.0 eran más estrictos de una forma que importaba para un trabajo específico: un video de referencia y solo cuatro imágenes o sujetos junto a él. Si tu flujo de trabajo es «igualar esta interpretación a partir de un clip y mantener consistentes a estas cuatro personas», Kling 3.0 apenas podía lograrlo. Si es «igualar la interpretación, mantener consistentes a seis personas, reproducir este producto y esta ubicación», no podía, y Kling 4.0 sí puede.

La otra incorporación es la edición dentro del modelo. Kling 4.0 acepta hasta cinco clips de entrada para una edición —uno principal, de 3 a 30 segundos cada uno, 30 segundos en total— y el proveedor afirma que permite cambios localizados en la expresión, el movimiento corporal, la posición de cámara, el estilo o el fondo mientras el resto del plano se mantiene. Kling 3.0 Omni ya tenía flujos de trabajo basados en referencias, pero la edición era un modo aparte, no formaba parte de la misma generación. Dilucidar si esa afirmación resiste el contacto con material real es justamente el tipo de cosa que ninguna página de proveedor puede resolver.

Qué puedes llamar hoy y con qué tecla

Aquí es donde los dos modelos dejan de ser intercambiables en la práctica. Enrutamos Kling 3.0 y no Kling 4.0. El catálogo incluye kling/kling-v3 y kling/kling-v3-omni a un precio fijo de $0.084 por solicitud, kling/kling-3-turbo a $0.112, y las generaciones anteriores 2.x y O1; no existe una ruta para Kling 4.0 ni ningún identificador que añadir hasta que la API salga del acceso anticipado. Todo lo que en este texto describe Kling 4.0 como invocable se refiere a la plataforma propia de K​uaishou, no a la nuestra.

Para un equipo que quiere probar el nuevo modelo sin reconstruir un pipeline, esa asimetría sugiere la división obvia: llamar a Kling 3.0 a través del router, donde ya cuenta con precio y es estable, y probar Kling 4.0 a través de la superficie de acceso anticipado del proveedor hasta que aparezca una tarifa. Cuando lo haga, el modelo de transferencia directa importa — los precios de lista del proveedor se transfieren sin añadir ningún margen, de modo que un cambio de tarifa de K​uaishou o un descuento de lanzamiento llega a nuestra línea el mismo día en lugar de en la próxima renovación de contrato. La conmutación por error automática es la otra mitad: si un nuevo endpoint falla de forma intermitente bajo carga, la solicitud se traslada a una ruta saludable antes de que comience la respuesta, en lugar de aflorar como un trabajo fallido en tu cola.

La decisión, sin el marketing

Elige Kling 3.0 si tus tomas duran 15 segundos o menos, tus referencias son un puñado de imágenes y quieres un precio publicado y un modelo que lleva ocho meses en producción. Admite 4K nativo, admite múltiples tomas, admite audio nativo y, a $0.084 por solicitud en nuestro catálogo, es una de las formas más económicas de generar un clip utilizable. Nada en el lanzamiento de Kling 4.0 lo hace peor en esas tareas.

Elige Kling 4.0 si la limitación con la que sigues chocando es la secuencia: una toma de 25 segundos que tiene que mantenerse, un beat que tiene que caer en un segundo concreto, una escena que necesita seis referencias coherentes y un producto. Para eso están la duración extra y la línea de tiempo de fotogramas clave, y ninguna cantidad de 4K compensa no tenerlas. Ten en cuenta en el presupuesto el precio desconocido y el hecho de que el HDR de 10 bits, la extensión de 2 minutos y una lista de precios publicada siguen figurando como próximos.

La pregunta generacional que la gente hará —¿es 4.0 mejor que 3.0?— no puede responderse desde un marcador, porque el nuevo modelo no tiene una puntuación independiente. Lo que sí puede responderse es más acotado y más útil: los dos modelos ahora están diseñados para distintas distancias de tiro, y el que tiene el precio publicado es el que puedes poner en un pipeline hoy. Eso no es un veredicto sobre la calidad. Es el estado del registro al 22 de octubre de 2026.