Kling 4.0 vs Hailuo 2.3: Ett sexmånadersgap i två riktningar

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.

Det är därför den användbara frågan inte är "vilket är bättre" utan "vilket misslyckande kan du leva med". Nedan följer var de brister.

Vad Hailuo 2.3 faktiskt är

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.

• Upplösning — Hailuo 2.3 inbyggd 1080p vs Kling 4.0 720p, 1080p och 4K, med 10-bitars HDR på de två översta som är markerade som kommande.

• Klipplängd — Hailuo 2.3: 6 sekunder vid 1080p, 10 sekunder vid 768p, jämfört med Kling 4.0: 3 till 30 sekunder i en enda omgång, med 2-minutersförlängning angiven som kommande.

• Ljud — Hailuo 2.3 inget vs Kling 4.0 tvåkanalig stereo, läppsynk och dialog på nio språk.

• Bildrute kontroll – Hailuo 2.3 endast startbildruta, ingen låsning av slutbildruta jämfört med Kling 4.0 med upp till 10 nyckelbildrutor plus första- och sista bildruta.

• Referenskontroll – Hailuo 2.3 positioneras inte som en referensförst-modell jämfört med Kling 4.0 med upp till 15 kombinerade referensresurser.

• Kommersiellt upplägg — Hailuo 2.3 förbetalda poängpaket från $1,000 till $6,000 vs Kling 4.0 prenumerationskrediter i appen, ingen publicerad API-taxa.

• Oberoende poäng — ingen av modellerna har en aktuell inbördes jämförelse; Hailuo 2.3:s senaste avläsning på listan var runt #28 vid ungefär Elo 1 180 på en tidigare utgåva av Artificial Analysis video board, och Kling 4.0 saknas.

Prisjämförelsen som ingen kan slutföra

Hailuo 2.3:s officiella kanal bygger på förbetalda poäng: paket från $1 000 till $6 000 som förbrukas till en fast taxa – en poäng för ett sex sekunder långt standardklipp i 768p, två poäng för ett tio sekunder långt 768p-klipp eller ett sex sekunder långt 1080p-klipp, medan den snabbare varianten Hailuo-2.3-Fast sänker dem till cirka 0,7 respektive 1,1–1,3. Återförsäljare anger ett jämnare pris på $0,067–$0,08 per sekund, och det är därifrån ryktet att "Hailuo är snorbilligt" kommer.

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.

Så det ärliga konstaterandet om kostnad är detta: den billigare modellen är Hailuo 2.3, eftersom den är den enda av de två som har ett pris. Det är inte beröm för dess ekonomiska modell – en enskild kreatör som jämför ett minimiåtagande på $1,000 mot något okänt jämför inte alls taxor. Det är ett påstående om vilken sida av jämförelsen som har riskreducerats.

Frågan om ljudet avgör mer än vad specifikationerna gör

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.

Hela lanseringen av Kling 4.0 bygger på den motsatta förutsättningen. Tvåkanalig stereo med mer exakt läppsynk, dialog på nio språk – inklusive namngivna dialekter – och generering av text på skärmen som påstås förbli läsbar när kameran rör sig. För ett talking head-klipp, en kort dramascen eller en produktfilm med inbyggd voice-over är det den förmåga som avgör köpet, och det är det enda som Hailuo 2.3:s dokumentation inte bestrider.

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.

Där stylisten fortfarande vinner

Två ställen, och de är värda att nämna just därför att den nyare modellens fördelar är så mycket lättare att räkna upp.

Den första är nativ upplösning till priset. Hailuo 2.3 ger 1080p utan ett uppskalningsförbehåll och utan ett "kommer snart" kopplat till färgpipelinen. Kling 4.0:s 4K är en levererad utmatningsinställning, men dess 10-bitars HDR är det inte, så för ett färghanterat arbetsflöde vid 1080p är den äldre modellen den renare källan – inga överraskningar, inget beroende av en färdplan.

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.

Det finns en tredje, mjukare punkt. Hailuo 2.3:s svagheter dokumenteras av dess egen leverantör – inget ljud, ingen slutbild, inte fotorealistisk – vilket gör det lätt att planera runt. Kling 4.0:s versionsinformation nämner inga svagheter alls; dess enda förbehåll är etiketterna "kommer snart". En modell med en publicerad lista över vad den är dålig på är lättare att ta med i en produktionsplan än en med en publicerad lista över vad den kommer att vara bra på.

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.

Enmeningsprovet

Om du kan beskriva din tagning utan att nämna ljud, och utseendet är stiliserat, är Hailuo 2.3 fortfarande rätt verktyg och dess ålder är irrelevant — 1080p, native, ingen uppskalning, till ett pris du kan förhandla ned vid volym. Om ljud är en del av tagningen, eller tagningen är längre än tio sekunder, eller du behöver fästa tio moment på en tidslinje och redigera ett av dem efteråt, är Kling 4.0 den enda av de två som kan försöka sig på det — i appen i dag, med API:et som följer.

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.