Kling 4.0 vs Kling 3.0: A atualização está na linha do tempo, não na contagem de pixels

Kling 4.0 tornou-se disponível para o público em geral em 15 de outubro de 2026, e a primeira coisa que se nota é o que não mudou. Kling 3.0, que a K​uaishou lançou em 5 de fevereiro de 2026, já gerava 4K nativo. Ambos os modelos listam 720p, 1080p e 4K. Ambos aceitam texto, imagens e vídeo como entrada. Ambos são feitos pela mesma empresa, são vendidos pela mesma página de criação e produzem clipes que parecem vir da mesma família. Se você os comparar na linha da ficha técnica que a maioria das pessoas confere primeiro, o novo modelo parece um erro de arredondamento. As falhas de IA documentadas e os incidentes com agentes por trás de lançamentos como este estão reunidos em o OrcaRouter AI Incident Archive, onde cada entrada traz suas próprias fontes, gravidade, grau de confiança e sinalização de disputa.

Não é. A diferença entre estas duas gerações é o tempo — quanto dele o modelo vai gerar em uma única passagem, e com que precisão você pode direcionar o que acontece dentro dela. O Kling 4.0 dobra o teto de geração única de 15 segundos para 30, substitui os quadros de início e fim por até dez quadros-chave e aproximadamente dobra o orçamento de referências. Essas são as mudanças que alteram um fluxo de trabalho. O selo 4K nas duas caixas é a mudança que altera um comunicado de imprensa.

O que a nota de versão realmente afirma, e o que foi entregue

Tudo nesta seção vem da própria nota de lançamento e página de recursos da Kuaishou, lidas em 22 de outubro de 2026. Nada disso tem uma pontuação independente por trás ainda, porque o Kling 4.0 não aparece em nenhum dos três rankings de vídeo da Artificial Analysis nessa data — os rankings ainda trazem linhas do Kling 3.0 de fevereiro e nada mais recente da Kuaishou. Trate as alegações do fornecedor como alegações.

• Duração — Kling 3.0: 3 a 15 segundos. Kling 4.0: 3 a 30 segundos em uma única passada, com extensão por múltiplas gerações até 2 minutos listada como em breve.

• Resolução — ambas: 720p, 1080p, 4K. O Kling 4.0 acrescenta 21:9 além de 16:9, 1:1 e 9:16.

• Faixa dinâmica — Kling 3.0: SDR de 8 bits. Kling 4.0: HDR de 10 bits em 1080p e 4K, que a nota de lançamento indica como "em breve", e não como já disponível.

• Keyframes — Kling 3.0: apenas o primeiro e o último quadro. Kling 4.0: até 10 imagens de keyframe posicionadas em qualquer ponto da linha do tempo.

• Referências — Kling 3.0: até 7 imagens ou sujeitos sem entrada de vídeo, ou 1 vídeo mais 4 imagens ou sujeitos, com o vídeo limitado a 15 segundos. Kling 4.0: até 15 recursos combinados — 10 imagens, 5 vídeos totalizando 30 segundos, 7 elementos dos quais até 3 podem ser baseados em vídeo, além de referências de voz.

• Áudio — Kling 3.0: canal único. Kling 4.0: estéreo de dois canais, com o que o fornecedor descreve como sincronização labial mais precisa.

• Idioma — Kling 3.0: chinês, inglês, japonês, coreano, espanhol. Kling 4.0 adiciona português, alemão, francês e hindi, com sotaques e dialetos regionais para chinês e inglês.

• Entrada de prompt — O Kling 4.0 aceita até 8.000 tokens de texto. A própria referência da API do Kling 3.0 limita o campo de prompt a 3.072 caracteres. Essas são unidades diferentes e o fornecedor não publicou uma conversão, então não interprete o par como um múltiplo direto.

Por que 30 segundos mudam mais do que a duração do clipe

Quinze segundos correspondem, aproximadamente, a uma ação. Um giro de produto, uma linha de diálogo, um único movimento de câmera, uma reação. O Kling 3.0 foi construído em torno dessa restrição e a contornou com planejamento multi-shot: o modelo divide o clipe em até seis planos e alterna entre eles, e é assim que se obtém uma sequência a partir de um quarto de minuto.

Os 30 segundos do Kling 4.0 não substituem esse truque, mas mudam para que ele serve. Um plano-sequência agora pode sustentar um momento de estabelecimento, a entrada de um personagem e uma reviravolta sem corte, e o controle de dez keyframes é o que torna isso dirigível em vez de sorte. O próprio tutorial do Kuaishou posiciona keyframes em momentos fixos — um personagem entrando aos 4 segundos, um produto aos 12, um push-in aos 20, uma mudança de cena aos 28 —, o que é linguagem de storyboard, não de prompt. Esse é o verdadeiro upgrade: o modelo agora aceita um plano de tomada em vez de uma descrição de tomada.

Isso também aumenta o custo de uma tomada ruim. Uma geração de 30 segundos que falha no segundo 24 desperdiça o dobro da capacidade computacional de uma falha aos 15 segundos, e a K​uaishou não publicou quanto custa uma geração. Essa é a segunda coisa que você percebe ao ler o comunicado: nenhuma tabela de preços. A API está em acesso antecipado — o console do desenvolvedor exibe um banner dizendo exatamente isso — e não há preço por segundo publicado nem para o Kling 4.0 nem para o Kling 4.0 Flash. Qualquer número que você veja citado para o Kling 4.0 hoje é uma estimativa inferida por alguém, não uma tarifa do fornecedor.

O orçamento de referência cresceu, e as letras miúdas cresceram junto.

"Até 15 referências" é a manchete e, como a maioria dos números redondos, vai além dos limites que a acompanham. O 15 é um teto combinado entre quatro tipos de ativo, e os limites por categoria não são intercambiáveis: 10 imagens; 5 vídeos cuja duração combinada não pode ultrapassar 30 segundos; 7 elementos, incluindo no máximo 3 baseados em vídeo; e referências de voz anexadas a elementos. Não é possível usar toda a cota em imagens.

Os limites do Kling 3.0 eram mais apertados de um jeito que fazia diferença para um trabalho específico: um vídeo de referência e apenas quatro imagens ou sujeitos junto com ele. Se o seu fluxo de trabalho é “igualar esta atuação de um clipe e manter estas quatro pessoas consistentes”, o Kling 3.0 até conseguia dar conta. Se é “igualar a atuação, manter seis pessoas consistentes, reproduzir este produto e este local”, ele não conseguia, e o Kling 4.0 consegue.

A outra adição é a edição dentro do modelo. O Kling 4.0 aceita até cinco clipes de entrada para uma edição — um principal, cada um de 3 a 30 segundos, 30 segundos no total — e o fabricante afirma que é possível fazer alterações direcionadas à expressão, ao movimento do corpo, à posição da câmera, ao estilo ou ao fundo enquanto o resto do quadro se mantém. O Kling 3.0 Omni tinha fluxos de trabalho orientados por referências, mas a edição era um modo separado, não fazia parte da mesma geração. Se a afirmação resiste ao contato com filmagens reais é exatamente o tipo de coisa que nenhuma página de fabricante consegue resolver.

O que você pode chamar hoje, e em que tecla

É aqui que os dois modelos deixam de ser intercambiáveis em termos práticos. Encaminhamos Kling 3.0 e não Kling 4.0. O catálogo contém kling/kling-v3 e kling/kling-v3-omni a um preço fixo de $0.084 por solicitação, kling/kling-3-turbo a $0.112, e as gerações mais antigas 2.x e O1; não há rota para o Kling 4.0 nem identificador a adicionar até que a API saia do acesso antecipado. Qualquer trecho deste artigo que descreva o Kling 4.0 como acionável está descrevendo a plataforma da própria K​uaishou, não a nossa.

Para uma equipe que quer experimentar o novo modelo sem reconstruir um pipeline, essa assimetria sugere a divisão óbvia: chamar o Kling 3.0 pelo roteador, onde ele já tem preço definido e está estável, e testar o Kling 4.0 pela interface de acesso antecipado do fornecedor até que uma tabela de preços apareça. Quando isso acontecer, o modelo de repasse importa — os preços de lista do provedor passam sem nenhuma margem adicionada, então uma mudança de preço da K​uaishou ou um desconto de lançamento chega à nossa linha no mesmo dia, em vez de na próxima renovação de contrato. O failover automático é a outra metade: se um novo endpoint oscilar sob carga, a solicitação é movida para um caminho saudável antes de a resposta começar, em vez de aparecer como um job com falha na sua fila.

A decisão, sem o marketing

Escolha Kling 3.0 se as suas tomadas tiverem 15 segundos ou menos, as suas referências forem um punhado de imagens e você quiser um preço publicado e um modelo que está em produção há oito meses. Ele oferece suporte a 4K nativo, a múltiplas tomadas e a áudio nativo e, a US$ 0,084 por solicitação em nosso catálogo, é uma das formas mais baratas de gerar um clipe utilizável. Nada no lançamento do Kling 4.0 o torna pior nessas tarefas.

Escolha o Kling 4.0 se a restrição com que você continua esbarrando for a sequência: uma tomada de 25 segundos que precisa se sustentar, uma batida que precisa cair em um segundo específico, uma cena que exige seis referências consistentes e um produto. É para isso que servem a duração extra e a linha do tempo de keyframes, e nenhuma quantidade de 4K compensa a falta delas. Considere no orçamento o preço desconhecido e o fato de que HDR de 10 bits, a extensão de 2 minutos e uma tabela de preços publicada ainda estão listados como futuros.

A pergunta geracional que as pessoas farão — se a 4.0 é melhor que a 3.0 — não pode ser respondida a partir de um placar, porque o novo modelo não tem pontuação independente. O que pode ser respondido é mais restrito e mais útil: os dois modelos agora são feitos para diferentes distâncias de alcance, e aquele com o preço publicado é o que você pode colocar em um pipeline hoje. Isso não é um veredito sobre qualidade. É o estado do registro em 22 de outubro de 2026.