Kling 4.0 är live för alla – API:et är fortfarande i early access

Kling 4.0 became available to everyone on 15 October 2026, according to K​uaishou's own release note, and that sentence is doing more work than it looks like it is. The consumer product and the developer product did not ship on the same clock. In the K​ling AI app and on the website, the full model is live and selectable in the video workspace today. On the open platform, the banner above every page of the API documentation still reads "Kling 4.0 API Is Now Available for Early Access" — early access, not general availability, which in K​uaishou's case has historically meant an application and a wait rather than a rate card you can read. 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.

Den uppdelningen är hela historien för alla som bygger snarare än surfar. Den föregående generationen, Kling 3.0, är den som har ett publicerat pris och en endpoint som har varit i produktion sedan februari; den nya modellen är den med bättre specifikationsblad och en kö. Den här artikeln handlar om vad som faktiskt ändrades den 15:e, vilka av de framhävda siffrorna som finns tillgängliga i dag och vilka som fortfarande är märkta "coming soon" på leverantörens egen sida, och vad skillnaden mellan de två tidslinjerna kostar dig om du hade planerat att sätta Kling 4.0 i en pipeline den här månaden.

Vad utgåvan den 15 oktober faktiskt innehåller

Versionsinformationen är ovanligt specifik för ett lanseringsinlägg, och tre saker i den är nya snarare än upprepade. Det första är att modellfamiljen nu har två nivåer som är genuint olika produkter snarare än en modell i två hastigheter. Kling 4.0Kling 4.0 i egentlig mening gör text-till-video, bild-till-video, första-och-sista-bildruta, flera nyckelbildrutor, omnireferensgenerering och riktad videoredigering, på 3 till 30 sekunder, 720p till 4K. Kling 4.0 Flash gör endast text-till-video och bild-till-video från första bildrutan, på 3 till 20 sekunder, 720p, 8-bitars SDR. Flash är den nivå som versionsinformationen beskriver som "byggd för frekvent skapande", vilket är leverantörsspråk för billigare och snabbare med ett lägre tak.

Den andra är referensbudgeten, som är den del som förändrar vad en prompt kan rymma. Releaseanteckningen anger att den omfattar upp till 15 objekt över fyra kategorier i en enda generering: upp till 10 bilder, upp till 5 videor vars sammanlagda varaktighet inte får överstiga 30 sekunder, röstreferenser och upp till 7 element, varav upp till 3 får vara videobaserade. Det är tak per kategori inom en sammanlagd total, inte fyra oberoende tilldelningar – samma struktur som förhandsgranskningssidorna använde i september, nu kopplad till en lanserad modell.

Den tredje är leveransytan. K​uaishou uppger att MCP och CLI nu stöder Kling 4.0, inklusive omnireferens och nyckelbildsgenerering. Det låter som en mindre rad än det är: det innebär att en agent eller ett byggskript kan driva modellen utan att gå via webbredigeraren, vilket är skillnaden mellan ett verktyg som en person använder och en komponent som ett system anropar.

Specifikationsbladet, läst noggrant

Allt nedan kommer från Kuaishous versionsinformation och funktionssida, lästa den 22 oktober 2026. Inget av det har mätts oberoende – det finns inget tredjeparts-Elo för Kling 4.0 på videotavlorna när detta skrivs, och leverantören har inte publicerat någon egen prestandamätning.

• Varaktighet — 3 till 30 sekunder i en enda generering för den fullständiga modellen; 3 till 20 sekunder för Flash. Förlängning i flera pass upp till 2 minuter anges, men markeras som ”kommer snart”. • Upplösning — 720p, 1080p och 4K för den fullständiga modellen; 720p för Flash. 10-bitars HDR vid 1080p och 4K är uttryckligen ”kommer snart” i både versionsinformationen och på funktionssidan, så HDR-påståendet är en roadmap-post, inte en levererad funktion. • Bildförhållande — 21:9, 16:9, 1:1, 9:16 och Auto på den fullständiga modellen. • Nyckelbilder — upp till 10 nyckelbilder som indata, som kan placeras för att definiera karaktärstillstånd, scenbyten och berättelsemoment. • Referenser — upp till 15 kombinerade resurser enligt ovan, samt omnireferens för karaktärer, layouter, stilar, komposition och rörelse. • Ljud — tvåkanalig stereo, förbättrad läppsynk, dialog på nio språk plus namngivna accenter och dialekter (amerikansk, brittisk och indisk engelska; peking-, taiwanesisk, nordöstra och sichuanesisk mandarin bland annat), samt generering av text på skärmen på samma språk plus emoji. • Promptlängd — upp till 8 000 tokens indatatext. • Redigering — upp till 5 indataklipp, inklusive ett primärt, var och en 3 till 30 sekunder, med en sammanlagd varaktighet på högst 30 sekunder; riktade redigeringar av uttryck, kameraposition, bakgrund eller stil medan resten av scenen hålls intakt.

Två av dessa rader förtjänar att läsas två gånger. 4K-raden är verklig som utdatainställning, men den 10-bit HDR-kvalificerare som är kopplad till den levereras inte, och en färghanterad pipeline som antar HDR kommer att upptäcka det den hårda vägen. Referensraden är den som de flesta sammanfattningar får fel: 15 är en budget som du fördelar mellan bilder, videosekunder, röst och element, och en prompt som spenderar allt på stillbilder kan inte också rymma fem referensvideor.

Vad saknas fortfarande enligt leverantörens egen märkning

Tre funktioner förekommer i lanseringsmaterialet med en framtidsform kopplad till sig, och det är värt att skilja dem från de delar av modellen som du kan använda idag. 10-bit HDR-utmatning vid 1080p och 4K kommer snart, både i versionsinformationen och på funktionssidan. Videoförlängning utöver 30 sekunder, upp till de annonserade 2 minuterna, kommer snart. Och inbyggt 4K med 21:9 beskrivs på funktionssidan som kommande för den fullständiga modellen i samma andetag som själva upplösningen, vilket är ett svagare åtagande än vad "4K stöds" antyder.

Inget av det gör lanseringen tom. En 30-sekunders generering i ett enda pass med tio nyckelbilder och en referensbudget på 15 tillgångar är en verklig förmåga, och det är anledningen till att modellen är värd en titt. Det innebär att shoppingjämförelsen bör köras i 1080p, där modellen definitivt finns tillgänglig, snarare än i 4K HDR, där den ännu inte gör det.

Kostnad: vad K​uaishou publicerar och vad det inte gör

The consumer side runs on credits through K​ling AI's plans, and the API side has a pricing section in the developer documentation. What K​uaishou has not published, as of 22 October, is a per-second rate for Kling 4.0 that a developer can budget against — the model is behind the early-access banner, and early access in this API has previously meant an application rather than a public price. Several third-party platforms list Kling 4.0 endpoints with per-second figures, but those are reseller rates, not the vendor's, and they will move independently of whatever K​uaishou eventually publishes.

Som kontrast, Kling 3.0 har ett pris som varit stabilt i månader. På OrcaRouter är posten kling/kling-v3 listad till $0,084 per begäran — flaggskeppsmodellen för text-till-video och bild-till-video med multi-shot, motiv- och rörelsekontroll, klipp på 3 till 15 sekunder, upp till nativ 4K. Kling 3.0 Omni ligger på samma $0,084, Kling 3.0 Turbo på $0,112, och de äldre nivåerna 2.1 och 2.5 sträcker sig från $0,042 upp till $0,28. Det är siffran att jämföra en ny modells taxa mot när den lanseras, inte lanseringsnarrativet.

Vi routar inte Kling 4.0 ännu. Det finns ingen identifierare för den i vår katalog, så det finns inget att lägga i en konfigurationsfil och ingen endpoint att peka på, och att påstå något annat vore en fiktion. Det vi routar är generationen som den ersätter, på samma OpenAI-kompatibla endpoint som 200+ andra modeller, till leverantörens listpris med 0 % påslag — vilket spelar roll här eftersom när Kuaishou väl publicerar ett Kling 4.0-pris återspeglar en pass-through-katalog det samma dag i stället för efter en avtalscykel. Om du bygger mot familjen nu och vill ha den nya modellen veckan den öppnas upp, är det praktiska upplägget att hålla anropet bakom ett modellnamn du kan ändra, och att routa det via en gateway som kan falla tillbaka till Kling 3.0 när den nya endpointen är otillgänglig i stället för att hårdkoda någon av dem.

Vad du bör hålla koll på under den kommande månaden

Den första händelsen som går att sätta datum på är att API:et går ur early access, eftersom det är då ett pris dyker upp och modellen blir något man kan lägga in i en budget i stället för på en presentationsbild. Den andra är den första oberoende poängen: Kling 4.0 saknas i dag på Artificial Analysis videotopplistor, vilket inte är en dålig poäng utan en frånvaro, och föregående generations siffror på dessa topplistor ligger som bäst i mitten av tabellen – Kling 3.0 1080p Pro ligger runt Elo 1 055 för bild-till-video, långt under de nuvarande ledarna. Den tredje är huruvida etiketterna ”kommer snart” faktiskt infrias: HDR, 2-minutersförlängning och nativ 4K med 21:9 är tre separata löften, och lanseringar som levereras med tre av dem kvarstående har en tendens att infria två.

Fram till att de två första inträffar är den ärliga hållningen till Kling 4.0 att produkten har släppts och plattformen inte, och gapet mellan dem är där största delen av risken ligger för alla som inte redigerar för hand i en webbläsare.