Kling 4.0 對上 MiniMax H3：獲評分的模型反而是較舊的那一款

這個比較有一個不言自明的版本，而它是錯的。MiniMax H3於 2026 年 7 月推出，並登上 Artificial Analysis 的圖生影片排行榜榜首。Kling 4.0於 2026 年 10 月 15 日推出，取代一個自二月起便已投入生產的模型，是 K​uaishou 最新的影片模型。最直觀的解讀是挑戰者已經到來，現任霸主的王冠岌岌可危。但實際的紀錄狀態更奇怪：較舊的模型才是有獨立評分、公開價格、可下載權重，並且在我們平台上有使用途徑的那一個；而較新的模型則有更長的規格表、沒有評分、沒有價目表，API 仍處於早期存取階段。你該在意哪一個，完全取決於你買的是能力，還是供應商關係。像這類發布背後有紀錄的 AI 故障與代理事件，都收錄在OrcaRouter AI Incident Archive，其中每一條記錄都附有各自的來源、嚴重程度、信心等級與爭議標記。

這兩款模型都是真實存在的，而且都很強大。MiniMax H3 是原生 768p、支援 4 至 15 秒的模型，可透過僅限 API 的重新生成模組提供 2K，並在同一次生成中產出原生 32kHz 立體聲，還具備可同時讀取文字、圖像、影片與音訊參考的統一脈絡。Kling 4.0 則是最高可達 4K、支援 3 至 30 秒的模型，最多可使用十個關鍵影格、十五個合併參考，以及雙聲道立體聲。原始能力上的差距確實存在，但比證據上的差距更小。

存在的樂譜，與不存在的那份樂譜

Artificial Analysis 經營三個影片排行榜，各自採用不同評分尺度與獨立投票池，而 M​iniMax 的 H3 在三個排行榜上都榜上有名。閱讀日期：2026 年 10 月 22 日：

• 影像轉影片（AA-Video-I2V v1.1，保留音訊）—— H3（768p）以 Elo 1,140 ±16 在 4,209 票中排名第 1，於 2026 年 7 月發布，紀錄價格為每分鐘 5.40 美元。H3 Max 以 1,125 ±17 位居第 6。

• 文字轉影片（AA-Video-T2V v2.1）— H3（768p）以 1,158 ±16 的分數、在 5,781 票中排名第 5，每分鐘 $4.80。Wan 3.0 以 1,173 居首，H3 Max 變體則以 1,156 排名第 6，因此該系列占據前六名中的兩個席次。

• 影片剪輯（AA-Video-Editing v1.1）— H3（768p）在 7,457 票中以 1,125 ±11 排名第 4，每分鐘 $9.60。

Kling 4.0並未出現在其中任何一個榜單上。這些排行榜上的 Kling 列項是二月的 Kling 3.0——在圖生影片以 1,000 為基準排名第 19、文生影片第 17、剪輯第 9——而它們描述的是上一代，不是這一代。正式上市後八天就要登上榜單還太早，所以這是「尚未被測量」，而非「測量結果不佳」。這仍意味著在接下來幾週裡，「哪個更好」這個問題，一邊有白紙黑字的答案，另一邊只有新聞稿。

關於 H3 的數字，有一點需要提醒，因為這件事有兩面性。圖生影音榜單的區間寬到第一名與第六名彼此重疊——H3 為 1,140 ±16，H3 Max 為 1,125 ±17——所以「第一名」是名次，不是已證明的差距。誠實的說法是，H3 屬於一個領先群組，而成員之間尚未被票數區分開來。

額外那十五秒究竟是要拿來做什麼的

H3 的上限是 15 秒，從 4 秒起以整數秒為單位遞增。Kling 4.0 的上限則是 30 秒，一次生成，並將延長至兩分鐘的功能列為即將推出。這不是種類上的小差異，因為它跨越了鏡頭與場景之間的界線。

• 時長 — MiniMax H3：4 至 15 秒。Kling 4.0：3 至 30 秒，延伸至 2 分鐘即將推出。

• 解析度 — H3：原生 768p，2K 則須透過僅限 API 的重新生成模組，自行託管者無法執行。Kling 4.0：720p、1080p、4K，另支援 21:9。

• 畫面級控制 — H3：首幀、尾幀及首尾幀模式。Kling 4.0：時間軸上任意位置最多可設 10 個關鍵幀。

• 參考輸入 — H3：最多 9 張圖像、3 段影片和 3 段音訊，作為同一個上下文讀取。Kling 4.0：最多 15 項合併素材 — 10 張圖像、總計 30 秒的 5 段影片、7 個元素（其中最多 3 個為影片元素）— 另加語音參考。

• 音訊 — H3：隨影片以 24fps 生成 32kHz 立體聲。Kling 4.0：雙聲道立體聲，支援唇形同步與九種語言的對話。

• 提示詞長度 — H3 在其請求文件中並未公布 token 上限。Kling 4.0 最多可接受 8,000 個 token。

H3 的設計展現在固定鏡頭下的一致性：一段內含單一表演的 15 秒一鏡，由參考圖像與首尾幀驅動，正是其控制項所假設的形態。Kling 4.0 的設計則展現在帶有節拍的較長序列——而十關鍵幀時間軸，正是該升級中最能改變鏡頭創作方式的部分。

對某些讀者而言，決定一切的那段授權條款

這是本組對比中唯一一組，其中兩個模型之一可以離開廠商的伺服器；如果自行託管在你的規劃藍圖上，條款值得優先閱讀。

MiniMax H3的基礎檢查點可依 MiniMax 的社群授權條款下載——不是 Apache，也不是 MIT。該授權排除美國、英國、歐盟與韓國；在這些地區使用需向 MiniMax 提出申請，而收入超過門檻的商業用途則需事先取得書面授權。開放的是基礎模型：Context-IR 提示擴充模組與 2K 重新生成路徑仍留在 API 端，從未包含在這次釋出中。若你身處這四個地區之一，權重並非繞過 API 的替代方案——那得另外與 MiniMax 洽談。

Kling 4.0完全沒有公開任何權重，而快手（Kuaishou）的發布資料也沒有暗示之後會跟進。這是另一種形式的封閉：MiniMax 確實推出了附帶條款的東西，而那些條款你也許還有機會符合；快手則什麼都沒推出，自然無從符合。對一家販售影片模型的公司來說，這兩種立場都算不上不合理；它們只是並非同一種立場，而正在規劃地端（on-premise）流程的團隊，應該在付出一個季度的代價之前，先看清楚每個模型究竟站在這條線的哪一側。

各項的成本，以及那個唯一缺失的數字

MiniMax 按生成輸出每秒計費：768p 每秒 $0.08，2K 每秒 $0.13，參考音訊免費，前五張參考圖片免費。換算下來，768p 為每分鐘 $4.80，這正是 Artificial Analysis 在文字轉影片與編輯排行榜上的記錄方式；若把該排行榜所測量的解析度配置納入考量，則為每分鐘 $5.40 至 $7.80。先產出草稿再放大的技巧並不能繞過計費：768p 生成加上 2K 重新生成，費用為 $0.08 加 $0.05，正好等於直接使用 2K 的 $0.13 費率。

Kuaishou 完全沒有公布 Kling 4.0的費率。API 開發者主控台只掛著搶先體驗橫幅，無論是完整模型或 Kling 4.0 Flash，都沒有每秒計價。如今流傳的每一個數字，都只是某人的估算。除了授權條款之外，這種不對稱是本次比較中最具決策相關性的事實：其中一個模型在你下決定之前就有讀得到的計價表，另一個則沒有。

我們能報價的是上一代。kling/kling-v3 與 kling/kling-v3-omni 每次請求均以固定 $0.084 列出在我們的目錄上，kling/kling-3-turbo 為 $0.112，我們也提供 MiniMax H3，按供應商本身的每秒費率原樣轉嫁，未加收任何費用。這對並排測試很重要：Kuaishou 模型與 MiniMax H3 都能在同一個 OpenAI 相容端點上回應，因此用你自己的提示詞比較它們，只需更改模型 ID，而不必準備兩個供應商帳戶、兩套 SDK 和兩個配額儀表板。容錯移轉位於同一個呼叫之後，這正是讓為期一週的評測變得可行、而不是變成採購作業的原因。

可用性問題，其中開放模型也是較容易的那個

開放權重模型同時也是更容易取得的模型，這種情況很少見，而這就是那樣的情況。MiniMax H3 現在已可呼叫，在我們的平台上以及 M​iniMax 自家平台上皆可，依公布的每秒費率計價，背後有三個獨立的排行榜條目。Kling 4.0 可在 K​uaishou 的創作頁面呼叫，對開發者而言，則可透過早期存取 API 使用，但沒有公布費率，也沒有我們可以路由的模型識別碼。

有兩件事隨之而來，而且它們指向相反的方向。如果你需要這個月交付成果，H3 是具備價格、評分與整合方案的模型。如果你需要一個 30 秒、包含十個指定節拍與立體聲對白的鏡頭，H3 再高的價格也做不到，而等待 Kling 4.0 的費率表就是取得這項能力的代價。好消息是，這兩者並不互斥：在供應商平台上試用 Kling 4.0 的同時，將短片段流程導向 H3，是進行過渡的常見方式，而且能讓製作流程保持在行為已有文件記載的模型上。

有一個路由無法解決的注意事項：如果你位於美國、英國、歐盟或南韓，而你的計畫是自行託管 H3 的權重，那麼透過 API 呼叫並不是授權條款的變通方法。那是另一項產品，適用不同的條款，授權問題仍須由你自己回答。

選擇一個

選擇MiniMax H3，當片段很短、預算固定且證據很重要時。它在文字轉影片排行榜上名列前五，在圖像轉影片上排名第一，橫跨三個排行榜與數千票，768p 每秒 $0.08。它會自行生成立體聲音訊。它可在單一上下文中接受九張圖片、三段影片片段和三段音訊片段。而且，如果你身處四個排除地區之外，它是這兩款中唯一可供下載的一款。

選擇Kling 4.0。三十秒、十個關鍵影格、十五個參考素材與雙聲道對白，是 H3 不具備的能力，再高的基準排名也無法取代。你要知道，你買的是以未公布價格販售的未經評測模型，10-bit HDR 與兩分鐘延長功能都仍列為即將推出，而且 API 處於早期存取階段，而非全面可用。

會改變這項比較格局的，是 Kling 4.0 登上其中一個排行榜，以及一份公開的價目表。單是其中任何一項，就會讓它從「能力對證據」的爭論，轉為尋常的價格與品質決策——而這正是買方希望所在的局面。在那之前，經得起檢視的只有兩句話：H3 是文件記錄完善得多的模型，而且大幅領先；Kling 4.0 則是兩者之中唯一撐得住三十秒鏡頭的模型。