Kling 4.0 vs MiniMax H3: il modello valutato è quello più vecchio

Esiste una versione di questo confronto che si scrive da sola, ed è sbagliata. MiniMax H3 è stato rilasciato a luglio 2026 e guida la classifica image-to-video di Artificial Analysis. Kling 4.0 è stato rilasciato il 15 ottobre 2026, sostituisce un modello in produzione da febbraio ed è il modello video più recente di Kuaishou. La lettura ovvia è che lo sfidante è arrivato e la corona del incumbent è a rischio. Lo stato effettivo delle cose è più strano: il modello più vecchio è quello con punteggi indipendenti, prezzi pubblicati, pesi scaricabili e una rotta sulla nostra piattaforma, mentre quello più nuovo ha una scheda tecnica più lunga, nessun punteggio, nessun listino prezzi e un'API ancora in accesso anticipato. Quale dei due dovresti considerare dipende interamente dal fatto che tu stia acquistando una capacità o un rapporto con un fornitore. I fallimenti documentati dell'IA e gli incidenti degli agenti dietro rilasci come questo sono raccolti in l'OrcaRouter AI Incident Archive dove ogni voce riporta le proprie fonti, il livello di gravità, il grado di confidenza e il flag di contestazione.

Entrambi i modelli sono reali ed entrambi sono solidi. MiniMax H3 è un modello da 4 a 15 secondi a 768p nativi, con 2K disponibile tramite un modulo di rigenerazione accessibile solo via API, stereo nativo a 32kHz generato nello stesso passaggio e un contesto unificato che interpreta insieme riferimenti testuali, immagini, video e audio. Kling 4.0 è un modello da 3 a 30 secondi fino a 4K, con un massimo di dieci keyframe, quindici riferimenti combinati e stereo a due canali. Il divario in capacità grezza è reale, ed è più piccolo del divario nelle prove.

I punteggi che esistono, e il punteggio che non esiste

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:

• Da immagine a video (AA-Video-I2V v1.1, audio mantenuto) — H3 (768p) è al 1° posto con Elo 1.140 ±16 su 4.209 voti, rilasciato a luglio 2026, registrato a 5,40 $ al minuto. H3 Max si trova al 6° posto con 1.125 ±17.

• Text-to-video (AA-Video-T2V v2.1) — H3 (768p) è 5° a 1.158 ±16 su 5.781 voti, 4,80 $ al minuto. Wan 3.0 è in testa a 1.173 e la variante H3 Max è 6ª a 1.156, quindi la famiglia occupa due dei primi sei posti.

• Montaggio video (AA-Video-Editing v1.1) — H3 (768p) è 4° con 1.125 ±11 su 7.457 voti, 9,60 $ al minuto.

Kling 4.0 non compare in nessuna di esse. Le righe K​ling riportate dalle classifiche sono quelle di Kling 3.0 di febbraio — 19° su image-to-video all'ancora dei 1.000, 17° su text-to-video, 9° su editing — e descrivono la generazione precedente, non questa. Otto giorni dopo la disponibilità generale è presto per una voce in classifica, quindi si tratta più di un'assenza di misurazione che di una misurazione negativa. Resta comunque il fatto che, per le prossime settimane, alla domanda "quale sia migliore" c'è una risposta documentata da una parte e un comunicato stampa dall'altra.

Una precisazione sui numeri di H3, perché vale in entrambi i sensi. Gli intervalli della classifica image-to-video sono abbastanza ampi da far sovrapporre il primo e il sesto posto — H3 a 1.140 ±16, H3 Max a 1.125 ±17 — quindi "numero uno" è un posizionamento in classifica, non un distacco dimostrato. L'affermazione onesta è che H3 si trova in un gruppo di testa i cui membri non sono ancora stati separati dal conteggio dei voti.

A cosa servono davvero i quindici secondi in più

Il tetto massimo di H3 è di 15 secondi, in incrementi interi a partire da quattro. Quello di Kling 4.0 è di 30, in un'unica passata, con estensioni fino a due minuti indicate come in arrivo. Non è una piccola differenza di natura, perché supera il confine tra un'inquadratura e una scena.

• Durata — MiniMax H3: da 4 a 15 secondi. Kling 4.0: da 3 a 30 secondi, estensione a 2 minuti in arrivo.

• Risoluzione — H3: 768p nativa, con 2K tramite un modulo di rigenerazione solo API che i self-hoster non possono eseguire. Kling 4.0: 720p, 1080p, 4K, oltre a 21:9.

• Controllo a livello di frame — H3: modalità primo frame, ultimo frame e primo e ultimo frame. Kling 4.0: fino a 10 keyframe in qualsiasi punto della timeline.

• Input di riferimento — H3: fino a 9 immagini, 3 clip video e 3 clip audio letti come un unico contesto. Kling 4.0: fino a 15 asset combinati — 10 immagini, 5 video per un totale di 30 secondi, 7 elementi di cui al massimo 3 basati su video — più riferimenti vocali.

• Audio — H3: stereo a 32kHz generato insieme al video, a 24fps. Kling 4.0: stereo a due canali con sincronizzazione labiale e dialoghi in nove lingue.

• Lunghezza del prompt — H3 non pubblica alcun limite di token nella propria documentazione delle richieste. Kling 4.0 accetta fino a 8.000 token.

Dove si vede il design di H3 è la coerenza con una camera fissa: una ripresa da 15 secondi con un'unica performance al suo interno, guidata da immagini di riferimento e da un primo e un ultimo fotogramma, è esattamente la forma che i suoi controlli presuppongono. Dove si vede il design di Kling 4.0 è una sequenza più lunga con dei beat — e la timeline a dieci keyframe è la parte di quell'aggiornamento che cambia maggiormente il modo in cui si costruisce un'inquadratura.

Il paragrafo sulla licenza che per alcuni lettori decide la questione

Questo è l'unico confronto di questa serie in cui uno dei due modelli può lasciare i server del fornitore, e i termini meritano di essere letti prima di ogni altra cosa se l'hosting autonomo è nei tuoi programmi.

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.

Quanto costa ciascuno, e l’unico numero che manca

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.

Kuaishou non ha pubblicato alcuna tariffa per Kling 4.0 in assoluto. La console per sviluppatori API riporta un banner di accesso anticipato e nessun prezzo al secondo, né per il modello completo né per Kling 4.0 Flash. Ogni cifra che circola oggi al riguardo è una stima di qualcuno. Questa asimmetria è, dopo la licenza, il fatto più rilevante ai fini della decisione in questo confronto: uno di questi modelli ha un contatore che si può leggere prima di impegnarsi, e l'altro no.

Quello che possiamo prezzare è la generazione precedente. kling/kling-v3 e kling/kling-v3-omni sono a listino a un prezzo fisso di $0,084 per richiesta nel nostro catalogo, kling/kling-3-turbo a $0,112, e anche MiniMax H3 è disponibile, alla tariffa al secondo del provider stesso, ribaltata senza alcun ricarico. Questo conta per un test affiancato: sia un modello Kuaishou sia MiniMax H3 rispondono sullo stesso endpoint compatibile OpenAI, quindi confrontarli sui tuoi prompt è un cambio di model-ID anziché due account di fornitori, due SDK e due dashboard delle quote. Il failover resta dietro la stessa chiamata, ed è ciò che rende praticabile una sfida comparativa lunga una settimana invece di un esercizio di procurement.

La questione della disponibilità, in cui il modello aperto è anche quello più facile

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.

Ne derivano due cose, e puntano in direzioni opposte. Se devi consegnare qualcosa questo mese, H3 è il modello con un prezzo, un punteggio e una storia di integrazione. Se ti serve una ripresa da 30 secondi con dieci beat diretti e dialogo stereo, H3 non può farlo a nessun prezzo, e aspettare il tariffario di Kling 4.0 è il costo di quella capacità. La buona notizia è che non sono esclusive: instradare una pipeline di clip brevi attraverso H3 mentre provi Kling 4.0 sulla piattaforma del fornitore è un modo normale di gestire una transizione, e mantiene il percorso di produzione su un modello il cui comportamento è documentato.

Un'avvertenza che il routing non può risolvere: se ti trovi negli Stati Uniti, nel Regno Unito, nell'UE o in Corea del Sud e il tuo piano era di ospitare autonomamente i pesi di H3, chiamarlo tramite un'API non è una soluzione alternativa per la licenza. È un prodotto diverso con termini diversi, e la questione della licenza resta a te da risolvere.

Sceglierne uno

Scegli MiniMax H3quando la clip è breve, il budget è fisso e i dati concreti contano. È un modello tra i primi cinque nella classifica text-to-video e primo in quella image-to-video, su tre classifiche e migliaia di voti, a 0,08 $ al secondo per il 768p. Genera il proprio audio stereo. Accetta nove immagini, tre clip video e tre clip audio in un unico contesto. E se ti trovi al di fuori dei quattro territori esclusi, è l'unico dei due che puoi scaricare.

Scegli Kling 4.0 quando la sequenza è lunga e il numero di elementi in movimento è elevato. Trenta secondi, dieci keyframe, quindici riferimenti e dialogo a due canali sono una capacità che H3 non ha, e nessuna posizione nei benchmark può sostituirla. Procedi sapendo che stai acquistando un modello non misurato a un prezzo non pubblicato, che HDR a 10 bit e l'estensione da due minuti sono entrambi ancora indicati come in arrivo, e che l'API è in accesso anticipato anziché in disponibilità generale.

Ciò che cambierebbe la forma di questo confronto è una voce di Kling 4.0 in una delle classifiche e una scheda tariffaria pubblicata. Ciascuno dei due, da solo, sposterebbe la questione da un argomento capacità-contro-prove a una normale decisione prezzo-qualità, che è dove un acquirente vuole trovarsi. Fino ad allora, le due frasi che superano lo scrutinio sono: H3 è il modello meglio documentato con un ampio margine, e Kling 4.0 è l'unico dei due che reggerà una ripresa di trenta secondi.