Kling 4.0 vs Grok Imagine Video: O modelo mais barato tem mais votos

O modelo mais amplamente medido nesta comparação não é o mais novo, e o mais novo não foi medido de forma alguma. Grok Imagine Video é uma família de três entradas no ranking de imagem para vídeo do Artificial Analysis: o original de janeiro de 2026 com Elo 1.072 e 14.371 votos por trás, o Grok Imagine Video 1.5 com 1.098 e 5.267 votos, e a variante Lite no ranking de texto para vídeo. Kling 4.0, lançado em 15 de outubro de 2026, não tem linha em nenhum ranking, nenhum preço por segundo publicado, e uma ficha técnica que supera as três entradas Grok em duração, resolução e número de referências. A lacuna entre evidência e teto é todo o confronto.

Essa configuração é mais comum neste mercado do que o formato do leaderboard admite. Um modelo com um longo histórico de votos é um valor conhecido, não necessariamente o melhor. Um modelo de oito dias com um passe de 30 segundos é uma promessa com um reel de demonstração. A questão é que tipo de incerteza seu projeto consegue absorver.

Três modelos Grok, um Kling

O Grok Imagine Video não é um único produto, e os números de versão não seguem a ordem que você esperaria. Continue lendo no painel de imagem para vídeo com o áudio ativado, conforme capturado em 10 de outubro de 2026:

Grok Imagine Video original — 13º no Elo 1.072 ±7 em 14.371 amostras, janeiro de 2026, US$ 4,20 por minuto.

• Grok Imagine Video 1.5 — 9º lugar no Elo 1.098 ±8 em 5.267 amostras, maio de 2026, US$ 8,40 por minuto.

• Grok Imagine Video 1.5 Lite — 16º no ranking de texto para vídeo com 993 ±10 em 5.715 amostras, lançado em 26 de agosto de 2026, US$ 8,40 por minuto.

• Kling 4.0 — nenhuma linha em nenhum quadro até 23 de outubro de 2026.

O original é o mais barato e o que tem melhores medições. A atualização 1.5 pontua 26 Elo a mais e custa o dobro por minuto, com um terço dos votos. A variante Lite está num ranking completamente diferente, então compará-la com as outras duas já é comparar tarefas. Esta é uma família que vem sendo iterada na cadência de uma plataforma de consumidor, e a escada de preços reflete isso: você pode comprar a linha de base barata e bem evidenciada, o refinamento mais caro, ou o nível Lite mais barato por segundo, e cada um pede que você troque evidência por pontuação.

O Kling 4.0 não oferece nada disso: nenhuma escolha interna. Há um modelo, um preço não divulgado e um teto de duração. Essa simplicidade é uma vantagem se você quer a melhor tomada disponível e uma desvantagem se você quer uma decisão de aquisição que consiga defender com um número.

O que a contagem de votos lhe rende

A contagem de amostras costuma ser tratada como um detalhe técnico. Neste placar, ela é a diferença entre uma afirmação e um palpite. O intervalo ±7 do checkpoint do Grok de janeiro tem a mesma largura que o do Gemini Omni Flash, que tem 12.327 votos por trás; 14.371 comparações são suficientes para o placar declarar uma posição com alguma confiança. O ±8 do Grok 1.5 é mais amplo porque ele tem menos votos, não porque seja um modelo pior. O intervalo do Kling 4.0 ainda não existe.

Isso tem uma consequência prática para quem escolhe com base na qualidade. Se você escolher o Grok Imagine Video original, sabe mais ou menos o que está obtendo: um modelo de meio de tabela, com uma base de evidências sólida e a menor taxa desta comparação. Se você escolher o Kling 4.0, está aceitando as alegações do fornecedor sobre um modelo que avaliadores independentes ainda não pontuaram. Nenhuma das escolhas é irracional. São apostas diferentes.

O teto das especificações

No papel, o Kling 4.0 é a máquina mais capaz por uma margem clara.

• Duração — O Kling 4.0 gera de 3 a 30 segundos em uma única passagem, com a extensão de dois minutos listada como "em breve". O Grok Imagine Video 1.5 gera de 1 a 15 segundos, com extensão autorregressiva a partir do último quadro; o original é limitado a 8,7 segundos para trabalhos de edição e extensão.

• Resolução — O Kling 4.0 lista 720p, 1080p e 4K, com HDR de 10 bits em 1080p e 4K marcado como em breve. O Grok 1.5 gera 480p, 720p e 1080p nativamente. O original atinge um teto mais baixo.

• Referências — O Kling 4.0 aceita até 15 recursos entre imagens, vídeos, sujeitos e vozes, com limites de 10 imagens, 5 vídeos, 7 sujeitos e até 3 sujeitos baseados em vídeo. O Grok 1.5 aceita até 14 imagens de referência, até 3 referências de voz e até 4 quadros-chave no meio do vídeo, além do primeiro e do último quadros.

• Quadros-chave — Kling 4.0 aceita até 10 imagens de quadros-chave. Grok 1.5 usa o primeiro quadro, o último quadro e até 4 quadros intermediários do vídeo.

• Áudio — ambos geram áudio nativo com fala sincronizada com os lábios; a Kling afirma ter estéreo de dois canais e nove idiomas, além de dialetos, e a Grok afirma ter geração conjunta de áudio e vídeo com até 3 referências de voz predefinidas.

• Prompt — Kling 4.0 aceita até 8.000 tokens. A documentação do Grok não publica limites de prompt comparáveis.

Os dois estão mais próximos em referências do que os números principais sugerem: 15 ativos contra 14 imagens mais 3 vozes não é uma derrota esmagadora. A verdadeira diferença está na duração e na resolução. Trinta segundos em 4K contra quinze em 1080p é uma categoria diferente de entrega, e é por isso que o Kling 4.0 vale a pena ser considerado, apesar da falta de evidências.

Preço: uma escada publicada contra um espaço em branco

Os preços do Grok Imagine Video são publicados por segundo, por resolução. O modelo 1.5 custa US$ 0,08 por segundo em 480p, US$ 0,14 em 720p e US$ 0,25 em 1080p, com áudio incluído e entrada de imagem a US$ 0,01 por imagem. A variante Lite custa US$ 0,02 em 480p, US$ 0,03 em 720p e US$ 0,14 em 1080p. O original legado custa US$ 0,05 em 480p e US$ 0,07 em 720p. O Artificial Analysis normaliza a linha 1.5 para US$ 8,40 por minuto e o original para US$ 4,20, o que é consistente com as tarifas de 720p.

Até 23 de outubro de 2026, o Kling 4.0 não tem tarifa por segundo do fornecedor. O aplicativo funciona com créditos por meio dos planos do Kling AI; a API está em acesso antecipado. Listagens de revendedores citam valores por segundo, mas não são o preço da Kuaishou e variam tanto que usar um deles como item de orçamento seria adivinhação.

Para uma base real, a geração anterior do Kling tem preço definido e está em produção. No OrcaRouter, kling/kling-v3 e kling/kling-v3-omni custam US$ 0,084 por requisição, kling/kling-3-turbo custa US$ 0,112, e os níveis mais antigos da série 2.x variam de US$ 0,042 a US$ 0,28. Esses são preços por requisição, e não tarifas por segundo, portanto não correspondem um a um à tabela do Grok, mas são os números que um comprador do Kling pode realmente usar hoje.

Acesso e a superfície de edição

O Grok Imagine Video está acessível pela API da xAI e pelo produto Grok para consumidores. O modelo 1.5 é assíncrono: envie, consulte um ID de solicitação, baixe. A família tem sido disponibilizada há tempo suficiente para que seu esquema de solicitação esteja documentado e seus modos de falha sejam conhecidos. A versão original lida com trabalhos de edição e extensão, limitada a 720p e a uma fonte de 8,7 segundos; o modelo 1.5 é focado em geração e explicitamente não oferece suporte a edição ou extensão de vídeo como recursos documentados.

O Kling 4.0 está disponível no aplicativo e no site do Kling AI globalmente, com o anúncio do lançamento global datado de 16 de outubro de 2026. A API está em acesso antecipado, com suporte a MCP e CLI listado. Sua superfície de edição é documentada como edições direcionadas a expressão, movimento corporal, posição da câmera, estilo e plano de fundo em até cinco clipes de entrada dentro de uma janela combinada de 30 segundos — mais ampla que o suporte de edição documentado do Grok 1.5, e mais restrita que um editor de vídeo de uso geral.

Nenhum dos dois modelos é uma rota do OrcaRouter hoje, então nada aqui é uma alegação de que hospedamos qualquer um deles. A geração Kling que nós oferecemos é o Kling 3.0, que é a alternativa prática se você estiver testando o Kling 4.0 durante o acesso antecipado. De forma mais ampla, o motivo de manter um gateway na frente de uma stack de vídeo é que esses modelos falham de maneiras diferentes: um aplica limite de taxa, outro atinge timeout em uma geração longa, um terceiro retorna um status terminal que não é de sucesso. Um único endpoint compatível com OpenAI com failover automático e preços de tabela dos provedores repassados com 0% de markup não torna os modelos melhores, mas impede que um único endpoint ruim se torne um lote com falha.

Quem deve escolher qual?

• Escolha o Grok Imagine Video original se você quiser a menor tarifa publicada e a base de evidências mais forte. A US$ 4,20 por minuto e com 14.371 votos, é a escolha menos surpreendente da comparação, e é barato o suficiente para usar em rascunhos.

• Escolha o Grok Imagine Video 1.5 se precisar de 1080p nativo, tomadas de 15 segundos, até 14 imagens de referência e 3 referências de voz, e um preço documentado por segundo. É o Grok mais bem equipado para uma tomada de personagem controlada.

• Escolha o Kling 4.0 se você precisar de uma passagem única de 30 segundos, 4K, 10 keyframes ou um entregável em 21:9, e estiver disposto a pilotar uma API de acesso antecipado sem pontuação e sem preço definido.

• Escolha o Grok se o departamento de compras precisar de um valor esta semana; escolha o Kling se a tomada precisar ser mais longa e você puder aguardar a tabela de preços.

A conclusão honesta é que esses dois modelos ainda não estão realmente competindo pela mesma compra. O Grok Imagine Video é uma família madura, comedida e barata, vendida com base em uma tabela de preços pública. O Kling 4.0 é um modelo com teto mais alto na primeira semana de disponibilidade geral, com as evidências e os preços ainda por vir. A atitude certa para a maioria das equipes é manter o modelo comedido em produção e fazer um piloto do novo nas tomadas que realmente precisam de 30 segundos — e reler tanto o quadro quanto a tabela de preços daqui a um mês, quando a coluna em branco talvez finalmente tenha um número.