Kling 4.0 vs Kling 3.0: Uppgraderingen ligger i tidslinjen, inte i pixelantalet

Kling 4.0 blev allmänt tillgänglig den 15 oktober 2026, och det första man lägger märke till är vad som inte förändrades. Kling 3.0, som Kuaishou släppte den 5 februari 2026, genererade redan inbyggt 4K. Båda modellerna anger 720p, 1080p och 4K. Båda tar emot text, bilder och video som indata. Båda tillverkas av samma företag, säljs via samma skaparsida och producerar klipp som ser ut att komma från samma familj. Om man jämför dem på den specifikationsrad som de flesta kontrollerar först ser den nya modellen ut som ett avrundningsfel. De dokumenterade AI-felen och agentincidenterna bakom lanseringar som denna samlas i OrcaRouter AI Incident Archive där varje post har sina egna källor, allvarlighetsgrad, konfidensbetyg och flagga för omstridd uppgift.

Det är det inte. Skillnaden mellan dessa två generationer är tiden – hur mycket av den modellen genererar i ett svep, och hur exakt du kan styra vad som händer inom den. Kling 4.0 fördubblar taket för en enskild generering från 15 sekunder till 30, ersätter start- och slutbildrutor med upp till tio nyckelbildrutor och fördubblar ungefär referensbudgeten. Det är förändringarna som förändrar ett arbetsflöde. 4K-märket på båda boxerna är förändringen som förändrar ett pressmeddelande.

Vad versionsinformationen faktiskt hävdar, och vad som faktiskt levererades

Allt i det här avsnittet kommer från Kuaishous egen versionsinformation och funktionssida, lästa den 22 oktober 2026. Inget av det har ännu en oberoende bedömning bakom sig, eftersom Kling 4.0 inte förekommer på någon av Artificial Analysiss tre videotopplistor vid det datumet – listorna har fortfarande Kling 3.0-rader från februari och inget nyare från Kuaishou. Behandla leverantörens påståenden som påståenden.

• Varaktighet — Kling 3.0: 3 till 15 sekunder. Kling 4.0: 3 till 30 sekunder i en enda omgång, med förlängning genom flera generationer till 2 minuter listad som kommande.

• Upplösning – båda: 720p, 1080p, 4K. Kling 4.0 lägger till 21:9 vid sidan av 16:9, 1:1 och 9:16.

• Dynamiskt omfång – Kling 3.0: 8-bitars SDR. Kling 4.0: 10-bitars HDR vid 1080p och 4K, vilket versionsinformationen anger som kommande snarare än redan levererat.

• Nyckelbildrutor — Kling 3.0: endast första och sista bildrutan. Kling 4.0: upp till 10 nyckelbilder placerade var som helst på tidslinjen.

• Referenser – Kling 3.0: upp till 7 bilder eller subjekt utan videoindata, eller 1 video plus 4 bilder eller subjekt, där videon är begränsad till 15 sekunder. Kling 4.0: upp till 15 tillgångar sammanlagt – 10 bilder, 5 videor med totalt 30 sekunder, 7 element varav upp till 3 får vara videobaserade, plus röstreferenser.

• Ljud — Kling 3.0: enkanaligt. Kling 4.0: tvåkanalig stereo, med vad leverantören beskriver som tätare läppsynk.

• Språk — Kling 3.0: kinesiska, engelska, japanska, koreanska, spanska. Kling 4.0 lägger till portugisiska, tyska, franska och hindi, med regionala accenter och dialekter för kinesiska och engelska.

• Prompt-indata – Kling 4.0 tar upp till 8 000 token text. Kling 3.0:s egen API-referens begränsar promptfältet till 3 072 tecken. Det är olika enheter och leverantören har inte publicerat någon omvandling, så betrakta inte paret som en direkt multipel.

Varför 30 sekunder förändrar mer än klippets längd

Femton sekunder är ungefär en handling. En produktsnurrning, en replik, en enda kamerarörelse, en reaktion. Kling 3.0 byggdes kring den begränsningen och kom runt den med planering för flera tagningar: modellen delar upp klippet i upp till sex tagningar och klipper mellan dem, vilket är så man får en sekvens ur en kvartsminut.

Kling 4.0:s 30 sekunder ersätter inte det knepet, men det förändrar vad knepet är till för. En lång tagning kan nu rymma ett etablerande moment, en karaktärsentré och en vändning utan klipp, och kontrollen med tio nyckelbilder är det som gör det regisserbart i stället för tur. Kuaishous egen genomgång placerar nyckelbilder vid fasta tidpunkter – en karaktär som gör entré vid 4 sekunder, en produkt vid 12, en push-in vid 20, ett scenbyte vid 28 – vilket är storyboard-språk, inte promptspråk. Det är den verkliga uppgraderingen: modellen tar nu emot en plan för tagningen i stället för en beskrivning av tagningen.

Det höjer också kostnaden för en dålig tagning. En 30-sekundersgenerering som missar vid sekund 24 slösar dubbelt så mycket beräkningskraft som en miss vid 15 sekunder, och Kuaishou har inte publicerat vad en generering kostar. Det är det andra du lägger märke till när du läser releasen: ingen prislista. API:et är i early access – utvecklarkonsolen har en banner som säger exakt det – och det finns inget publicerat pris per sekund för vare sig Kling 4.0 eller Kling 4.0 Flash. Varje siffra som anges för Kling 4.0 i dag är en uppskattning som någon har härlett, inte en leverantörstaxa.

Referensbudgeten växte, och det finstilta växte med den.

"Upp till 15 referenser" är rubriken, och som de flesta runda tal färdas den längre än begränsningarna under den. 15 är ett sammanlagt tak för fyra typer av tillgångar, och gränserna per kategori kan inte bytas mot varandra: 10 bilder, 5 videor vars sammanlagda längd inte får överstiga 30 sekunder, 7 element, varav högst 3 videobaserade, samt röstreferenser kopplade till element. Du kan inte använda hela utrymmet till bilder.

Kling 3.0:s gränser var snävare på ett sätt som spelade roll för en specifik uppgift: en referensvideo och endast fyra bilder eller subjekt tillsammans med den. Om ditt arbetsflöde är "matcha det här framträdandet från ett klipp och håll dessa fyra personer konsekventa" kunde Kling 3.0 precis klara det. Om det är "matcha framträdandet, håll sex personer konsekventa, återge den här produkten och den här platsen" kunde den inte det, och Kling 4.0 kan.

Det andra tillskottet är redigering inuti modellen. Kling 4.0 tar emot upp till fem indataklipp för en redigering – ett primärt, vart och ett 3 till 30 sekunder, 30 sekunder sammanlagt – och leverantören hävdar att riktade ändringar av uttryck, kroppsrörelser, kameraposition, stil eller bakgrund kan göras medan resten av bildrutan hålls intakt. Kling 3.0 Omni hade referensdrivna arbetsflöden, men redigering var ett separat läge, inte en del av samma generering. Huruvida påståendet håller när det möter verkligt material är precis den sorts sak som ingen leverantörssida kan avgöra.

Vad du kan ringa i dag, och på vilken tangent

Det är här de två modellerna slutar vara utbytbara i praktiken. Vi routar Kling 3.0 och inte Kling 4.0. Katalogen innehåller kling/kling-v3 och kling/kling-v3-omni till ett fast pris på $0,084 per begäran, kling/kling-3-turbo till $0,112 samt de äldre 2.x- och O1-generationerna; det finns ingen route för Kling 4.0 och ingen identifierare att lägga till förrän API:et lämnar tidig åtkomst. Allt i den här texten som beskriver Kling 4.0 som anropbar beskriver Kuaishous egen plattform, inte vår.

För ett team som vill prova den nya modellen utan att bygga om en pipeline pekar den asymmetrin mot den uppenbara uppdelningen: anropa Kling 3.0 via routern där den redan är prissatt och stabil, och testa Kling 4.0 via leverantörens förhandsåtkomstgränssnitt tills en prislista dyker upp. När den gör det spelar prisgenomströmningsmodellen roll — leverantörernas listpriser förs vidare utan att något påslag läggs till, så en prisändring från K​uaishou eller en lanseringsrabatt slår igenom på vår fakturarad samma dag i stället för vid nästa avtalsförnyelse. Automatisk failover är den andra halvan: om en ny slutpunkt hackar under belastning flyttas begäran till en fungerande väg innan svaret börjar, i stället för att visas som ett misslyckat jobb i din kö.

Beslutet, utan marknadsföringen

Välj Kling 3.0 om dina tagningar är 15 sekunder eller kortare, dina referenser är en handfull bilder och du vill ha ett publicerat pris och en modell som har varit i produktion i åtta månader. Den stöder inbyggd 4K, den stöder flera tagningar, den stöder inbyggt ljud, och till $0.084 per begäran i vår katalog är den ett av de billigaste sätten att generera ett användbart klipp. Inget i lanseringen av Kling 4.0 gör den sämre på de uppgifterna.

Välj Kling 4.0om begränsningen du ständigt stöter på är sekvens: en 25 sekunder lång tagning som måste hålla, ett taktslag som måste inträffa vid en viss sekund, en scen som behöver sex konsekventa referenser och en produkt. Det är vad den extra längden och keyframe-tidslinjen är till för, och ingen mängd 4K kompenserar för att de saknas. Räkna med det okända priset och med att 10-bitars HDR, tvåminutsförlängningen och en publicerad prislista fortfarande listas som kommande.

Frågan som folk kommer att ställa mellan generationerna – är 4.0 bättre än 3.0 – kan inte besvaras utifrån en resultattavla, eftersom den nya modellen inte har någon oberoende poäng. Det som däremot kan besvaras är snävare och mer användbart: de två modellerna är nu byggda för olika långa skott, och den med publicerat pris är den du kan sätta in i en pipeline i dag. Det är inte en dom om kvalitet. Det är hur läget i protokollet ser ut den 22 oktober 2026.