Kling 4.0 vs Hailuo 2.3: Uma diferença de seis meses em duas direções

There is a version of this comparison that writes itself: Kling 4.0 launched on 15 October 2026, Hailuo 2.3 arrived in April, so the newer model wins. That version is wrong in a way that costs money, because the two models were built for different jobs and the six-month gap has widened the difference rather than closed it. Hailuo 2.3 is a stylist with native 1080p and no audio. Kling 4.0 is a controller with 30-second takes, stereo sound and ten keyframes. If you generate anime-adjacent motion work and cut music over it in an editor, the older model is the better instrument and always was. If you need a twenty-second take with dialogue that syncs, Hailuo 2.3 cannot do the job at any price. The documented AI failures and agent incidents behind releases like this one are collected in the OrcaRouter AI Incident Archive where each entry carries its own sources, severity, confidence grade and disputed flag.

É por isso que a pergunta útil não é "qual é melhor", mas "com qual falha você consegue viver". Abaixo está onde cada uma falha.

O que o Hailuo 2.3 realmente é

M​iniMax's model is a stylist, and the company is upfront about it: cinematic camera motion, human motion and micro-expressions, and stylised or anime content are the strengths, and photorealism is explicitly not the target. That is a real market — a large share of short-form video is stylised — and on that ground it competes with models that cost several times more.

The spec sheet is where the age shows. Resolution is native 1080p, and unlike several rivals that upscale, M​iniMax does not attach an upscale caveat to it. Clip length is the constraint: 6 seconds at 1080p, 10 seconds at 768p, and no end-frame control, which makes multi-shot continuity a manual stitching job. There is no native audio — an earlier Hailuo generation had it and 2.3 dropped it — so every clip needs sound added downstream.

• Resolução — Hailuo 2.3 com 1080p nativo vs. Kling 4.0 em 720p, 1080p e 4K, com HDR de 10 bits nas duas principais, marcadas como "em breve".

• Duração do clipe — Hailuo 2.3: 6 segundos em 1080p, 10 segundos em 768p vs. Kling 4.0: 3 a 30 segundos em uma única passagem, com extensão de 2 minutos indicada como em breve.

• Áudio — Hailuo 2.3 nenhum vs Kling 4.0 estéreo de dois canais, sincronização labial e diálogo em nove idiomas.

• Controle de quadros — Hailuo 2.3 apenas com quadro inicial, sem fixação do quadro final vs. Kling 4.0 com até 10 quadros-chave, além do primeiro e do último quadro.

• Controle de referência — Hailuo 2.3 não é posicionado como um modelo que prioriza referências, em comparação com o Kling 4.0 e seus até 15 ativos de referência combinados.

• Formato comercial — pacotes de pontos pré-pagos do Hailuo 2.3 de US$ 1.000 a US$ 6.000 vs. créditos de assinatura do Kling 4.0 no aplicativo, sem tarifa de API publicada.

Pontuação independente — nenhum dos modelos tem um confronto direto atual; a última leitura de ranking do Hailuo 2.3 foi por volta do nº 28, com aproximadamente Elo 1.180, em uma edição anterior do ranking de vídeo da Artificial Analysis, e o Kling 4.0 está ausente.

A comparação de preços que ninguém consegue terminar

O canal oficial do Hailuo 2.3 é por pontos pré-pagos: pacotes que vão de US$ 1.000 a US$ 6.000, consumidos a uma taxa fixa — um ponto para um clipe padrão de seis segundos em 768p, dois pontos para um clipe de dez segundos em 768p ou de seis segundos em 1080p, com a variante mais rápida Hailuo-2.3-Fast reduzindo esses valores para cerca de 0,7 e de 1,1 a 1,3. Revendedores cotam um valor mais uniforme de US$ 0,067 a US$ 0,08 por segundo, e é daí que vem a reputação de que "o Hailuo é barato pra caramba".

Kling 4.0's API has no published rate. The model sits behind an early-access banner in K​uaishou's developer documentation, the pricing tables list Kling 3.0 and its tiers but not the new model, and the consumer product runs on subscription credits. Reseller listings exist for Kling 4.0 endpoints, but a reseller rate is not a vendor list price and does not tell you what the model will cost when the endpoint opens.

Então, a afirmação honesta sobre custo é esta: o modelo mais barato é o Hailuo 2.3, porque é o único dos dois com um preço. Isso não é um elogio à sua economia — um criador solo comparando um compromisso mínimo de US$ 1.000 com um desconhecido não está comparando tarifas de forma alguma. É uma afirmação sobre qual lado da comparação teve o risco reduzido.

A questão do áudio resolve mais do que a ficha técnica.

If the deliverable needs sound generated with the picture — dialogue, ambience, a voice in a specific accent — Hailuo 2.3 is out before the comparison starts. Not "weaker": out. There is no audio channel to evaluate. The workflow is generate silent, then score and d​ub in an editor, and if the shot has a speaking character the lip sync must be fixed by hand or by a separate tool.

Todo o lançamento do Kling 4.0 é construído em torno da premissa oposta. Estéreo de dois canais com sincronia labial mais precisa, diálogo em nove idiomas, incluindo dialetos nomeados, e geração de texto na tela que, segundo alegam, permanece legível enquanto a câmera se move. Para um clipe de alguém falando para a câmera, uma cena curta de drama ou um filme de produto com uma narração já incorporada, essa é a capacidade que decide a compra, e é a única coisa que a documentação do Hailuo 2.3 não contesta.

The counter-argument is that generated audio is still the weakest part of every video model, and K​uaishou's own material puts no benchmark behind the lip-sync claim. That is true and it is why the audio row should be read as "can do the job at all" rather than "does it well." For a first pass, being able to generate a synced take and fix it is different from having to build the sound from zero.

Onde o stylist ainda leva vantagem

Dois lugares, e vale a pena nomeá-los justamente porque as vantagens do modelo mais recente são muito mais fáceis de listar.

A primeira é a resolução nativa pelo preço. O Hailuo 2.3 entrega 1080p sem a ressalva de upscale e sem um “em breve” atrelado ao pipeline de cores. O 4K do Kling 4.0 é uma configuração de saída já disponível, mas o HDR de 10 bits não é, então, para um fluxo de trabalho com gestão de cores em 1080p, o modelo mais antigo é a fonte mais limpa — sem surpresas, sem dependência de roadmap.

The second is the look. A model trained and tuned toward stylised motion produces anime-adjacent and graphic work that a generalist model has to be coaxed into, and K​uaishou's release note lists claymation, glitch, felt and 3D cyber styles as supported looks without claiming any of them as a speciality. If your format is stylised short-form, the model that was built for it will beat the model that lists it among twenty options, and no keyframe count changes that.

Há um terceiro ponto, mais suave. As fraquezas do Hailuo 2.3 são documentadas pelo próprio fornecedor — sem áudio, sem quadro final, não fotorrealista — o que facilita o planejamento. A nota de lançamento do Kling 4.0 não nomeia nenhuma fraqueza; suas únicas ressalvas são os rótulos de "em breve". É mais fácil colocar em um plano de produção um modelo com uma lista publicada daquilo em que ele é ruim do que um com uma lista publicada daquilo em que ele será bom.

Why Hailuo 2.3 is the wrong M​iniMax model to compare against

One thing this matchup hides: Hailuo 2.3 is not M​iniMax's current generation. MiniMax H3 arrived on 31 July 2026 as an omni-modal model that reads text, image, video and audio references as one context, generates 4 to 15 second clips at 768p or 2K with native stereo audio, and is billed per second of output. Comparing Kling 4.0 to Hailuo 2.3 is comparing October 2026 to April 2026 and skipping the model in between that actually has audio, references and a modern duration ceiling.

That matters for the decision because H3 is the model a Kling 4.0 buyer would realistically weigh — and it is the one we route. On OrcaRouter, minimax/minimax-h3 is listed at $0.08 per second of generated output, on the same OpenAI-compatible endpoint as 200+ other models, at provider list price with 0% markup. Hailuo 2.3 is not in our catalogue, and neither is Kling 4.0; the K​ling family we carry runs from the 2.5 generation through Kling 3.0 and Kling 3.0 Omni at $0.084 per request and Kling 3.0 Turbo at $0.112. So the practical routing question in October 2026 is Kling 4.0 against H3, with Hailuo 2.3 relevant only if you already hold M​iniMax points or specifically need its look.

O teste de uma única frase

Se você consegue descrever sua tomada sem mencionar som, e o visual é estilizado, o Hailuo 2.3 continua sendo a ferramenta certa e a idade dele é irrelevante — 1080p, nativo, sem upscale, a um preço que você pode negociar para baixo em volume. Se o som faz parte da tomada, ou a tomada tem mais de dez segundos, ou você precisa fixar dez momentos em uma linha do tempo e editar um deles depois, o Kling 4.0 é o único dos dois que consegue tentar isso — no app hoje, com a API a caminho.

And if you are choosing for a pipeline rather than a project, compare Kling 4.0 against MiniMax H3 rather than Hailuo 2.3, because that is the pairing where both sides have audio, both sides have references, and one of them has a published per-second price. The three datable things to watch are Kling 4.0's API leaving early access with a rate, Kling 4.0's first independent Elo, and whether M​iniMax keeps Hailuo 2.3 on sale beside H3 or retires it — because a model with no successor pressure is a model whose price stays put.