Kling 4.0 kontra MiniMax H3: oceniany model jest starszym z nich

Istnieje wersja tego porównania, która pisze się sama, i jest błędna. MiniMax H3 zadebiutował w lipcu 2026 r. i przewodzi rankingowi image-to-video Artificial Analysis. Kling 4.0 zadebiutował 15 października 2026 r., zastępuje model, który jest w produkcji od lutego, i jest najnowszym modelem wideo Kuaishou. Oczywista interpretacja jest taka, że pretendent już przybył, a korona obecnego lidera jest zagrożona. Rzeczywisty stan rzeczy jest dziwniejszy: to starszy model ma niezależne wyniki, opublikowane ceny, możliwe do pobrania wagi i ścieżkę na naszej platformie, podczas gdy nowszy ma dłuższą kartę specyfikacji, brak wyniku, brak cennika i API wciąż we wczesnym dostępie. To, który z tych aspektów powinien cię interesować, zależy wyłącznie od tego, czy kupujesz możliwość, czy relację z dostawcą. Udokumentowane awarie AI i incydenty związane z agentami stojące za premierami takimi jak ta są zbierane w OrcaRouter AI Incident Archive, gdzie każdy wpis zawiera własne źródła, poziom istotności, stopień pewności i oznaczenie sporności.

Oba modele istnieją naprawdę i oba są mocne. MiniMax H3 to model generujący od 4 do 15 sekund w natywnej rozdzielczości 768p, z rozdzielczością 2K dostępną przez moduł regeneracji działający wyłącznie przez API, natywnym stereo 32 kHz generowanym w tym samym przebiegu oraz ujednoliconym kontekstem, który łącznie odczytuje odniesienia tekstowe, obrazowe, wideo i audio. Kling 4.0 to model generujący od 3 do 30 sekund w rozdzielczości do 4K, z maksymalnie dziesięcioma klatkami kluczowymi, piętnastoma połączonymi odniesieniami i dwukanałowym stereo. Luka w surowych możliwościach jest rzeczywista i jest mniejsza niż luka w dowodach.

Partytury, które istnieją, i partytura, która nie istnieje

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:

• Obraz na wideo (AA-Video-I2V v1.1, dźwięk zachowany) — H3 (768p) zajmuje 1. miejsce z wynikiem Elo 1 140 ±16 na podstawie 4 209 głosów, wydany w lipcu 2026 r., odnotowany koszt 5,40 USD za minutę. H3 Max plasuje się na 6. miejscu z wynikiem 1 125 ±17.

• Tekst na wideo (AA-Video-T2V v2.1) — H3 (768p) zajmuje 5. miejsce z wynikiem 1 158 ±16 na 5 781 głosów, przy koszcie 4,80 USD za minutę. Wan 3.0 prowadzi z wynikiem 1 173, a wariant H3 Max jest 6. z wynikiem 1 156, więc rodzina zajmuje dwa z sześciu najwyższych miejsc.

• Edycja wideo (AA-Video-Editing v1.1) — H3 (768p) zajmuje 4. miejsce z wynikiem 1 125 ±11 przy 7 457 głosach, 9,60 USD za minutę.

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.

Jedno zastrzeżenie co do liczb H3, bo działa to w obie strony. Przedziały w rankingu image-to-video są wystarczająco szerokie, że pierwsze i szóste miejsce się nakładają — H3 przy 1,140 ±16, H3 Max przy 1,125 ±17 — więc „numer jeden” to pozycja w rankingu, a nie wykazana przewaga. Uczciwe stwierdzenie brzmi: H3 należy do czołowej grupy, której członków liczba głosów jeszcze nie rozdzieliła.

Do czego tak naprawdę służy dodatkowe piętnaście sekund

H3 ma limit 15 sekund, w całkowitych krokach od czterech. Kling 4.0 ma 30 sekund w jednym przebiegu, a rozszerzenia do dwóch minut są wymienione jako dostępne wkrótce. To nie jest drobna różnica rodzajowa, ponieważ przekracza granicę między ujęciem a sceną.

• Czas trwania — MiniMax H3: od 4 do 15 sekund. Kling 4.0: od 3 do 30 sekund, wkrótce rozszerzenie do 2 minut.

• Rozdzielczość — H3: natywnie 768p, a 2K przez moduł regeneracji dostępny wyłącznie przez API, którego osoby samodzielnie hostujące nie mogą uruchomić. Kling 4.0: 720p, 1080p, 4K oraz 21:9.

• Kontrola na poziomie klatek — H3: tryby pierwszej klatki, ostatniej klatki oraz pierwszej i ostatniej klatki. Kling 4.0: do 10 klatek kluczowych w dowolnym miejscu na osi czasu.

• Dane wejściowe referencyjne — H3: do 9 obrazów, 3 klipów wideo i 3 klipów audio odczytywanych jako jeden kontekst. Kling 4.0: do 15 połączonych zasobów — 10 obrazów, 5 filmów o łącznym czasie 30 sekund, 7 elementów, w tym co najwyżej 3 oparte na wideo — plus referencje głosowe.

• Audio — H3: stereofoniczne 32 kHz generowane wraz z wideo, przy 24 fps. Kling 4.0: dwukanałowe stereo z synchronizacją ust i dialogami w dziewięciu językach.

• Długość promptu — H3 nie publikuje w dokumentacji zapytań żadnego limitu tokenów. Kling 4.0 przyjmuje do 8000 tokenów.

To, gdzie ujawnia się projekt H3, to spójność przy stałej kamerze: 15-sekundowe ujęcie z jednym występem, napędzane obrazami referencyjnymi oraz pierwszą i ostatnią klatką, dokładnie odpowiada formie, którą zakładają jego elementy sterujące. To, gdzie ujawnia się projekt Kling 4.0, to dłuższa sekwencja z beatami — a os czasu z dziesięcioma klatkami kluczowymi to ta część tej aktualizacji, która najbardziej zmienia sposób tworzenia ujęcia.

Akapit o licencji, który dla niektórych czytelników rozstrzyga sprawę

To jedyne porównanie w tym zestawie, w którym jeden z dwóch modeli może opuścić serwery dostawcy, a warunki warto przeczytać w pierwszej kolejności, jeśli self-hosting jest w Twoich planach.

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.

Ile kosztuje każdy z nich i ta jedna liczba, której brakuje

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 nie opublikował żadnej stawki dla Kling 4.0 w ogóle. Konsola deweloperska API wyświetla baner wczesnego dostępu i nie podaje ceny za sekundę ani dla pełnego modelu, ani dla Kling 4.0 Flash. Każda krążąca dziś na jego temat liczba jest czyimś szacunkiem. Ta asymetria to najważniejszy dla decyzji fakt w tym porównaniu po licencji: jeden z tych modeli ma licznik, który można odczytać przed zobowiązaniem, a drugi nie.

W cenniku możemy podać poprzednią generację. kling/kling-v3 i kling/kling-v3-omni są wycenione na stałe 0,084 USD za żądanie w naszym katalogu, kling/kling-3-turbo na 0,112 USD, a MiniMax H3 również jest dostępny w stawce za sekundę samego dostawcy, przekazywanej bez żadnych dodatków. Ma to znaczenie przy teście porównawczym: zarówno model Kuaishou, jak i MiniMax H3 odpowiadają na tym samym punkcie końcowym zgodnym z OpenAI, więc porównanie ich na własnych promptach to zmiana identyfikatora modelu, a nie dwa konta dostawców, dwa zestawy SDK i dwa pulpity limitów. Przełączanie awaryjne działa w ramach tego samego wywołania, co sprawia, że tygodniowy test porównawczy jest praktyczny, a nie stanowi ćwiczenia z zamówień publicznych.

Kwestia dostępności, w której otwarty model jest również tym łatwiejszym.

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.

Dwie rzeczy z tego wynikają i wskazują w przeciwnych kierunkach. Jeśli w tym miesiącu musisz coś dostarczyć, H3 jest modelem z ceną, oceną i historią integracji. Jeśli potrzebujesz 30-sekundowego ujęcia z dziesięcioma reżyserowanymi beatami i dialogiem stereo, H3 nie potrafi tego zrobić za żadną cenę, a czekanie na cennik Kling 4.0 jest kosztem tej możliwości. Dobra wiadomość jest taka, że te opcje się nie wykluczają: przepuszczanie pipeline'u krótkich klipów przez H3, podczas gdy testujesz Kling 4.0 na platformie dostawcy, to normalny sposób przeprowadzania przejścia, który utrzymuje ścieżkę produkcyjną na modelu o udokumentowanym zachowaniu.

Jedno zastrzeżenie, którego routing nie rozwiąże: jeśli jesteś w USA, Wielkiej Brytanii, UE lub Korei Południowej i planujesz samodzielnie hostować wagi H3, wywoływanie go przez API nie jest obejściem licencji. To inny produkt z innymi warunkami, a kwestia licencji pozostaje do rozstrzygnięcia po Twojej stronie.

Wybór jednego

Wybierz MiniMax H3, gdy klip jest krótki, budżet jest ustalony, a dowody mają znaczenie. To model z pierwszej piątki w rankingu text-to-video i pierwszy w image-to-video, w trzech rankingach i przy tysiącach głosów, w cenie $0.08 za sekundę dla 768p. Generuje własne audio stereo. Przyjmuje dziewięć obrazów, trzy klipy wideo i trzy klipy audio w jednym kontekście. A jeśli jesteś poza czterema wykluczonymi terytoriami, to jedyny z tych dwóch, który możesz pobrać.

Wybierz Kling 4.0, gdy sekwencja jest długa, a liczba ruchomych elementów duża. Trzydzieści sekund, dziesięć klatek kluczowych, piętnaście referencji i dwukanałowy dialog to możliwość, której H3 nie ma, i żadna pozycja w benchmarkach tego nie zastąpi. Przystępuj do tego ze świadomością, że kupujesz niezmierzony model w nieopublikowanej cenie, że 10-bitowy HDR i dwuminutowe przedłużenie wciąż widnieją jako zapowiedzi oraz że API jest we wczesnym dostępie, a nie w ogólnym dostępie.

To, co zmieniłoby kształt tego porównania, to pozycja Kling 4.0 na jednym z rankingów oraz opublikowany cennik stawek. Każde z nich osobno przeniosłoby ją z argumentu o możliwościach kontra dowodach do zwykłej decyzji o cenie i jakości — a właśnie tam kupujący chce się znaleźć. Do tego czasu dwa zdania, które bronią się po wnikliwej analizie, brzmią: H3 jest znacznie lepiej udokumentowanym modelem, a Kling 4.0 jest jedynym z tej dwójki, który wytrzyma trzydziestosekundowe ujęcie.