Kling 4.0 vs Grok Imagine Video: Den billigaste modellen har flest röster

Den mest omfattande mätta modellen i den här jämförelsen är inte den nyaste, och den nyaste har inte mätts alls. Grok Imagine Video är en familj av tre bidrag på Artificial Analysis bild-till-video-tavla: originalet från januari 2026 på Elo 1 072 med 14 371 röster bakom sig, Grok Imagine Video 1.5 på 1 098 med 5 267 röster, och Lite-varianten på text-till-video-tavlan. Kling 4.0, som släpptes den 15 oktober 2026, har ingen rad på någon tavla, ingen publicerad sekundtaxa och ett specifikationsblad som slår alla tre Grok-poster på varaktighet, upplösning och antal referenser. Klyftan mellan bevis och tak är hela matchningen.

Den formen är vanligare på den här marknaden än vad topplisteformatet medger. En modell med en lång rösthistorik är en känd storhet, inte nödvändigtvis den bästa. En åtta dagar gammal modell med en 30-sekunderskörning är ett löfte med en demoreel. Frågan är vilken typ av osäkerhet ditt projekt kan absorbera.

Tre Grok-modeller, en Kling

Grok Imagine Video är inte en enda produkt, och versionsnumren rangordnar inte som du skulle förvänta dig. Läs vidare på bild-till-video-tavlan med ljudet på, så som den fångades den 10 oktober 2026:

• Grok Imagine Video original — 13:e plats med Elo 1 072 ±7 över 14 371 sampel, januari 2026, $4,20 per minut.

• Grok Imagine Video 1.5 — 9:a i Elo 1 098 ±8 över 5 267 prover, maj 2026, 8,40 USD per minut.

• Grok Imagine Video 1.5 Lite — 16:e på text-till-video-listan med 993 ±10 över 5,715 prover, släppt 26 augusti 2026, $8.40 per minut.

• Kling 4.0 — ingen rad på någon tavla per den 23 oktober 2026.

Originalet är billigast och bäst utvärderat. 1.5-uppdateringen har 26 Elo högre poäng och kostar dubbelt så mycket per minut, på en tredjedel av rösterna. Lite-varianten ligger på en helt annan resultattavla, så att jämföra den med de andra två är redan att jämföra olika uppgifter. Det här är en familj som har itererats i en konsumentplattforms takt, och pristrappan speglar det: du kan köpa den billiga, välbelagda baslinjen, den dyrare förfinade varianten eller Lite-nivån som är billigare per sekund, och var och en ber dig att väga bevis mot poäng.

Kling 4.0 erbjuder inget av den där inbyggda valmöjligheten. Det finns en modell, ett ännu inte offentliggjort pris och ett tak för varaktigheten. Den enkelheten är en fördel om du vill ha den bästa tillgängliga tagningen och en belastning om du vill fatta ett inköpsbeslut som du kan försvara med en siffra.

Vad röstsiffrorna ger dig

Antalet sampel brukar betraktas som en teknikalitet. På den här tavlan är det skillnaden mellan ett påstående och en gissning. Januari-Grok-checkpointens ±7-intervall har samma bredd som Gemini Omni Flashs, som har 12 327 röster bakom sig; 14 371 jämförelser räcker för att tavlan ska kunna ange en position med viss säkerhet. Grok 1.5:s ±8 är bredare eftersom den har färre röster, inte för att den är en sämre modell. Kling 4.0:s intervall finns inte ännu.

Det får en praktisk konsekvens för alla som väljer utifrån kvalitet. Om du väljer Grok Imagine Video original vet du på ett ungefär vad du får: en modell i mitten av tabellen med ett starkt evidensunderlag och det lägsta priset i den här jämförelsen. Om du väljer Kling 4.0 accepterar du leverantörens påståenden om en modell som oberoende utvärderare ännu inte har betygsatt. Inget av valen är irrationellt. De är olika satsningar.

Specifikationstaket

På papperet är Kling 4.0 en klart mer kapabel maskin.

• Längd — Kling 4.0 genererar 3 till 30 sekunder i en enda omgång, med tvåminutersförlängning angiven som kommande. Grok Imagine Video 1.5 genererar 1 till 15 sekunder, med autoregressiv förlängning från den sista bildrutan; originalet är begränsat till 8,7 sekunder för redigerings- och förlängningsarbete.

• Upplösning — Kling 4.0 listar 720p, 1080p och 4K, med 10-bitars HDR vid 1080p och 4K markerat som kommande. Grok 1.5 matar ut 480p, 720p och 1080p nativt. Originalet har lägre maxnivå.

• Referenser — Kling 4.0 tar upp till 15 tillgångar över bilder, videor, subjekt och röster, med gränser på 10 bilder, 5 videor, 7 subjekt och upp till 3 videobaserade subjekt. Grok 1.5 tar upp till 14 referensbilder, upp till 3 röstreferenser och upp till 4 nyckelbildrutor i mitten av videon plus första och sista bildrutan.

• Nyckelbilder – Kling 4.0 tar emot upp till 10 nyckelbilder. Grok 1.5 tar första bildrutan, sista bildrutan och upp till 4 bildrutor från mitten av videon.

• Ljud – båda genererar inbyggt ljud med läppsynkroniserat tal; Kling hävdar tvåkanalig stereo och nio språk plus dialekter, Grok hävdar gemensam ljud- och videogenerering med upp till 3 förinställda röstreferenser.

• Prompt — Kling 4.0 tar emot upp till 8 000 tokens. Groks dokumentation redovisar inte några jämförbara promptgränser.

De två ligger närmare varandra när det gäller referenser än rubriksiffrorna antyder: 15 tillgångar mot 14 bilder plus 3 röster är ingen kross. Den verkliga skillnaden är varaktighet och upplösning. Trettio sekunder i 4K mot femton i 1080p är en annan klass av leverans, och det är anledningen till att Kling 4.0 är värd att överväga överhuvudtaget trots den saknade bevisningen.

Pris: en publicerad stege mot en tom yta

Grok Imagine Videos priser publiceras per sekund efter upplösning. 1.5-modellen kostar $0,08 per sekund vid 480p, $0,14 vid 720p och $0,25 vid 1080p, med ljud inkluderat och bildindata till $0,01 per bild. Lite-varianten kostar $0,02 vid 480p, $0,03 vid 720p och $0,14 vid 1080p. Den äldre originalversionen kostar $0,05 vid 480p och $0,07 vid 720p. Artificial Analysis normaliserar 1.5-raden till $8,40 per minut och originalet till $4,20, vilket överensstämmer med 720p-priserna.

Kling 4.0 har ingen per-sekund-pris från leverantören per den 23 oktober 2026. Appen drivs på krediter genom Kling AI:s planer; API:et är i tidig åtkomst. Återförsäljares listningar anger priser per sekund, men de är inte Kuaishous pris och varierar tillräckligt mycket för att använda ett av dem som en budgetpost skulle vara gissningsarbete.

För en verklig baslinje är den föregående Kling-generationen prissatt och i produktion. På OrcaRouter kostar kling/kling-v3 och kling/kling-v3-omni $0,084 per begäran, kling/kling-3-turbo kostar $0,112 och de äldre 2.x-nivåerna ligger på $0,042 till $0,28. Det är priser per begäran snarare än per-sekund-priser, så de stämmer inte en-till-en med Groks prislista, men det är de siffror som en Kling-köpare faktiskt kan använda idag.

Åtkomst och redigeringsytan

Grok Imagine Video är tillgängligt via xAI:s API och konsumentprodukten Grok. Modellen 1.5 är asynkron: skicka in, polla ett förfrågnings-ID, ladda ner. Familjen har funnits tillräckligt länge för att dess förfrågningsschema ska vara dokumenterat och dess felmoder kända. Originalet hanterar redigerings- och förlängningsarbete, med en övre gräns på 720p och en källa på 8,7 sekunder; modellen 1.5 är inriktad på generering och stöder uttryckligen inte videoredigering eller förlängning som dokumenterade funktioner.

Kling 4.0 är tillgängligt i Kling AI-appen och på webbplatsen globalt, och det globala lanseringsmeddelandet är daterat 16 oktober 2026. API:et är i tidig åtkomst, med stöd för MCP och CLI angivet. Dess redigeringsyta dokumenteras som riktade redigeringar av ansiktsuttryck, kroppsrörelse, kameraposition, stil och bakgrund över upp till fem indataklipp inom ett sammanlagt fönster på 30 sekunder – bredare än Grok 1.5:s dokumenterade redigeringsstöd, smalare än en allmän videoredigerare.

Ingen av modellerna är en OrcaRouter-route i dag, så inget här är ett påstående att vi driftar någon av dem. Den Kling-generation vi faktiskt erbjuder är Kling 3.0, som är den praktiska reservlösningen om du testar Kling 4.0 under early access. Mer allmänt är anledningen till att ha en gateway framför en videostack att dessa modeller misslyckas på olika sätt: en begränsar anropstakten, en annan får timeout vid en lång generering, en tredje returnerar en slutstatus som inte är lyckad. En enda OpenAI-kompatibel endpoint med automatisk failover och leverantörers listpriser som förs vidare med 0 % påslag gör inte modellerna bättre, men det hindrar en enda dålig endpoint från att bli en misslyckad batch.

Vem ska välja vilken

• Välj Grok Imagine Video original om du vill ha den lägsta publicerade taxan och det starkaste bevisunderlaget. Med 4,20 dollar per minut och 14 371 röster är det det minst överraskande valet i jämförelsen, och det är billigt nog att använda för utkast.

• Välj Grok Imagine Video 1.5 om du behöver inbyggd 1080p, 15-sekundstagningar, upp till 14 referensbilder och 3 röstreferenser samt ett dokumenterat pris per sekund. Det är den bäst utrustade Grok-modellen för en kontrollerad karaktärsbild.

• Välj Kling 4.0 om du behöver ett 30-sekunderspass i ett enda svep, 4K, 10 nyckelbilder eller en leverabel i 21:9, och om du är villig att pilotera ett API med tidig åtkomst som varken är poängsatt eller prissatt.

• Välj Grok om inköpsavdelningen behöver en siffra den här veckan; välj Kling om tagningen behöver den längre tagningen och du kan vänta på prislistan.

Den ärliga slutsatsen är att dessa två modeller ännu inte riktigt konkurrerar om samma köp. Grok Imagine Video är en mogen, avvägd och billig familj som säljs enligt en offentlig prislista. Kling 4.0 är en modell med högre tak under sin första vecka i allmän tillgänglighet, med bevis och prissättning som fortfarande återstår. Rätt drag för de flesta team är att behålla den avvägda modellen i produktion och pilottesta den nya på de tagningar som faktiskt behöver 30 sekunder – och att läsa om både resultattavlan och prislistan om en månad, när den tomma kolumnen äntligen kan ha ett nummer i sig.