Kling 4.0 vs Grok Imagine Video: Model Termurah Memiliki Suara Terbanyak

Model yang paling banyak diukur dalam perbandingan ini bukanlah yang terbaru, dan yang terbaru sama sekali belum diukur. Grok Imagine Video adalah keluarga yang terdiri dari tiga entri di papan image-to-video Artificial Analysis: versi orisinal Januari 2026 pada Elo 1.072 dengan 14.371 suara di belakangnya, Grok Imagine Video 1.5 pada 1.098 dengan 5.267 suara, dan varian Lite di papan text-to-video. Kling 4.0, yang dirilis pada 15 Oktober 2026, tidak memiliki baris di papan mana pun, tidak ada tarif per detik yang dipublikasikan, dan lembar spesifikasi yang mengalahkan ketiga entri Grok dalam hal durasi, resolusi, dan jumlah referensi. Kesenjangan antara bukti dan batas atas adalah inti dari pertandingan ini.

Bentuk itu lebih umum di pasar ini daripada yang diakui oleh format papan peringkat. Model dengan riwayat voting yang panjang adalah kuantitas yang sudah dikenal, belum tentu yang terbaik. Model berusia delapan hari dengan waktu proses 30 detik adalah janji dengan reel demo. Pertanyaannya adalah jenis ketidakpastian mana yang dapat diserap oleh proyek Anda.

Tiga model Grok, satu Kling

Grok Imagine Video bukanlah satu produk, dan nomor versinya tidak berperingkat seperti yang Anda duga. Baca di papan image-to-video dengan audio aktif, seperti yang ditangkap pada 10 Oktober 2026:

• Grok Imagine Video original — ke-13 di Elo 1.072 ±7 dari 14.371 sampel, Januari 2026, $4,20 per menit.

• Grok Imagine Video 1.5 — peringkat ke-9 pada Elo 1.098 ±8 dari 5.267 sampel, Mei 2026, $8,40 per menit.

• Grok Imagine Video 1.5 Lite — peringkat ke-16 pada papan peringkat teks-ke-video dengan skor 993 ±10 dari 5.715 sampel, dirilis 26 Agustus 2026, $8,40 per menit.

• Kling 4.0 — tidak ada baris di papan mana pun per 23 Oktober 2026.

Versi original adalah yang termurah dan paling baik terukurnya. Refresh 1.5 mencetak 26 Elo lebih tinggi dan berbiaya dua kali lipat per menit, dengan sepertiga jumlah suara. Varian Lite berada di papan yang sepenuhnya berbeda, jadi membandingkannya dengan dua lainnya sudah berarti membandingkan tugas. Ini adalah keluarga yang telah diiterasi mengikuti irama platform konsumen, dan tangga harganya mencerminkan hal itu: Anda dapat membeli baseline yang murah dan berbukti baik, penyempurnaan yang lebih mahal, atau tier Lite yang lebih murah per detik, dan masing-masing meminta Anda menukar bukti dengan skor.

Kling 4.0 tidak menawarkan pilihan internal itu sama sekali. Hanya ada satu model, satu harga yang belum dirilis, dan satu batas durasi. Kesederhanaan itu menjadi keunggulan jika Anda menginginkan hasil terbaik yang tersedia, dan menjadi kelemahan jika Anda menginginkan keputusan pengadaan yang dapat Anda pertahankan dengan angka.

Apa manfaat perolehan suara bagi Anda

Jumlah sampel biasanya dianggap sebagai hal teknis. Di papan ini, itu adalah perbedaan antara klaim dan tebakan. Interval ±7 pada checkpoint Grok Januari sama lebarnya dengan milik Gemini Omni Flash, yang didukung 12,327 suara; 14,371 perbandingan cukup bagi papan untuk menyatakan posisi dengan cukup yakin. ±8 milik Grok 1.5 lebih lebar karena suaranya lebih sedikit, bukan karena modelnya lebih buruk. Interval Kling 4.0 belum ada.

Itu memiliki konsekuensi praktis bagi siapa pun yang memilih berdasarkan kualitas. Jika Anda memilih Grok Imagine Video original, Anda tahu kira-kira apa yang Anda dapatkan: model kelas menengah dengan basis bukti yang kuat dan tarif terendah dalam perbandingan ini. Jika Anda memilih Kling 4.0, Anda menerima klaim vendor tentang model yang belum dinilai oleh evaluator independen. Tidak ada pilihan yang tidak rasional. Keduanya adalah taruhan yang berbeda.

Batas spesifikasi

Secara teori, Kling 4.0 adalah mesin yang lebih mumpuni dengan selisih yang jelas.

• Durasi — Kling 4.0 menghasilkan 3 hingga 30 detik dalam satu proses, dengan perpanjangan dua menit yang tercantum sebagai segera hadir. Grok Imagine Video 1.5 menghasilkan 1 hingga 15 detik, dengan perpanjangan autoregresif dari frame terakhir; versi aslinya dibatasi hingga 8,7 detik untuk pekerjaan edit dan extend.

• Resolusi — Kling 4.0 mencantumkan 720p, 1080p, dan 4K, dengan 10-bit HDR pada 1080p dan 4K ditandai "segera hadir". Grok 1.5 menghasilkan 480p, 720p, dan 1080p secara native. Versi aslinya mencapai batas maksimum yang lebih rendah.

• Referensi — Kling 4.0 mendukung hingga 15 aset yang terdiri dari gambar, video, subjek, dan suara, dengan batas 10 gambar, 5 video, 7 subjek, dan hingga 3 subjek berbasis video. Grok 1.5 mendukung hingga 14 gambar referensi, hingga 3 referensi suara, dan hingga 4 keyframe di tengah video serta frame pertama dan terakhir.

• Keyframe — Kling 4.0 menerima hingga 10 gambar keyframe. Grok 1.5 mengambil frame pertama, frame terakhir, dan hingga 4 frame di tengah video.

• Audio — keduanya menghasilkan audio native dengan ucapan yang disinkronkan dengan gerakan bibir; Kling mengklaim stereo dua kanal dan sembilan bahasa plus dialek, Grok mengklaim generasi audio-video gabungan dengan hingga 3 referensi suara preset.

• Prompt — Kling 4.0 menerima hingga 8.000 token. Dokumentasi Grok tidak menerbitkan batas prompt yang sebanding.

Keduanya lebih berdekatan dalam hal referensi daripada yang disiratkan oleh angka utama: 15 aset versus 14 gambar ditambah 3 suara bukanlah kekalahan telak. Kesenjangan sebenarnya terletak pada durasi dan resolusi. Tiga puluh detik pada 4K versus lima belas detik pada 1080p adalah kelas hasil yang berbeda, dan itulah alasan Kling 4.0 layak dipertimbangkan sama sekali meskipun buktinya tidak ada.

Harga: tangga yang dipublikasikan terhadap kosong

Harga Grok Imagine Video dipublikasikan per detik berdasarkan resolusi. Model 1.5 berjalan $0,08 per detik pada 480p, $0,14 pada 720p, dan $0,25 pada 1080p, dengan audio disertakan dan input gambar $0,01 per gambar. Varian Lite berjalan $0,02 pada 480p, $0,03 pada 720p, dan $0,14 pada 1080p. Versi orisinal lama adalah $0,05 pada 480p dan $0,07 pada 720p. Artificial Analysis menormalkan entri 1.5 menjadi $8,40 per menit dan yang orisinal menjadi $4,20, yang konsisten dengan tarif 720p.

Kling 4.0 tidak memiliki tarif per detik dari vendor per 23 Oktober 2026. Aplikasi ini berjalan dengan kredit melalui paket Kling AI; API-nya masih dalam tahap akses awal. Daftar harga reseller mencantumkan angka per detik, tetapi itu bukan harga Kuaishou dan variasinya cukup lebar sehingga memakainya sebagai pos anggaran hanya akan menjadi tebakan.

Untuk tolok ukur yang nyata, generasi Kling sebelumnya sudah memiliki harga dan sudah berjalan di produksi. Di OrcaRouter, kling/kling-v3 dan kling/kling-v3-omni seharga $0.084 per permintaan, kling/kling-3-turbo $0.112, dan tier 2.x yang lebih lama berkisar $0.042 hingga $0.28. Itu adalah harga per permintaan, bukan tarif per detik, sehingga tidak selaras satu-untuk-satu dengan kartu harga Grok, tetapi itulah angka yang benar-benar dapat digunakan pembeli Kling saat ini.

Akses dan permukaan edit

Grok Imagine Video dapat diakses melalui API xAI dan produk Grok untuk konsumen. Model 1.5 bersifat asinkron: kirim, polling ID permintaan, unduh. Keluarga model ini telah tersedia cukup lama sehingga skema permintaannya terdokumentasi dan mode kegagalannya diketahui. Model asli menangani pekerjaan edit dan extend, dibatasi pada 720p dan sumber berdurasi 8,7 detik; model 1.5 berfokus pada generasi dan secara eksplisit tidak mendukung pengeditan atau perluasan video sebagai fitur yang terdokumentasi.

Kling 4.0 sudah tersedia di aplikasi dan situs web Kling AI secara global, dengan pengumuman peluncuran global bertanggal 16 Oktober 2026. API-nya masih dalam akses awal, dengan dukungan MCP dan CLI yang tercantum. Permukaan penyuntingannya didokumentasikan sebagai penyuntingan tertarget pada ekspresi, gerakan tubuh, posisi kamera, gaya, dan latar belakang di hingga lima klip masukan dalam jendela gabungan 30 detik — lebih luas daripada dukungan penyuntingan Grok 1.5 yang didokumentasikan, namun lebih sempit daripada editor video serbaguna.

Tidak satu pun dari kedua model tersebut merupakan rute OrcaRouter saat ini, jadi tidak ada di sini yang merupakan klaim bahwa kami menghosting salah satunya. Generasi Kling yang memang kami sediakan adalah Kling 3.0, yang menjadi opsi cadangan praktis jika Anda menguji Kling 4.0 selama masa akses awal. Secara lebih luas, alasan untuk menempatkan gateway di depan stack video adalah bahwa model-model ini gagal dengan cara yang berbeda: satu membatasi laju, yang lain mengalami timeout pada generasi panjang, yang ketiga mengembalikan status terminal yang bukan keberhasilan. Satu endpoint yang kompatibel dengan OpenAI dengan failover otomatis dan harga daftar penyedia yang diteruskan dengan markup 0% tidak membuat model menjadi lebih baik, tetapi mencegah satu endpoint buruk menjadi batch yang gagal.

Siapa yang harus memilih yang mana

• Pilih Grok Imagine Video original jika Anda menginginkan tarif terpublikasi terendah dan basis bukti terkuat. Dengan $4,20 per menit dan 14.371 suara, ini adalah pilihan yang paling tidak mengejutkan dalam perbandingan ini, dan cukup murah untuk digunakan sebagai draf.

• Pilih Grok Imagine Video 1.5 jika Anda memerlukan 1080p native, pengambilan gambar 15 detik, hingga 14 gambar referensi dan 3 referensi suara, serta harga per detik yang terdokumentasi. Ini adalah Grok dengan perlengkapan terbaik untuk pengambilan gambar karakter yang terkontrol.

Pilih Kling 4.0 jika Anda membutuhkan sekali proses 30 detik, 4K, 10 keyframe, atau hasil akhir 21:9, dan Anda bersedia mencoba API akses awal yang belum memiliki skor maupun harga.

• Pilih Grok jika bagian pengadaan butuh angka minggu ini; pilih Kling jika pengambilan gambarnya butuh durasi yang lebih panjang dan Anda bisa menunggu kartu tarifnya.

Kesimpulan jujurnya adalah bahwa kedua model ini sebenarnya belum benar-benar bersaing untuk pembelian yang sama. Grok Imagine Video adalah keluarga model yang matang, terukur, dan murah yang dijual dengan tarif publik. Kling 4.0 adalah model dengan batas atas lebih tinggi pada minggu pertama ketersediaan umum, dengan bukti dan harga yang masih akan menyusul. Langkah yang tepat bagi sebagian besar tim adalah mempertahankan model yang terukur dalam produksi dan menguji model baru pada shot yang memang membutuhkan 30 detik — serta membaca ulang papan dan tarifnya dalam sebulan, ketika kolom kosong itu mungkin akhirnya berisi angka.