← Zurück zum Blog
Newsca. 5 Min. Lesezeit

Kling 4.0 offiziell vorgestellt: 4K HDR, native 30 Sekunden, 10 Keyframes – chinesische Videomodelle starten den Spec-Krieg

Veröffentlicht 2. Okt. 2026
Kling 4.0 offiziell vorgestellt: 4K HDR, native 30 Sekunden, 10 Keyframes – chinesische Videomodelle starten den Spec-Krieg

Am 28. September veröffentlichte Kuaishou Kling die Parameter von Kling 4.0, die offizielle Version ist für Oktober angesetzt. Kling 4.0 Flash wurde früher freigegeben, nur für Mitglieder mit Black-Gold-Jahreskarte, die Spezifikationen wurden auf 720p, 8-Bit SDR, 3 bis 20 Sekunden gedrosselt, Bildqualität und Dauer gegen Generierungsgeschwindigkeit getauscht. Bei derselben Modellgeneration kommt zuerst die „schnelle“ Stufe, die Profi-Spezifikationen bleiben für später. Diese Reihenfolge zeigt bereits, dass Videomodell-Anbieter heute zwei Zielgruppen gleichzeitig bedienen müssen: Kurzvideo-Creator, die über Menge gewinnen, und kommerzielle Kunden, bei denen eine fertige Produktion über die Kosten entscheidet.

Einige Zahlen aus dem Datenblatt

Eine einzelne Generierung dauert maximal 30 Sekunden, bis zu 10 Keyframes, bis zu 15 multimodale Referenzen, das Prompt-Limit wird auf 8000 Tokens angehoben. Kling unterteilt die 15 Referenzen sehr genau: In einer Aufgabe können gleichzeitig 10 Bilder, 5 Videos und 7 Subjekte eingegeben werden; Charaktere, Requisiten und Bildsprache werden in einer Aufgabe gemischt. Auf der Ausgabeseite werden 1080p und 4K mit 10-Bit-HDR unterstützt, zusätzlich 21:9-Ultrabreitformat. Laut offizieller Aussage gilt in kontrastreichen Szenen: „Gegenlicht brennt nicht aus, Nachtszenen verwischen nicht, Neon franst nicht aus.“ Die Videofortsetzungsfunktion soll Clips auf etwa 2 Minuten verlängern können.

Drei Kameraobjektive in aufsteigender Größe nebeneinander auf einer dunklen Oberfläche, kaltblaues Kantenlicht, symbolisiert die schrittweise Eskalation der Spezifikationen bei Videomodellen

Audio ist ein weiterer Schwerpunkt. Kling 4.0 unterstützt hochwertiges Audio und Zweikanal-Stereo, die Präzision der Lippensynchronisation wird weiter verfeinert; offiziell wurde der Satz „nicht mehr wie nachträglich aufgeklebt“ in den Werbeslogan aufgenommen. Für Menschen, die narrative Inhalte erstellen, ist Audio-Bild-Synchronität seit Langem der schwächste Punkt von Videomodellen: Modelle, die selbst Ton erzeugen, sind selten, und noch seltener sind die, die zu den Lippen passen.

Die Spezifikationen der drei Anbieter holen gegenseitig auf

Betrachtet man diese Zahlen im Marktkontext, sieht man, dass sie nicht zufällig gewählt wurden. ByteDances Seedance 2.5 erhielt nach dem Start im Juli dieses Jahres viel Lob, in Produkten wie CapCut werden native 4K bereits unterstützt, die API liegt derzeit bei maximal 1080p und 10-Bit. MiniMax H3 gab früher öffentlich an, maximal 2K und 15 Sekunden pro Segment zu bieten. Kling 4.0 treibt die native Dauer auf 30 Sekunden, stapelt 15 Referenzelemente und hebt die Ausgabespezifikation auf 4K HDR – fast eine Punkt-für-Punkt-Ausrichtung an der Wettbewerberliste und dann noch einen Schritt weiter.

Hier gibt es einen leicht übersehenen Unterschied: Das „Unterstützen“ im Datenblatt und das tatsächlich gelieferte „Verfügbarsein“ sind oft nicht dasselbe. Seedance 2.5 kann auf Produktseite 4K ausgeben, auf API-Seite bleibt es bei 1080p; bei Kling 4.0 ist 4K HDR mit „demnächst verfügbar“ gekennzeichnet. Die Obergrenze, die Creators wirklich nutzen können, hängt davon ab, welche Stufe ihr jeweiliger Kanal anbietet, nicht von der größten Zahl auf der Präsentation.

Zheshang Securities hat in einer Einschätzung vom 30. September die Höhepunkte von Kling 4.0 in drei Punkten zusammengefasst – „4K HDR, native 30 Sekunden, 10 Keyframes“ – und erwartet, dass sich sein Vorsprung bei professioneller Kreation vergrößert. Das ist eine optimistische Einschätzung aus Broker-Sicht. Aus der Beobachtung eines Reporters der Shanghai Securities News ist in den Kommentaren des offiziellen Kling-WeChat-Kanals das größte Interesse der Nutzer weiterhin Preis und Leistung; die erste Bewertung sei „eher nüchtern“ ausgefallen. Zwischen schönen Spezifikationen und der Akzeptanz der Nutzer liegt noch eine Schicht.

Das Geschäft jenseits der Zahlen

Die geschäftlichen Schritte von Kling verraten mehr über seinen Weg als das Modell selbst. Am Abend des 2. Juli dieses Jahres kündigte Kuaishou Technology an der Hongkonger Börse an, dass Kling AI eine eigenständige Finanzierung von rund 3 Milliarden US-Dollar erhält, mit einer Post-Money-Bewertung von etwa 18 Milliarden US-Dollar; die Finanzierung entspricht 16,67 % der Anteile an Beijing Kling, Kuaishou hält weiterhin indirekt etwa 68,33 % und es gibt eine auf fünf Jahre angelegte Börsengang-Klausel. Das war die größte Finanzierungsrunde im globalen Videogenerierungssegment des Jahres.

Nachdem dieses Geld da ist, muss Kling eine sehr praktische Frage beantworten: Wie lange kann der Closed-Source-Hochpreis-Kurs durchhalten? Im selben Monat nahm die Branchendiskussion über „Open Source oder Closed Source“ deutlich zu. Das Closed-Source-Lager (Kling, Jimeng, Sora) verkauft das stabilste Einzelbild pro Clip, die Modellgewichte werden nicht veröffentlicht; das Open-Source-Lager (Alibabas Wan, Tencent HunyuanVideo, Zhipu CogVideoX) verkauft das Ökosystem: Gewichte werden herausgegeben, Fine-Tuning und lokaler Betrieb sind möglich, keine Abrechnung pro Aufruf. Der Unterschied zwischen beiden Wegen landet am Ende in den Büchern der Content-Unternehmen: Der wichtigste Shot eines Films ist es wert, für Qualität mehr zu zahlen, während die Serienproduktion mit demselben Charakter über Dutzende Folgen stärker auf Datenkontrolle und Geschwindigkeit angewiesen ist.

Ein bemerkenswerter Hintergrund ist das Migrationsrisiko. Das Web-Erlebnis von Sora wurde bereits im April eingestellt, die API soll am 24. September beendet werden. Bei Closed-Source-Modellen liegt der Produktlebenszyklus in der Hand des Anbieters; Nutzer können nur mitziehen. Kling als Unternehmen, das gerade eine große Finanzierung abgeschlossen hat und eine IPO-Klausel trägt, hat mehr Spielraum für Preiserhöhungen und Änderungen der API-Bedingungen, als Nutzer denken.

Eine Einschätzung jenseits der Parameter

Zurück zu dem, was Creator interessiert: Was ändert es wirklich, 30 Sekunden auf einmal generieren zu können? Früher zerlegte man einen Film in 5- bis 15-sekündige Einstellungen, generierte sie einzeln und setzte sie dann mit einer Schnittsoftware samt Vertonung zusammen. Kling 4.0 schiebt ein Einzelsegment auf 30 Sekunden, was bedeutet, dass ein Teil der Erzählung mit weniger Schnitten auskommt. Aber 30 Sekunden sind immer noch nicht die Länge, um „eine Geschichte zu Ende zu erzählen“; lange Einstellungen und kontinuierliche Erzählung sparen eher die Zahl der Hin-und-Her-Durchläufe, statt das Storyboard-Denken zu ersetzen.

Die Bedeutung der 10 Keyframes ist ähnlich. Sie ermöglichen es Creators, einige zwingend erforderliche Bildpunkte festzulegen, und reduzieren das wiederholte Neugenerieren im „Gacha“-Stil. 15 Referenzelemente zu stapeln verlagert die Aufgabe der Charakterkonsistenz teilweise von der Prompt-Technik auf die Eingabekapazität des Modells.

Dieses Upgrade löst das Problem der Kontrollierbarkeit, und genau sie ist die Hürde, an der KI-Videos von „es kann Aufnahmen erzeugen“ zu „es kann abgeliefert werden“ übergehen. Preise, Lizenzen und Datenzugehörigkeit – diese Fragen jenseits der Zahlen beantwortet Kling 4.0 nicht; sie werden entscheiden, wer dieses Modell letztlich nutzt und in welchen Projekten.

Verwandte Artikel