Kling 4.0 vs MiniMax H3：スコアで上回ったのは旧モデルの方

この比較には、ひとりでに出来上がる版がある。そしてそれは間違っている。MiniMax H3は2026年7月にリリースされ、Artificial Analysisの画像→動画ボードで首位に立っている。Kling 4.0は2026年10月15日にリリースされ、2月から本番運用されているモデルを置き換えるもので、Kuaishouが擁する最新の動画モデルである。明白な読み方は、挑戦者が登場し、現王者の王冠が危ういというものだ。しかし記録の実際の状態はもっと奇妙である。古いモデルのほうに、独立したスコア、公開価格、ダウンロード可能な重み、当社プラットフォーム上のルートがある。一方、新しいモデルにはより長い仕様表があるが、スコアも料金表もなく、APIはまだ早期アクセス段階にある。そのどちらを気にかけるべきかは、あなたが能力を買っているのか、ベンダーとの関係を買っているのかによって完全に決まる。このようなリリースの背景にある、記録されたAIの障害やエージェントのインシデントは、OrcaRouter AI Incident Archiveに収集されており、各エントリには独自の情報源、重大度、信頼度グレード、異議フラグが付いている。

どちらのモデルも実在しており、どちらも強力です。MiniMax H3は4〜15秒のモデルで、ネイティブ768p、2KはAPI専用の再生成モジュールを通じて利用可能、同一パスで生成されるネイティブ32kHzステレオを備え、テキスト・画像・動画・音声の参照をまとめて読み込む統合コンテキストを持っています。Kling 4.0は3〜30秒のモデルで、最大4K、最大10個のキーフレーム、15個の複合参照、2チャンネルステレオに対応しています。素の能力の差は確かに存在しますが、それはエビデンスの差よりも小さいものです。

存在するスコア、そして存在しないスコア

Artificial Analysisは、それぞれ別の評価尺度と別々の投票プールを持つ3つの動画ボードを運営しており、M​iniMaxのH3はその3つすべてに登場している。2026年10月22日付の記事を読む：

• 画像から動画（AA-Video-I2V v1.1、音声保持）— H3（768p）はElo 1,140 ±16で1位、4,209票を獲得、2026年7月リリース、記録は1分あたり$5.40。H3 Maxは6位で1,125 ±17。

• テキスト-to-ビデオ（AA-Video-T2V v2.1）— H3（768p）は5,781票中1,158 ±16で5位、1分あたり4.80ドル。Wan 3.0が1,173で首位、H3 Maxバリアントは1,156で6位なので、同ファミリーが上位6枠のうち2枠を占めています。

動画編集（AA-Video-Editing v1.1）— H3（768p）は、7,457票で1,125 ±11の4位、1分あたり9.60ドル。

Kling 4.0 is on none of them. The K​ling rows the boards carry are Kling 3.0's from February — 19th on image-to-video at the 1,000 anchor, 17th on text-to-video, 9th on editing — and they describe the previous generation, not this one. Eight days after general availability is early for a board entry, so this is an absence of measurement rather than a bad measurement. It still means that for the next few weeks, "which is better" has a documented answer on one side and a press release on the other.

H3の数値については注意が一つ必要です。なぜなら、それは諸刃の剣だからです。画像から動画へのボードの区間は、1位と6位が重なるほど広く — H3は1,140 ±16、H3 Maxは1,125 ±17 — したがって「1位」は順位であって、実証された差ではありません。正直に言えば、H3は、投票数によってまだメンバー間が分離されていない首位集団に属しています。

余分な15秒が実際何のためにあるのか

H3の上限は15秒で、4秒から整数秒刻みです。Kling 4.0の上限は30秒で、1回の生成で出力でき、2分までの拡張機能が近日提供予定として挙げられています。これは単なる種類の小さな違いではありません。ショットとシーンの境界を越えるからです。

• 長さ — MiniMax H3：4～15秒。Kling 4.0：3～30秒、2分への延長が近日提供予定。

• 解像度 — H3: 768pネイティブ、2KはAPI専用の再生成モジュール経由となるためセルフホスト利用者は実行できません。Kling 4.0: 720p、1080p、4K、さらに21:9。

• フレーム単位の制御 — H3：先頭フレーム、末尾フレーム、先頭と末尾フレームのモード。Kling 4.0：タイムライン上の任意の位置に最大10個のキーフレーム。

• 参照入力 — H3：最大9枚の画像、3本のビデオクリップ、3本のオーディオクリップを1つのコンテキストとして読み込みます。Kling 4.0：最大15個の組み合わせアセット — 10枚の画像、合計30秒の5本のビデオ、最大3つまでがビデオベースの7つの要素 — に加えて音声参照。

• オーディオ — H3: 動画と同時に24fpsで生成される32kHzステレオ。Kling 4.0: 9言語に対応したリップシンクと会話を備えた2チャンネルステレオ。

• プロンプトの長さ — H3はリクエストドキュメントでトークンの上限を公表していません。Kling 4.0は最大8,000トークンを受け付けます。

H3の設計が生きるのは、固定カメラ下での一貫性だ。参照画像と最初と最後のフレームに導かれた、1つの演技を含む15秒のテイクは、まさにそのコントロールが前提とする形である。Kling 4.0の設計が生きるのは、ビートを伴うより長いシーケンスであり、10キーフレームのタイムラインは、そのアップグレードの中でショットの制作方法を最も大きく変える部分だ。

一部の読者にとって決め手となるライセンスの段落

このセットで、2つのモデルのうち一方がベンダーのサーバーから外に出せる唯一の対決であり、セルフホスティングをロードマップに入れているなら、その条件は何よりも先に読む価値がある。

MiniMax H3のベースチェックポイントは、MiniMaxのコミュニティライセンスのもとでダウンロードできます。ApacheでもMITでもありません。このライセンスは米国、英国、欧州連合、韓国を除外しており、これらの地域での使用にはMiniMaxへの申請が必要で、収益のしきい値を超える商用利用には事前の書面による許可が必要です。オープンなのはベースモデルです。Context-IRプロンプト拡張モジュールと2K再生成パスはAPI側に留まり、リリースには含まれていませんでした。これら4地域のいずれかにいる場合、ウェイトはAPIの回避策にはならず、MiniMaxと別途話し合うべき事柄です。

Kling 4.0はモデルの重みを一切公開しておらず、Kuaishouの発表資料にも今後公開されることを示唆する記述はない。これは別種のクローズドだ。MiniMaxは、こちらが受け入れられるかもしれない条件を備えたものを出荷したが、Kuaishouは受け入れるべきものを何も出荷していない。どちらの立場も、動画モデルを販売する企業として不合理ではない。ただ両者は同じ立場ではなく、オンプレミスのパイプラインを計画するチームは、四半期を失う前に各モデルがこの線のどちら側にあるのかに気づくべきだ。

それぞれの費用と、欠けている一つの数字

MiniMaxは生成出力1秒あたりで課金する。768pで1秒$0.08、2Kで1秒$0.13で、参照音声は無料、参照画像は最初の5枚まで無料。これは768pで1分$4.80に相当し、Artificial Analysisがテキスト・トゥ・ビデオおよび編集ボードで記録している方法であり、ボードが測定した解像度構成を考慮すると1分$5.40から$7.80になる。ドラフトしてからアップスケールする手法は課金計量には勝てない。768p生成に2K再生成を加えると$0.08＋$0.05で、まさに直接2Kの$0.13レートと同じだ。

Kuaishouは次に関する料金を一切公表していない：Kling 4.0。API開発者コンソールにはアーリーアクセスバナーがあり、フルモデルにもKling 4.0 Flashにも秒単位の料金はない。現在出回っている数字はすべて誰かの推計だ。この非対称性は、ライセンスに次いで、この比較で意思決定に最も重要な事実である。これらのモデルの一方にはコミット前に読めるメーターがあり、もう一方にはない。

価格をご提示できるのは前世代です。kling/kling-v3 と kling/kling-v3-omni はリクエストあたり一律 $0.084 で当社のカタログに掲載されており、kling/kling-3-turbo は $0.112、MiniMax H3 も取り扱っています。プロバイダー自身の秒単位の料金を上乗せなしでそのまま適用した形です。これは並べて比較するテストでは重要です。Kuaishou のモデルも MiniMax H3 も同じ OpenAI 互換エンドポイントで応答するため、ご自身のプロンプトで両者を比較するのは、2つのベンダーアカウント、2つの SDK、2つのクォータダッシュボードを用意するのではなく、モデル ID を変えるだけで済みます。フェイルオーバーも同じ呼び出しの背後にあるので、1週間の比較検証が調達作業ではなく実用的なものになります。

可用性の問題では、オープンモデルのほうが簡単な選択肢でもある。

オープンウェイトモデルがより利用しやすい側であることはまれだが、今回はまさにそのケースだ。MiniMax H3は現在、当社のプラットフォーム上でもM​iniMax自身のプラットフォーム上でも、公開されている秒単位の料金で呼び出し可能であり、その背後には3件の独立したボードエントリーがある。Kling 4.0はK​uaishouのクリエイションページで呼び出し可能で、開発者向けには早期アクセスAPIを通じて利用できるが、公開された料金も、当社がルーティングできるモデル識別子もない。

そこから二つのことが導かれ、それらは相反する方向を示している。今月何かをリリースする必要があるなら、H3は価格、スコア、統合の見通しを備えたモデルだ。30秒のテイクで、演出された10のビートとステレオ対話が必要なら、H3にはどんな価格でも実現できず、その能力の代償はKling 4.0の料金表を待つことになる。良い知らせは、これらが排他的ではないことだ。短尺クリップのパイプラインをH3経由で回しながら、ベンダーのプラットフォームでKling 4.0を試用するのは移行を進める通常の方法であり、制作経路を、振る舞いが文書化されたモデル上に保てる。

ルーティングでは解決できない注意点が1つあります。米国、英国、EU、または韓国にいて、H3の重みをセルフホストする計画なら、API経由で呼び出すことはライセンスの回避策にはなりません。それは別の条件を持つ別製品であり、ライセンスの問題は引き続きあなたが答えるべきものです。

1つを選ぶ

選ぼうMiniMax H3テキスト→動画のボードではトップ5モデル、画像→動画では1位で、3つのボードと数千票にわたる評価による結果です。768pで1秒あたり0.08ドル。ステレオ音声を自ら生成します。1つのコンテキストで9枚の画像、3本の動画クリップ、3本の音声クリップを受け付けます。そして、除外された4地域の外にいる場合、この2つのうちダウンロードできるのはこれだけです。

選ぶべきはKling 4.0です。長いシーケンスで可動部が多い場合がまさにこれです。30秒、10キーフレーム、15枚の参照画像、2チャンネル対話はH3にはない能力であり、ベンチマーク上の順位がどれほど高くてもその代わりにはなりません。未測定のモデルを未発表の価格で購入すること、10ビットHDRと2分の延長がいずれも「近日提供」と表示されたままであること、APIが一般提供ではなく早期アクセスであることを承知の上で進めてください。

{{1}}この比較の構図を変えるのは、いずれかのボードへのKling 4.0のエントリーと、公開された料金表です。{{/1}}どちらか一方だけでも、能力対証拠の議論から、買い手が望むところである普通の価格と品質の判断へと移ります。それまでは、精査に耐える二つの文は次のとおりです。{{2}}H3は文書化の面で大差で優れたモデルであり、30秒のテイクを維持できるのはこの2つのうちKling 4.0だけです。{{/2}}