Kling 4.0 vs. MiniMax H3: O Modelo Avaliado É o Mais Antigo

Há uma versão desta comparação que se escreve sozinha, e ela está errada. MiniMax H3 foi lançado em julho de 2026 e lidera o ranking de imagem para vídeo do Artificial Analysis. Kling 4.0 foi lançado em 15 de outubro de 2026, substitui um modelo que está em produção desde fevereiro e é o modelo de vídeo mais recente da K​uaishou. A leitura óbvia é que o desafiante chegou, e a coroa do incumbente está em risco. O estado real dos registros é mais estranho: o modelo mais antigo é o que tem pontuações independentes, preços publicados, pesos baixáveis e uma rota na nossa plataforma, enquanto o mais novo tem uma ficha técnica mais longa, nenhuma pontuação, nenhuma tabela de preços e uma API ainda em acesso antecipado. Qual desses você deve levar em conta depende inteiramente de você estar comprando uma capacidade ou um relacionamento com fornecedor. As falhas de IA e os incidentes com agentes documentados 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 indicação de disputa.

Ambos os modelos são reais e ambos são fortes. MiniMax H3 é um modelo de 4 a 15 segundos a 768p nativo, com 2K disponível através de um módulo de regeneração apenas via API, estéreo nativo de 32kHz gerado na mesma passagem, e um contexto unificado que lê referências de texto, imagens, vídeo e áudio em conjunto. Kling 4.0 é um modelo de 3 a 30 segundos até 4K, com até dez fotogramas-chave, quinze referências combinadas e estéreo de dois canais. A diferença em capacidade bruta é real, e é menor do que a diferença em evidência.

As pontuações que existem, e a pontuação que não existe

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:

• Imagem para vídeo (AA-Video-I2V v1.1, áudio mantido) — H3 (768p) está em 1º lugar, com Elo 1.140 ±16 em 4.209 votos, lançado em julho de 2026, registrado a US$ 5,40 por minuto. H3 Max ocupa o 6º lugar, com 1.125 ±17.

Texto para vídeo (AA-Video-T2V v2.1) — o H3 (768p) está em 5º lugar com 1.158 ±16 em 5.781 votos, US$ 4,80 por minuto. O Wan 3.0 lidera com 1.173 e a variante H3 Max está em 6º lugar com 1.156, então a família ocupa duas das seis primeiras posições.

• Edição de vídeo (AA-Video-Editing v1.1) — H3 (768p) está em 4º lugar, com 1.125 ±11 em 7.457 votos, US$ 9,60 por minuto.

Kling 4.0 não está em nenhum deles. As linhas Kling que os rankings trazem são do Kling 3.0 de fevereiro — 19º em imagem para vídeo no âncora de 1.000, 17º em texto para vídeo, 9º em edição — e descrevem a geração anterior, não esta. Oito dias após a disponibilidade geral é cedo para uma entrada em ranking, então isto é uma ausência de medição, e não uma medição ruim. Ainda assim, significa que, nas próximas semanas, "qual é melhor" tem uma resposta documentada de um lado e um comunicado de imprensa do outro.

Uma ressalva sobre os números do H3, porque isso corta dos dois lados. Os intervalos do quadro de imagem para vídeo são amplos o suficiente para que o primeiro e o sexto lugar se sobreponham — H3 em 1.140 ±16, H3 Max em 1.125 ±17 —, então “número um” é uma posição de ranking, não uma diferença demonstrada. A afirmação honesta é que o H3 está em um grupo líder cujos membros ainda não foram separados pela contagem de votos.

Para que servem, na verdade, os quinze segundos extras

O teto do H3 é de 15 segundos, em passos inteiros a partir de quatro. O do Kling 4.0 é de 30, em uma única passagem, com extensões para dois minutos anunciadas para breve. Isso não é uma pequena diferença de tipo, porque cruza a linha entre um plano e uma cena.

• Duração — MiniMax H3: 4 a 15 segundos. Kling 4.0: 3 a 30 segundos, com extensão para 2 minutos em breve.

• Resolução — H3: 768p nativo, com 2K por meio de um módulo de regeneração exclusivo via API que usuários de auto-hospedagem não conseguem executar. Kling 4.0: 720p, 1080p, 4K, além de 21:9.

• Controle em nível de quadro — H3: modos de primeiro quadro, último quadro e primeiro e último quadro. Kling 4.0: até 10 quadros-chave em qualquer ponto da linha do tempo.

• Entradas de referência — H3: até 9 imagens, 3 clipes de vídeo e 3 clipes de áudio lidos como um único contexto. Kling 4.0: até 15 ativos combinados — 10 imagens, 5 vídeos totalizando 30 segundos, 7 elementos incluindo no máximo 3 baseados em vídeo — além de referências de voz.

• Áudio — H3: estéreo de 32 kHz gerado com o vídeo, a 24 fps. Kling 4.0: estéreo de dois canais com sincronização labial e diálogo em nove idiomas.

• Comprimento do prompt — a H3 não publica nenhum limite de tokens em sua documentação de solicitação. O Kling 4.0 aceita até 8.000 tokens.

Onde o design do H3 se evidencia é na consistência sob uma câmera fixa: uma tomada de 15 segundos com uma única atuação, guiada por imagens de referência e por um primeiro e um último quadro, tem exatamente o formato que seus controles pressupõem. Onde o design do Kling 4.0 se evidencia é em uma sequência mais longa com beats — e a linha do tempo de dez keyframes é a parte dessa atualização que mais muda como um plano é criado.

O parágrafo da licença que decide a questão para alguns leitores

Este é o único confronto deste conjunto em que um dos dois modelos pode sair dos servidores do fornecedor, e os termos merecem ser lidos antes de qualquer outra coisa se a auto-hospedagem estiver nos seus planos.

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.

Quanto custa cada um, e o único número que está faltando

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.

A Kuaishou não publicou nenhuma tarifa para o Kling 4.0 de forma alguma. O console de desenvolvedor da API traz um banner de acesso antecipado e nenhum preço por segundo, nem para o modelo completo nem para o Kling 4.0 Flash. Todos os números que circulam sobre ele hoje são estimativas de alguém. Essa assimetria é o fato mais relevante para a decisão nesta comparação, depois da licença: um desses modelos tem um medidor que você pode consultar antes de se comprometer, e o outro não.

O que conseguimos precificar é a geração anterior. kling/kling-v3 e kling/kling-v3-omni estão listados a um valor fixo de US$ 0,084 por requisição em nosso catálogo, kling/kling-3-turbo a US$ 0,112, e o MiniMax H3 também está disponível, à taxa por segundo do próprio provedor, repassada sem nenhum acréscimo. Isso importa para um teste lado a lado: tanto um modelo Kuaishou quanto o MiniMax H3 respondem no mesmo endpoint compatível com OpenAI, então compará-los com seus próprios prompts é uma mudança de ID de modelo, e não duas contas de fornecedores, dois SDKs e dois painéis de cota. O failover fica por trás da mesma chamada, e é isso que torna uma comparação de uma semana prática em vez de um exercício de compras.

A questão da disponibilidade, em que o modelo aberto também é a opção mais fácil.

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.

Duas coisas se seguem, e apontam em direções opostas. Se você precisa entregar algo este mês, o H3 é o modelo com preço, pontuação e uma história de integração. Se você precisa de uma tomada de 30 segundos com dez beats direcionados e diálogo estéreo, o H3 não consegue fazer isso a nenhum preço, e esperar pela tabela de preços do Kling 4.0 é o custo dessa capacidade. A boa notícia é que essas opções não são excludentes: encaminhar um pipeline de clipes curtos pelo H3 enquanto você testa o Kling 4.0 na plataforma do fornecedor é uma forma normal de conduzir uma transição, e mantém o caminho de produção em um modelo cujo comportamento é documentado.

Uma ressalva que o roteamento não consegue resolver: se você estiver nos EUA, no Reino Unido, na UE ou na Coreia do Sul e seu plano era hospedar os pesos do H3 por conta própria, chamá-lo por meio de uma API não é um contorno para a licença. É um produto diferente, com termos diferentes, e a questão da licença continua sendo sua responsabilidade responder.

Escolhendo um

Escolha o MiniMax H3 quando o clipe for curto, o orçamento for fixo e as evidências importarem. É um modelo entre os cinco primeiros no ranking de texto para vídeo e o primeiro em imagem para vídeo, em três rankings e milhares de votos, a US$ 0,08 por segundo para 768p. Ele gera seu próprio áudio estéreo. Aceita nove imagens, três clipes de vídeo e três clipes de áudio em um único contexto. E, se você estiver fora dos quatro territórios excluídos, é o único destes dois que você pode baixar.

Escolha o Kling 4.0 quando a sequência for longa e o número de elementos em movimento for alto. Trinta segundos, dez keyframes, quinze referências e diálogo em dois canais é uma capacidade que o H3 não possui, e nenhuma posição em benchmark substitui isso. Saiba desde já que você está comprando um modelo não medido a um preço não divulgado, que HDR de 10 bits e a extensão de dois minutos ainda estão listados como futuros, e que a API está em acesso antecipado, e não em disponibilidade geral.

O que mudaria a configuração desta comparação seria uma entrada do Kling 4.0 em um dos rankings e uma tabela de preços publicada. Qualquer um dos dois, isoladamente, a deslocaria de uma discussão entre capacidade e evidência para uma decisão comum de preço e qualidade, que é onde o comprador quer estar. Até lá, as duas frases que resistem ao escrutínio são: o H3 é o modelo mais bem documentado por uma margem ampla, e o Kling 4.0 é o único dos dois que sustentará uma tomada de trinta segundos.