
Das Standbild oben stammt aus Neon Debt, einer Folge, die auf dieser Seite vom Drehbuch bis zum Zusammenschnitt entstanden ist.
Am 28. September 2026 hat Kling zwei Modelle angekündigt: Kling 4.0 und Kling 4.0 Flash. Die Ankündigung steht auf Klings eigener Release-Seite zum Modell; die Spezifikationstabellen unten geben sie wieder, und jede Zahl lässt sich auf die Quellen am Ende dieser Seite zurückführen.
Die beiden Modelle kamen nicht gemeinsam in derselben Form. Kling 4.0 Flash wurde am selben Tag als Early-Access-Vorschau für eine begrenzte Gruppe von Creators geöffnet (die Angaben dazu, wer genau teilnehmen darf, gehen auseinander, daher nennen wir hier keine Bedingung). Das volle Kling 4.0 wurde in der Ankündigung für Oktober beschrieben; einen Tag nannte sie nicht.
Das ist der Stand, den wir bei unserer Prüfung am 15. Oktober 2026 vorfanden: keine Release-Ankündigung für das volle Modell, keine offene API, keine veröffentlichten Modell-IDs und keine veröffentlichten Preise für eine der beiden Versionen. Ändert sich das alles, taucht es zuerst auf Klings eigener Release-Seite auf — nicht in einer Übersicht wie dieser.
Das ist alles, was die Ankündigung über das volle Kling 4.0 sagt, an einem Ort. Wo eine Funktion als später kommend angekündigt wurde, steht das dabei.
| Angekündigt | Kling 4.0 |
|---|---|
| Clip-Länge | 3–30 Sekunden in einer Generierung; die Verlängerung auf maximal 2 Minuten ist als bald verfügbar angekündigt |
| Auflösung | 720p, 1080p und 4K |
| Farbe | 10-Bit-HDR bei 1080p und 4K — als bald verfügbar angekündigt, zur Ankündigung nicht verfügbar |
| Seitenverhältnisse | 21:9, 16:9, 1:1, 9:16 und Auto |
| Bildsteuerung | Erstes und letztes Bild, dazu bis zu 10 Keyframes an beliebiger Stelle der Timeline |
| Referenzen | Omni Reference: bis zu 15 Referenzen pro Aufgabe — höchstens 10 Bilder, höchstens 5 Videos (zusammen 30 Sekunden), höchstens 7 Subjekte, davon bis zu 3 Videosubjekte, dazu eine Stimme |
| Audio | Stereo, mit präziserer Lippensynchronisation; gesprochene Zeilen und eingeblendeter Text in 9 Sprachen, mit Akzenten und Dialekten |
| Videobearbeitung | Bis zu 5 Eingabeclips (einer davon der Hauptclip), jeweils 3–30 Sekunden, insgesamt 30 Sekunden; eine Neubearbeitung kann einen einzelnen Gesichtsausdruck, die Kamera, den Hintergrund oder eine gesprochene Zeile ändern und den Rest unberührt lassen |
| Prompt-Länge | Bis zu 8.000 Token |
Das sind die offiziell angekündigten Zahlen. Nichts in der Tabelle ist eine Messung: Außerhalb von Kling hat noch niemand ein veröffentlichtes Modell ausprobiert, also betrachte sie als die Spezifikation, an der sich der Start messen lassen muss.
Die Bildsteuerung ist die folgenreichste Änderung für alle, die Shot für Shot schreiben. Ein erstes Bild legt fest, wo ein Shot beginnt, und ein letztes Bild, wo er endet; das Modell bewegt die Handlung zwischen diesen beiden Punkten. Kling 3.0 hatte den Modus mit erstem und letztem Bild bereits.
Keyframes gehen weiter: Das sind zusätzliche festgesetzte Bilder an gewählten Momenten innerhalb des Clips. Bis zu 10 davon wurden angekündigt. In der Praxis kannst du so einen Shot schreiben, wie ein Storyboard sich liest — eine Figur hebt den Brief bei Sekunde 4, lässt ihn bei Sekunde 9 fallen, dreht sich bei Sekunde 14 zur Tür —, statt die ganze Bewegung in Prosa zu beschreiben und zu hoffen, dass der Take jeden Beat trifft.
Bei einer Serie geht es vor allem darum, Beats zu treffen: die Momente, von denen ein Schnitt abhängt. Ein Take, der auf einer bestimmten Pose enden muss, ein Requisit, das auf Stichwort den Besitzer wechseln muss, eine Enthüllung, die in einer geschriebenen Sekunde passieren muss. Keyframes sind der Weg, auf dem das angekündigte 4.0 diesen Momenten eine feste Zeit gibt.
Kling 3.0 und 3.0 Omni wurden im Februar 2026 angekündigt und sind in Klings eigenem Blog dokumentiert. Die Tabelle vergleicht, was jede Generation angekündigt hat; die Spalte zu 3.0 zeigt, was diese Version tatsächlich nannte, nicht, was später dazukam.
| Kling 3.0 (angekündigt im Februar 2026) | Kling 4.0 (angekündigt am 28. September 2026) | |
|---|---|---|
| Eine Generierung | 3–15 Sekunden | 3–30 Sekunden, Verlängerung auf 2 Minuten bald verfügbar |
| Shot-Steuerung | Bis zu 6 Shot-Wechsel in einer Generierung; Dauer, Bildausschnitt, Kamerawinkel, Inhalt und Kamerabewegung pro Shot | Erstes und letztes Bild plus bis zu 10 Keyframes an beliebiger Stelle der Timeline |
| Referenzen | Element-Referenz für Subjekte, Referenz über mehrere Bilder, Video-Element-Referenz | Omni Reference: bis zu 15 pro Aufgabe über Bilder, Videos, Subjekte und eine Stimme hinweg |
| Audio | Audio und Video in einem Durchgang; Dialoge in Englisch, Chinesisch, Japanisch, Koreanisch und Spanisch; Akzente und chinesische Dialekte; Zeilen pro Sprecher zugeordnet | Stereo, präzisere Lippensynchronisation, 9 Sprachen für Zeilen und eingeblendeten Text |
| Bearbeitung | Nicht Teil der Ankündigung von 3.0 | Bis zu 5 Eingabeclips; Neubearbeitungen einzelner Gesichtsausdrücke, einzelner Zeilen, der Kamera oder des Hintergrunds |
Das Muster: 4.0 dreht an Reglern, die 3.0 schon eingeführt hatte. Längere Takes, mehr festgesetzte Momente, mehr Referenzen, mehr Sprachen, dazu eine Bearbeitungsebene, die 3.0 gar nicht angekündigt hatte.
Das zweite am 28. September angekündigte Modell ist Kling 4.0 Flash, positioniert für Erstellung in großen Mengen: Clips von 3–20 Sekunden, Ausgabe in 720p, 8-Bit-SDR und die Modi Text-to-Video, erstes Bild und Omni Reference. Steuerung über erstes und letztes Bild oder mehrere Keyframes bekommt es in der Ankündigung nicht, und zu Audio und Bearbeitung wurde nichts gesagt.
Flash ging zuerst an eine begrenzte Gruppe von Creators. Welches Modell zu einer bestimmten Produktion passt, ist eine echte Frage mit einer kurzen und einer langen Antwort — Kling 4.0 vs. Kling 4.0 Flash geht sie durch.
Drei Punkte der Ankündigung sind ausdrücklich für später vorgesehen, und es lohnt sich, sie von dem zu trennen, was schon existiert:
Zwei weitere Dinge sind schlicht unbekannt, nicht versprochen: Preise — für keine der beiden Versionen wurde etwas veröffentlicht — und die API, die zum Zeitpunkt des Schreibens nicht offen war. Wer heute einen Preis pro Sekunde für Kling 4.0 nennt, nennt eine Vermutung.
Alles oben ist die offiziell angekündigte Spezifikation. Wir haben das Modell nicht laufen lassen, weil es kein veröffentlichtes Modell zum Laufenlassen gibt, und wir haben Messungen anderer Seiten nicht wiederholt, als wären es unsere Tests.
So solltest du auch die nächste Ankündigung lesen, die dir begegnet: Prüfe, ob die Zahlen aus den eigenen Release Notes des Herstellers stammen oder aus einer Zusammenfassung davon, und prüfe das Datum dessen, was du liest. Spezifikationen ändern sich zwischen Ankündigung und Veröffentlichung, und Punkte mit „bald verfügbar“ rutschen gern über den Start hinaus.
Neben der eigenen Pipeline dieser Seite wird dieselbe Ankündigung auf unserer Seite zu Kling 4.0 behandelt, das schlankere Modell auf Kling 4.0 Flash.
Lässt du die Versionsnummern weg, geht es in der Ankündigung um Länge und Kontrolle pro Take: Eine einzelne Generierung kann jetzt einen Beat abdecken, für den früher zwei oder drei nötig waren, und die Momente darin lassen sich festsetzen.
Genau das wollte Serienarbeit schon länger. Eine Kurzdrama-Folge ist ein Stapel von Segmenten, und jedes Segment grenzt an einem Schnitt an das nächste, sodass der Wert eines längeren Takes nicht die Länge selbst ist — es sind weniger Übergänge, die du überwachen musst, und mehr von der Darstellung in einem Stück.
Die andere Hälfte der Arbeitsmethode ändert sich mit keiner Versionsnummer: Die Geschichte wird weiterhin im Drehbuch und in der Shotliste entschieden. SceneMixer macht aus einem Drehbuch eine Gliederung der Folgen, dann ein Storyboard, in dem jeder Shot seine Sekunden, die Besetzung im Bild und die zu sprechenden Zeilen trägt, rendert diese Shots Segment für Segment und fügt sie zu einer Datei pro Folge zusammen. So machst du ein KI-Kurzdrama führt durch diese Pipeline, und Figurenkonsistenz behandelt die Ebene der Referenzbilder, die eine Besetzung über Folgen hinweg wiedererkennbar hält — dasselbe Problem, für das Omni Reference gebaut ist.
Videostufen werden hier pro Segment gewählt und pro Sekunde berechnet, wobei der Preis auf dem Button zum Generieren steht, bevor etwas abgebucht wird; die aktuelle Liste und die Preise stehen auf der Preisseite. Wenn ein Modell wie Kling 4.0 allgemein erscheint, gehört es zu den Dingen, die als Stufe hinzukommen; bis dahin bleibt diese Seite eine Spezifikationsseite und keine Anleitung.

Kling ist eine Marke ihres Inhabers und wird hier nur genannt, um das Produkt zu bezeichnen; SceneMixer steht in keiner Verbindung dazu. Spezifikationen werden so zitiert, wie sie angekündigt wurden, und können sich vor der Veröffentlichung ändern.
| Version | Angekündigt | Eine Generierung | Auflösung |
|---|---|---|---|
| Kling 3.0 / 3.0 Omni | Februar 2026 | 3–15 Sekunden, bis zu 6 Shot-Wechsel | In der Ankündigung von 3.0 nicht genannt |
| Kling 4.0 Flash | 28. September 2026 | 3–20 Sekunden | 720p, 8-Bit-SDR |
| Kling 4.0 | 28. September 2026 | 3–30 Sekunden (Verlängerung auf 2 Minuten bald verfügbar) | 720p, 1080p, 4K (10-Bit-HDR bald verfügbar) |
Soweit wir feststellen konnten, nicht. Die volle Version wurde am 28. September 2026 für Oktober angekündigt, und Stand 15. Oktober 2026 fanden wir keinen Release-Bericht, keine offene API und keine veröffentlichten Preise. Kling 4.0 Flash wurde am Tag der Ankündigung für eine begrenzte Gruppe von Creators geöffnet.
Laut Ankündigung 3 bis 30 Sekunden in einer Generierung. Eine Verlängerung auf maximal 2 Minuten wurde als bald verfügbar angekündigt, nicht als verfügbar.
Bis zu 15 Referenzen pro Aufgabe, wie angekündigt: höchstens 10 Bilder, höchstens 5 Videos mit zusammen 30 Sekunden, höchstens 7 Subjekte (davon bis zu 3 Videosubjekte), dazu eine Stimme.
Erstes und letztes Bild legen die beiden Enden eines Clips fest. Keyframes sind zusätzliche festgesetzte Bilder zu gewählten Momenten innerhalb des Clips; Kling 4.0 wurde mit bis zu 10 davon angekündigt. Damit kann ein Shot auf einem geschriebenen Beat landen.
Die Ankündigung beschreibt Stereoton mit präziserer Lippensynchronisation sowie Dialoge und eingeblendeten Text in 9 Sprachen mit Akzenten und Dialekten. Kling 3.0 erzeugte Audio und Video bereits in einem Durchgang in fünf Sprachen.
Die Ankündigung beschreibt Videobearbeitung mit bis zu 5 Eingabeclips (einer davon der Hauptclip), jeweils 3-30 Sekunden und insgesamt 30 Sekunden, einschließlich Neubearbeitungen, die einen Gesichtsausdruck, die Kamera, den Hintergrund oder eine einzelne Zeile ändern. Das stand in der Ankündigung; wir haben es nicht im Einsatz gesehen.
Unbekannt. Mit der Ankündigung wurden für keine der beiden Versionen Preise veröffentlicht, und jede Preisangabe pro Sekunde, die du heute anderswo siehst, ist keine offizielle Zahl.
Zum Zeitpunkt des Schreibens nicht. Die Release-Seite des Modells behandelt die Veröffentlichung selbst; die API war bei unserer Prüfung am 15. Oktober 2026 nicht offen.
Auf Klings eigener Release-Seite, kling.ai/dev/model-release/kling-4. Übersichten dazu, auch diese hier, hinken der Quelle per Definition hinterher; wir datieren unsere Prüfungen und nennen unsere Quellen, damit du genau siehst, wie aktuell sie sind.
Nein. Auf dieser Seite geht es darum, was Kling angekündigt hat. Die Videostufen dieser Seite, ihre Preise und ihre Limits stehen auf der Preisseite, und keine Kling-Stufe gehört dazu.
Drehbuch, Besetzung und Storyboard sind die Teile, die du behältst, egal was die Shots rendert.
Aktualisiert am 15. Oktober 2026
Preise·Anleitungen·Beispiele·Alternativen·Antworten·Support·Datenschutz·AGB·Rechtliches·Kontakt·Partnerprogramm·© 2026 SceneMixer