Kling 4.0 vs. MiniMax H3: el modelo evaluado es el más antiguo

Hay una versión de esta comparación que se escribe sola, y es incorrecta. MiniMax H3 se lanzó en julio de 2026 y encabeza la tabla de imagen a vídeo de Artificial Analysis. Kling 4.0 se lanzó el 15 de octubre de 2026, sustituye a un modelo que está en producción desde febrero y es el modelo de vídeo más reciente que tiene K​uaishou. La lectura obvia es que el retador ha llegado y la corona del titular está en riesgo. El estado real de los registros es más extraño: el modelo más antiguo es el que tiene puntuaciones independientes, precios publicados, pesos descargables y una ruta en nuestra plataforma, mientras que el más nuevo tiene una hoja de especificaciones más larga, ninguna puntuación, ninguna tarifa y una API que aún está en acceso anticipado. Cuál de esos debería importarte depende enteramente de si estás comprando una capacidad o una relación con un proveedor. Los fallos de IA y los incidentes de agentes documentados 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.

Ambos modelos son reales y ambos son potentes. MiniMax H3 es un modelo de 4 a 15 segundos a 768p nativo, con 2K disponible mediante un módulo de regeneración solo por API, estéreo nativo de 32 kHz generado en la misma pasada y un contexto unificado que lee referencias de texto, imágenes, vídeo y audio conjuntamente. Kling 4.0 es un modelo de 3 a 30 segundos a hasta 4K, con hasta diez fotogramas clave, quince referencias combinadas y estéreo de dos canales. La diferencia en capacidad bruta es real, y es menor que la diferencia en evidencia.

Las puntuaciones que existen, y la puntuación que no.

Artificial Analysis runs three video boards with separate scales and separate vote pools, and M​iniMax's H3 appears on all three. Read 22 October 2026:

Video a partir de imagen (AA-Video-I2V v1.1, audio conservado) — H3 (768p) ocupa el 1.er puesto con Elo 1.140 ±16 con 4.209 votos, publicado en julio de 2026, con un precio registrado de $5,40 por minuto. H3 Max ocupa el 6.º puesto con 1.125 ±17.

• Texto a vídeo (AA-Video-T2V v2.1): H3 (768p) ocupa el 5.º puesto con 1.158 ±16 sobre 5.781 votos, 4,80 $ por minuto. Wan 3.0 lidera con 1.173 y la variante H3 Max es 6.ª con 1.156, por lo que la familia ocupa dos de los seis primeros puestos.

• Edición de vídeo (AA-Video-Editing v1.1) — H3 (768p) ocupa el 4.º puesto con 1.125 ±11 sobre 7.457 votos, 9,60 $ por minuto.

Kling 4.0 no aparece en ninguna de ellas. Las filas de Kling que recogen los tableros son las de Kling 3.0 de febrero —puesto 19 en imagen a vídeo con el ancla de 1.000, puesto 17 en texto a vídeo, puesto 9 en edición— y describen la generación anterior, no esta. Ocho días después de la disponibilidad general es pronto para que aparezca en un tablero, así que se trata de una ausencia de medición, no de una mala medición. Aun así, significa que durante las próximas semanas, «cuál es mejor» tendrá una respuesta documentada por un lado y una nota de prensa por el otro.

Una advertencia sobre los números de H3, porque juega en ambos sentidos. Los intervalos de la tabla de imagen a vídeo son lo bastante amplios como para que el primer y el sexto puesto se solapen —H3 con 1.140 ±16, H3 Max con 1.125 ±17—, así que «número uno» es una posición, no una diferencia demostrada. La afirmación honesta es que H3 está en un grupo líder cuyos miembros aún no han sido separados por el recuento de votos.

Para qué sirven en realidad los quince segundos extra

El límite máximo de H3 es de 15 segundos, en pasos enteros a partir de cuatro. El de Kling 4.0 es de 30, en una sola pasada, con extensiones a dos minutos anunciadas como próximamente. Eso no es una pequeña diferencia de naturaleza, porque cruza la línea entre una toma y una escena.

• Duración — MiniMax H3: de 4 a 15 segundos. Kling 4.0: de 3 a 30 segundos, próximamente ampliación a 2 minutos.

• Resolución — H3: 768p nativo, con 2K mediante un módulo de regeneración exclusivo de API que quienes autoalojan no pueden ejecutar. Kling 4.0: 720p, 1080p, 4K, además de 21:9.

• Control a nivel de fotograma — H3: modos de primer fotograma, último fotograma y primer y último fotograma. Kling 4.0: hasta 10 fotogramas clave en cualquier punto de la línea de tiempo.

• Entradas de referencia — H3: hasta 9 imágenes, 3 clips de vídeo y 3 clips de audio leídos como un único contexto. Kling 4.0: hasta 15 recursos combinados — 10 imágenes, 5 vídeos que suman 30 segundos, 7 elementos, incluidos como máximo 3 basados en vídeo — además de referencias de voz.

• Audio — H3: estéreo de 32 kHz generado con el video, a 24 fps. Kling 4.0: estéreo de dos canales con sincronización labial y diálogo en nueve idiomas.

• Longitud del prompt — H3 no publica ningún límite de tokens en su documentación de solicitudes. Kling 4.0 acepta hasta 8.000 tokens.

El diseño de H3 se hace evidente en la consistencia bajo una cámara fija: una toma de 15 segundos con una sola interpretación, guiada por imágenes de referencia y un primer y último fotograma, es exactamente la forma que presuponen sus controles. El diseño de Kling 4.0 se hace evidente en una secuencia más larga con momentos marcados, y la línea de tiempo de diez fotogramas clave es la parte de esa mejora que más cambia cómo se concibe un plano.

El párrafo de la licencia que lo decide para algunos lectores

Este es el único enfrentamiento de este conjunto en el que uno de los dos modelos puede salir de los servidores del proveedor, y los términos merecen leerse antes que cualquier otra cosa si el autoalojamiento está en tu hoja de ruta.

MiniMax H3's base checkpoint is downloadable under M​iniMax's community licence — not Apache, not MIT. That licence excludes the United States, the United Kingdom, the European Union and South Korea, where use requires an application to M​iniMax, and commercial use above a revenue threshold requires prior written authorisation. What is open is the base model: the Context-IR prompt-expansion module and the 2K regeneration path stay on the API side and were never part of the release. If you are inside one of those four territories, the weights are not a workaround for the API — they are a separate conversation with M​iniMax.

Kling 4.0 publishes no weights at all, and K​uaishou's launch material does not suggest any will follow. That is a different kind of closed: M​iniMax shipped something with terms you might be able to meet, and K​uaishou shipped nothing to meet. Neither position is unreasonable for a company selling a video model; they are just not the same position, and a team planning an on-premise pipeline should notice which side of the line each model sits on before it costs them a quarter.

Cuánto cuesta cada uno y el único número que falta

M​iniMax bills per second of generated output: $0.08 per second at 768p and $0.13 per second at 2K, with reference audio free and the first five reference images free. That renders as $4.80 per minute at 768p, which is how Artificial Analysis records it on the text-to-video and editing boards, and as $5.40 to $7.80 per minute once the resolution configuration the board measured is taken into account. The draft-then-upscale trick does not beat the meter: 768p generation plus the 2K regeneration costs $0.08 plus $0.05, exactly the $0.13 direct 2K rate.

K​uaishou no ha publicado ninguna tarifa para Kling 4.0 en absoluto. La consola para desarrolladores de la API muestra un banner de acceso anticipado y ninguna tarifa por segundo ni para el modelo completo ni para Kling 4.0 Flash. Cada cifra que circula sobre él hoy es la estimación de alguien. Esa asimetría es el dato más relevante para la decisión en esta comparación después de la licencia: uno de estos modelos tiene un medidor que se puede leer antes de comprometerse, y el otro no.

Lo que podemos tarificar es la generación anterior. kling/kling-v3 y kling/kling-v3-omni aparecen listados a una tarifa plana de $0.084 por solicitud en nuestro catálogo, kling/kling-3-turbo a $0.112, y también se ofrece MiniMax H3, a la tarifa por segundo del propio proveedor, repercutida sin recargo. Eso importa para una prueba comparativa: tanto un modelo de Kuaishou como MiniMax H3 responden en el mismo endpoint compatible con OpenAI, así que compararlos con tus propios prompts es cuestión de cambiar el ID de modelo en lugar de tener dos cuentas de proveedor, dos SDK y dos paneles de cuotas. La conmutación por error está detrás de la misma llamada, y eso es lo que hace práctica una comparativa de una semana en lugar de un ejercicio de adquisición.

La cuestión de la disponibilidad, donde el modelo abierto es también el más sencillo

It is rare for the open-weight model to also be the more available one, and this is that case. MiniMax H3 is callable now, on our platform and on M​iniMax's own, at a published per-second rate, with three independent board entries behind it. Kling 4.0 is callable on K​uaishou's creation page and, for developers, through an early-access API with no published rate and no model identifier we can route.

A continuación hay dos cosas, y apuntan en direcciones opuestas. Si necesitas lanzar algo este mes, H3 es el modelo que tiene un precio, una puntuación y una historia de integración. Si necesitas una toma de 30 segundos con diez planos dirigidos y diálogo estéreo, H3 no puede hacerlo a ningún precio, y esperar la tarifa de Kling 4.0 es el coste de esa capacidad. La buena noticia es que no son excluyentes: encauzar un flujo de trabajo de clips cortos a través de H3 mientras pruebas Kling 4.0 en la plataforma del proveedor es una forma normal de gestionar una transición, y mantiene la ruta de producción en un modelo cuyo comportamiento está documentado.

Una salvedad que el enrutamiento no puede solucionar: si estás en EE. UU., Reino Unido, la UE o Corea del Sur y tu plan era autoalojar los pesos de H3, llamarlo mediante una API no es una solución alternativa a la licencia. Es un producto distinto con términos distintos, y la cuestión de la licencia sigue siendo tuya para responder.

Eligiendo uno

Elige MiniMax H3cuando el clip sea corto, el presupuesto sea fijo y las pruebas importen. Es uno de los cinco mejores modelos del ranking de texto a vídeo y el primero en imagen a vídeo, en tres rankings y miles de votos, a 0,08 $ por segundo en 768p. Genera su propio audio estéreo. Acepta nueve imágenes, tres clips de vídeo y tres clips de audio en un solo contexto. Y si estás fuera de los cuatro territorios excluidos, es el único de estos dos que puedes descargar.

Elige Kling 4.0 cuando la secuencia es larga y el número de piezas móviles es alto. Treinta segundos, diez fotogramas clave, quince referencias y diálogo de dos canales es una capacidad que H3 no tiene, y ninguna posición en benchmarks puede sustituirlo. Ten presente que estás comprando un modelo no evaluado a un precio no publicado, que el HDR de 10 bits y la extensión de dos minutos siguen anunciados como próximos, y que la API está en acceso anticipado en lugar de estar disponible de forma general.

Lo que cambiaría la forma de esta comparación es una entrada de Kling 4.0 en una de las tablas y una lista de precios publicada. Cualquiera de las dos por sí sola la trasladaría de un argumento de capacidad frente a evidencia a una decisión ordinaria de precio y calidad, que es donde un comprador quiere estar. Hasta entonces, las dos frases que resisten el escrutinio son: H3 es el modelo mejor documentado por un margen amplio, y Kling 4.0 es el único de los dos que sostendrá una toma de treinta segundos.