Kling 4.0 vs Vidu Q4 Preview: uno de ellos no acepta un prompt de texto

Abre Vidu Q4 Preview y cuenta los modos de generación. Hay dos: Imagen a vídeo y Referencia a vídeo. No hay pestaña de texto a vídeo, y la documentación de la API concuerda: los endpoints son /ent/v2/img2video y /ent/v2/reference2video, y ninguno acepta un prompt por sí solo. Kling 4.0, en cambio, es un modelo que prioriza el texto y que además acepta imágenes, primer y último fotograma, y hasta diez fotogramas clave. Antes de cualquier comparación de Elo, resolución o precio, ese es el hecho que decide la mayoría de los proyectos: uno de estos modelos puede partir de una frase, y el otro necesita una imagen.

Todo lo demás en esta comparativa es consecuencia de eso. Vidu Q4 Preview es un instrumento específico para planos que comienzan con una imagen. Kling 4.0 es un generador de propósito general con una superficie de control de director. Coinciden en imagen a vídeo y divergen marcadamente en todo lo demás.

Lo que Shengshu lanzó el 7 de octubre

Vidu Q4 Preview es la primera vista previa pública del buque insignia de nueva generación de Vidu, publicada deliberadamente antes del modelo Q4 completo para que los comentarios puedan dar forma al lanzamiento final. Genera vídeo con audio nativo —activado por defecto, con diálogo y efectos de sonido incluidos— y su especificación es inusualmente generosa en el extremo de referencia.

• Modos: imagen a vídeo, de 3 a 16 segundos; referencia a vídeo, de 1 a 16 segundos. Sin texto a vídeo.

• Resolución — una escala de 540p, 720p, 1080p, 2K y 4K, en la que 2K y 4K cuentan con una profundidad de color de 10 bits.

• Referencias: hasta 15 imágenes de referencia y hasta 3 clips de audio de referencia de tres a doce segundos cada uno.

• Longitud del prompt — hasta 20.000 caracteres en el endpoint de imagen a vídeo.

• Audio — nativo, true por defecto. Lo desactivas a propósito en lugar de activarlo.

• URL de retorno: las URL de creación siguen siendo válidas durante 24 horas, algo que importa si procesas por lotes y renderizas más tarde.

La afirmación de eficiencia del proveedor —"hasta cinco veces más rendimiento por el mismo presupuesto" con especificaciones comparables— es una construcción de marketing hasta que alguien la reproduzca, y el propio material de lanzamiento de Shengshu incluye una advertencia de que los precios finales, las resoluciones compatibles, la disponibilidad de funciones y los términos de uso pueden variar según el plan y la región.

Lo que ofrece Kling 4.0 en el mismo eje

Kling 4.0 está disponible para todos desde el 15 de octubre de 2026. En el eje de imagen a vídeo, es el más flexible de los dos: hasta 10 imágenes clave que puedes colocar para definir estados de los personajes y cambios de escena, un límite de 15 referencias repartidas entre 10 imágenes, 5 vídeos con una duración máxima combinada de 30 segundos, referencias de voz y 7 elementos, y una duración de una sola pasada de 3 a 30 segundos.

La diferencia de duración es la que se nota en la edición. Vidu Q4 Preview se detiene a los 16 segundos. Kling 4.0 llega a 30 en una sola pasada, con la extensión hacia 2 minutos anunciada como próximamente. Para un plano de 20 segundos, Vidu necesita un empalme y Kling no. Para un plano de 10 segundos —la unidad real de la mayoría del trabajo social y publicitario—, la diferencia desaparece.

La resolución está más igualada de lo que sugiere el marketing. Ambos afirman ofrecer 4K. Los niveles 2K y 4K de Vidu ya se comercializan hoy con profundidad de color de 10 bits; el HDR de 10 bits de Kling en 1080p y 4K figura como próximamente en la propia nota de lanzamiento y la página de funciones de Kuaishou, junto con el 4K nativo en 21:9. Si un entregable de diez bits es un requisito indispensable este trimestre, la afirmación de Vidu es la que actualmente está disponible, sujeto a la salvedad del plan y la región.

Los paneles dicen algo más limitado que el texto de lanzamiento.

Artificial Analysis gestiona tablas de clasificación de vídeo con escalas Elo independientes y grupos de votos independientes, y están versionadas. En su debut de octubre en la tabla de imagen a vídeo v1.0 —imagen a vídeo, audio conservado—, Vidu Q4 Preview entró en tercer lugar con Elo 1.179 ±10 sobre 5.543 muestras, a un coste registrado de 7,20 USD por minuto. Por encima se situaban MiniMax H3 Max con 1.195 y MiniMax H3 con 1.181; Gemini Omni Flash quedó cuarto con 1.178. Los intervalos de diez puntos del tercero al sexto se solapaban casi por completo, así que «tercero» era una posición dentro del ruido incluso entonces.

La diferencia que no quedaba dentro del ruido era la que había con el predecesor de Vidu. En esa captura, Vidu Q3 Pro ocupaba el decimonoveno puesto con 1.056. Un movimiento de 123 puntos en una sola versión es mayor que toda la dispersión entre los seis primeros de la tabla, y es la evidencia más sólida de que esta preview es un verdadero salto generacional y no un simple cambio de marca.

Luego la tabla cambió. La versión que leí el 23 de octubre es AA-Video-I2V v1.1, y enumera 24 modelos: MiniMax H3 primero con 1.140, FLUX 3 Max segundo con 1.138, Dreamina Seedance 2.5 tercero con 1.138, MiniMax H3 Max sexto con 1.125, y Vidu Q3 Pro decimoséptimo con 1.016. Vidu Q4 Preview no aparece en ningún lugar de esa lista. La nota en la parte superior de la tabla dice que se añadieron tres modelos en los últimos 30 días, y no nombra a ninguno de ellos como la vista previa de Vidu.

No voy a pretender que eso signifique que el modelo empeoró, y no puedo decirte por qué falta —si fue retirado, reclasificado o simplemente no se incluyó en la nueva versión de la tabla de clasificación. Lo que sí significa es que toda afirmación de «tercero del mundo» sobre este modelo, incluida la que abrió este artículo, es una declaración sobre una captura específica en una versión específica de la tabla, y que la tabla no la está corroborando actualmente. Trata el puesto en la clasificación como historia y la página del producto como el hecho duradero.

En la tabla de texto a vídeo, Vidu Q4 Preview nunca ha aparecido, y esa ausencia no es un problema de puntuación. La mejor entrada de Vidu ahí es Vidu Q3 Pro, en mitad de la tabla, mientras que Wan 3.0 lidera. Es coherente con la página del producto: este es un modelo de imagen y referencia, y la tabla de texto a vídeo no lo está midiendo.

Kling 4.0 tampoco aparece en ninguna de estas tablas de clasificación, ocho días después de su disponibilidad general. Eso no es una puntuación baja; es la ausencia de puntuación, en ninguno de los dos sentidos. Así que la comparación de calidad entre estos dos modelos no existe en ninguna unidad compartida, y el único número independiente de este artículo pertenece a un modelo que la tabla de clasificación actual ya no incluye.

Los dos números de precio, y el que deberías tomar como base para tu presupuesto

Shengshu anuncia Vidu Q4 Preview «desde $0.014 por segundo», lo que equivale a $0.84 por minuto. La captura de Artificial Analysis de octubre registró el mismo modelo a $7.20 por minuto. No son el mismo producto: la cifra de lanzamiento es un mínimo promocional, casi con certeza en el nivel más bajo de la escala de resolución, y la cifra monitoreada fue una tarifa medida a una resolución de producción. El proveedor también afirma categóricamente que el precio es promocional y puede variar según el plan y la región. Presupueste a partir de la cifra más alta y considere la más baja como una oferta de captación.

Las tarifas de vista previa publicadas de Kling 4.0 son 0,157 $ por segundo en 720p y 0,235 $ en 1080p —9,42 $ y 14,10 $ por minuto—, sin ninguna tarifa para 4K y con una página que todavía marca el modelo como Próximamente. Con esas cifras, los dos modelos están en la misma banda a resolución de producción, con Vidu más barato y Kling ofreciéndote 14 segundos extra por generación.

• Por cada clip de 1080p de 10 segundos: Vidu, al precio registrado de $7.20/min, cuesta aproximadamente $1.20. Kling 4.0, a $0.235/s, cuesta $2.35.

• Por cada 30 segundos de metraje finalizado — Vidu necesita dos generaciones y una unión, aproximadamente $3.60 más tiempo de edición. Kling 4.0 necesita una, a $7.05.

• Por cada 100 clips de diez segundos — Vidu unos $120; Kling unos $235; la ruta base de MiniMax H3 mencionada abajo cuesta unos $80.

Acceso: uno es invocable, el otro está en pleno despliegue

Ninguno de los dos modelos es una opción predeterminada de autoservicio clara. Vidu Q4 Preview tiene una API real con endpoints documentados, lo que lo hace más fácil de implementar hoy que Kling 4.0, cuya API comenzó a abrirse por oleadas desde el 21 de octubre, mientras que su hoja de precios para desarrolladores todavía dice que el modelo aún no está disponible. Pero la versión de Vidu es explícitamente una vista previa: precios promocionales, disponibilidad de funciones sujeta a cambios e incluso un alias del modelo mal escrito — viduq4-previerw — junto al correcto en la documentación. Eso es una pequeña cosa que te dice algo cierto sobre en qué punto se encuentra esta versión.

Para un equipo que necesita tanto una ruta que priorice el texto como una que priorice la imagen, la forma práctica es mantener la elección en la capa de enrutamiento en lugar de en el código de la aplicación. OrcaRouter no aloja ninguno de los dos modelos —no hay identificador de Vidu en el catálogo ni ruta de Kling 4.0—, pero sí aloja Kling 3.0 a $0.084 por solicitud y MiniMax H3 a $0.08 por segundo de vídeo generado, en un único endpoint compatible con OpenAI que abarca más de 200 modelos al precio de lista del proveedor con 0% de recargo. El DSL de enrutamiento es la parte que encaja en esta combinación concreta: permite poner un modelo que priorice el texto y otro que priorice la imagen detrás de una única interfaz, de modo que la decisión se convierte en un parámetro, y la conmutación por error automática hace que la caída de una ruta de vista previa no se lleve por delante el lote.

Elegir entre ellos es principalmente una cuestión de tu primer fotograma

Si tu plano comienza con una frase, Vidu Q4 Preview es la herramienta equivocada y ninguna cantidad de Elo cambia eso. Estarías generando una imagen fija en otro lugar y luego entregándola, lo cual es un flujo de trabajo legítimo, y uno que muchos equipos ejecutan deliberadamente, porque les da control del fotograma inicial.

Si tu toma comienza con una fotografía, una imagen de producto, una hoja de personaje o un fotograma de storyboard, Vidu Q4 Preview es la elección mejor respaldada de las dos: ocupa el tercer puesto en la tabla, mejoró 123 Elo respecto a su propio predecesor, acepta 15 imágenes de referencia y 3 clips de audio, y su 4K de 10 bits ya está disponible, no solo prometido. El límite de 16 segundos es el precio.

Si necesitas duración, coreografía de fotogramas clave o una ruta de texto a vídeo con un presupuesto de referencia, Kling 4.0 es el único de los dos que los ofrece, y deberías considerar su precio como provisional hasta que Kuaishou publique una tarifa para 4K y retire el aviso de «Próximamente».

Lo que cambiaría este panorama no es otra especificación. Es una entrada de Kling 4.0 en la tabla de imagen a vídeo —el único lugar donde estos dos modelos podrían compararse realmente en la misma unidad— y un lanzamiento completo de Vidu Q4 que o bien mantenga el presupuesto de referencias de 15 imágenes y el 4K de 10 bits, o bien los reduzca discretamente cuando termine el precio promocional. Hasta que existan ambos, la clasificación honesta es la que respaldan las tablas el día en que las consultas: Vidu Q4 Preview fue un tercero medido en octubre y actualmente no aparece listado, Kling 4.0 no está medido en ninguna parte, y tu primer fotograma decide qué pregunta estás planteando siquiera.