Kling 3.0 Test: Multi-Shot und Schwächen

Mein Kling-3.0-Test nach zwei Wochen: Multi-Shot-Szenen, natives Audio in fünf Sprachen, 4K, wo es Veo 3.1 schlägt und wo nicht.

Jeder Launch-Beitrag verkauft sein Modell als Sora-Killer, deshalb bin ich in diesen Kling-3.0-Test mit gedämpften Erwartungen gestartet. Ich arbeite auf der technischen Seite von Flamis Video-Tools, und in der Praxis heißt das: Ein großer Teil meiner Woche geht drauf, Modelle an öden, echten Aufträgen zu testen, statt Pressemeldungen über sie zu lesen. Kling 3.0 bekam zwei Wochen davon. Sneaker vor neutralem Hintergrund. Eine Café-Szene mit einem Schauspieler. Produktclips, bei denen die Kamera schnell fahren musste und das Objekt seine Form behalten sollte.

Das ist dabei herausgekommen.

Die Fakten, bevor ich wertend werde

Kuaishou hat Kling 3.0 am 5. Februar 2026 veröffentlicht. Falls dir der Firmenname nichts sagt: Kuaishou betreibt eine der größten Kurzvideo-Apps Chinas, eine direkte Konkurrentin zu Douyin, und Kling ist die hauseigene Modellfamilie für Video. Zum Start gab Kuaishou an, Kling sei bereits von 60 Millionen Creators genutzt worden.

Am selben Tag kamen vier Modelle heraus: Video 3.0 und Video 3.0 Omni, dazu Image 3.0 und Image 3.0 Omni. Omni ist der große Bruder. Es nimmt zusätzlich zu Text und Bildern auch Audio- oder Videoclips als Eingabe, und es ist die Version, die Multi-Shot beherrscht. Das einfache Video 3.0 bleibt bei Text-zu-Video und Bild-zu-Video.

Im Vergleich zu Kling 2.6 hat sich das geändert:

Cliplänge: bis zu 15 Sekunden pro Generierung, wo bei 2.6 nach 10 Schluss war;
Ton: 2.6 hat schon im Dezember 2025 Audio zusammen mit dem Bild erzeugt, und 3.0 erweitert die Sprache jetzt auf fünf Sprachen mit regionalen Akzenten;
Multi-Shot-Storyboard: Innerhalb einer Anfrage bekommt jede Einstellung ihre eigene Länge, ihren eigenen Bildausschnitt und ihre eigene Kamerafahrt;
Auflösung: 2K und 4K für Bilder schon zum Start, natives 4K-Video kam später.

„Native Audiogenerierung in mehreren Sprachen, Dialekten und Akzenten.“
Kuaishous Launch-Ankündigung, 5. Februar 2026

Es bleibt bei fünf Sprachen: Englisch, Spanisch, Chinesisch, Japanisch, Koreanisch. Wer Deutsch oder Portugiesisch spricht, geht vorerst leer aus, und das ist die erste Einschränkung, die du kennen solltest.

Seit Februar hat sich bei der Reihe einiges getan. Kuaishous Ergebnisse für das zweite Quartal vom 19. August erwähnen ein neues Modell namens Kling 3.0 Turbo und natives 4K-Video in der gesamten 3.0-Reihe. Kling hat in diesem Quartal außerdem mehr als 850 Millionen RMB eingenommen, ein Plus von über 200 Prozent zum Vorjahr, das zeigt der Bericht von TechNode. Geld ist natürlich noch keine Qualität.

Bei blinden Abstimmungen liegt es im Mittelfeld. Das Bild-zu-Video-Ranking von arena.ai, aktualisiert am 21. September 2026, führt kling-v3-pro auf Platz 19 mit 1.354 Punkten. Die vordersten Plätze gehören neueren Modellen von MiniMax und Google. Wer dort abstimmt, wählt zwischen zwei zufälligen Clips, nicht danach, ob dein Produkt gut aussieht, deshalb behandle ich den Platz eher als Hintergrundrauschen, nicht als Kaufsignal.

Was mir gefallen hat

Bewegung ist der Punkt, an dem Kling allem anderen davonzieht, was ich getestet habe. Die Kamera umkreist das Objekt, Dinge bewegen sich mit einem Gewicht, das glaubwürdig wirkt. Berühren sich zwei Objekte, sieht der Kontakt physisch aus. Braucht eine Einstellung Energie, ist das genau das Modell, zu dem ich greife.

Multi-Shot hat mich mehr überrascht. Ich habe es an einer Promo für eine kleine Modemarke ausprobiert. Dieselbe Person in mehreren Einstellungen, und es waren keine drei getrennten Clips, die zusammengeklebt wurden. Es war eine durchgehende Sequenz mit Schnitten darin. Was dabei herauskam, kam einem fertigen 15-sekündigen Spot aus einer einzigen Generierung schon sehr nahe, ganz ohne Umweg über den Schnittplatz.

Dann sind da die Hände. Zeig ein Produkt in Benutzung (aufgeklappt, gedrückt, geschnitten), und Kling 3.0 zeichnet die Finger in meinen Tests genauer als Veo 3.1. Klingt nach Kleinigkeit. Ist es nicht, denn an den Händen verraten sich die meisten KI-Clips.

Bild-zu-Video läuft sauber. Ich lade ein Produktfoto hoch und bekomme eine flüssige Bewegung zurück, ohne dass sich das Objekt verzieht. Veo kann das auch gut, aber Kling wirkte auf mich dabei günstiger und schneller.

Und dann die Geschwindigkeit. Im Quality-Modus war Kling bei mir nach 2 bis 3 Minuten fertig, während Veo im Quality-Modus meist 3 bis 5 brauchte. Läufst du einen ganzen Katalog durch beide, summiert sich dieser Unterschied schnell.

Wo es patzt

Ton außerhalb des Englischen. Englische Sprache klingt ordentlich. In den anderen unterstützten Sprachen wirkte sie in meinen Tests spürbar rauer, und bei allem außerhalb der fünf würde ich es gar nicht erst versuchen. Mein Workaround: den Clip stumm generieren und eine Stimme von ElevenLabs oder einer echten Person darüberlegen.

Gesichter in Nahaufnahme sind das zweite Problem. Kling baut tolle Szenen mit Bewegung, aber eine enge Einstellung auf ein Gesicht kann in diesen unheimlichen Look abrutschen. Die Augen blinzeln im falschen Moment, und die Haut wirkt leicht wächsern. Ich vermute, die Augen richten dabei mehr Schaden an als die Haut. Für ein Porträt, das überzeugen muss, ist Veo stärker.

Auch auf einen Kino-Look zielt es nicht ab. Was Kling liefert, ist praktisch, nicht malerisch. Eine Parfüm- oder Schmuckwerbung, bei der jeder Glanzpunkt auf der Flasche zählt, ist nicht sein Job.

Lange Geschichten brechen ebenfalls auseinander. Eine einzelne Multi-Shot-Generierung hält gut zusammen. Sobald ich anfing, Generierungen für eine längere Geschichte aneinanderzureihen, begann das Licht zu wandern. Genau wie die Figur, wie bei den meisten Videomodellen.

Warum Kling, wenn du schon Veo hast?

Ich habe für mich eine grobe Faustregel gefunden. Für die eine Heldeneinstellung, die teuer aussehen muss, setze ich auf Veo, und für alles andere auf der Liste verbrenne ich Kling-Credits.

In der Praxis läuft das auf vier Arten von Aufträgen hinaus.

Produktvideos, bei denen sich etwas bewegen muss. Ein Amazon-Listing, eine Shopify-Produktseite, eine TikTok-Shop-Anzeige, überall dort, wo der Artikel in Aktion gezeigt werden muss und die Kamera sich dabei ebenfalls bewegt. Elektronik kam bei mir auf Kling schneller und günstiger heraus als auf Veo. Genauso Fitnessgeräte, Elektrowerkzeuge, Küchenzubehör.

Stückzahlen. Auf Flami kostet ein Standard-Kling-Clip ungefähr die Hälfte der Credits eines Veo-Quality-Clips, manchmal weniger. Die aktuellen Zahlen stehen auf der Kling-3.0-Seite. Ein Clip, wen kümmert's. Zweihundert SKUs, und aus dem Unterschied wird echtes Geld.

Kurze Anzeigen mit einer wiederkehrenden Figur. Etwas Ähnliches bekommst du mit Veo über Extend hin, aber mit Klings Multi-Shot kannst du jede Einstellung einzeln steuern, was ich einfacher zu kontrollieren fand.

Ein Produktfoto zum Leben erwecken. Hast du schon ein gutes Listing-Foto und willst, dass es sich bewegt, ist das der schnellste und günstigste Weg, den ich kenne.

Wo Veo klar vorn liegt

Feine Mimik. Wenn eine Person in Nahaufnahme ein bestimmtes Gefühl tragen muss, ist Veo 3.1 in meinen Tests deutlich glaubwürdiger, und das war nicht knapp.

Licht mit Filmgefühl, etwa Streiflicht, weicher Lichtabfall, Glanzlichter auf Glas. Das schafft Veo öfter.

Längere Dialoge, vor allem über mehrere Extend-Schritte hinweg. Multi-Shot löst ein anderes Problem: Es liefert eine Abfolge verbundener Einstellungen, nicht eine Person, die 20 Sekunden in die Kamera spricht. Mein Veo-3.1-Test geht auf diese Seite ausführlicher ein.

Wie Multi-Shot in der Praxis funktioniert

Stell dir eine 30-sekündige Anzeige auf die alte Art vor. Du generierst drei oder vier Teile, schneidest sie dann zusammen, und an jedem Übergang verschiebt sich etwas. Das Licht wechselt den Farbton. Ein Ärmel wird plötzlich anders blau. Der Winkel springt.

Mit Kling 3.0 Omni beschreibst du die ganze Sequenz in einem Prompt, Einstellung für Einstellung. Etwa so:

Einstellung 1, etwa 4 Sekunden: Ein Typ geht auf ein Schaufenster zu, mittlere Einstellung;
Einstellung 2, 6 Sekunden: Nahaufnahme, während er sich das Produkt ansieht;
Einstellung 3, die letzten 5: Totale, er verlässt den Laden mit einer Tüte.

Das Modell rendert alle drei als eine Szene mit demselben Licht und demselben Gesicht. Am Ende steht ein 15-sekündiger Spot ohne Nahtstellen.

Bei mir hat das in 7 von 10 Versuchen funktioniert. In den anderen drei wurde aus dem Typen bis zur dritten Einstellung jemand anderes, oder der Hintergrund änderte sich. Das Feature ist neu, und das merkt man.

Zugang bekommen

Du kannst dich auf Klings eigener Seite anmelden und dort Credit-Pakete kaufen. Das funktioniert gut, solange Kling das einzige Modell ist, das du nutzt. Sobald du zusätzlich Veo oder Hailuo willst, ist es allerdings ein Konto und ein Guthaben mehr, das du im Blick behalten musst.

Auf Flami ist Kling 3.0 im normalen Abo enthalten und sitzt im selben Dashboard wie die anderen Modelle, sodass du denselben Prompt nacheinander durch Kling, Veo und Hailuo laufen lassen und dir die beste Version aussuchen kannst.

Kosten und Wartezeit

Ein Standardclip von 8 bis 10 Sekunden im Quality-Modus dauert bei mir 2 bis 3 Minuten. Eine 15-sekündige Multi-Shot-Szene braucht 4 oder 5 und kostet etwa das Dreifache der Credits eines einzelnen Clips. Flami zeigt für internationale Konten noch keine Dollarpreise, deshalb bleibe ich bei Credits.

Vergleiche das mit dem Studio-Weg für einen einfachen 15-sekündigen Produktclip. Du buchst den Raum und verlierst einen Drehtag. Danach vergeht meist noch eine Woche, bis ein Schnitt fertig ist. Der Vergleich ist ein bisschen unfair, das weiß ich, weil ein Studio eine andere Art von Qualität liefert. Für Social-Feeds und Marketplace-Listings entscheidet dieser Unterschied selten etwas.

Passt das zu dem, was du machst?

Kling verdient sich seinen Platz auf meinem Schreibtisch bei bewegungslastigen Stapeln, bei vielen Clips für einen Katalog, bei Bild-zu-Video aus einem vorhandenen Produktfoto und bei kurzen Multi-Shot-Anzeigen, die du nicht von Hand zusammenschneiden willst.

Ich lasse es links liegen, sobald die Stimme in einer Sprache jenseits der fünf sein muss (dann füge ich sie in der Post hinzu). Genauso bei einer Nahaufnahme, die ein echtes Gefühl im Gesicht tragen muss: Das können Veo und Hailuo besser. Oder wenn das Briefing einen hochwertigen, kinoreifen Look verlangt, was Veos Job ist.

Was als Nächstes kommt

Hailuo und Runway Aleph stehen als Nächstes auf meiner Liste. Runway ist der Sonderfall der beiden. Es funktioniert weniger wie ein Generator und mehr wie ein cleverer Video-Editor, was es in eine ganz andere Kategorie stellt. Aleph habe ich separat im Runway-Aleph-Test aufgeschrieben, dazu gibt es einen direkten Vergleich, in dem Kling gegen Veo und Runway an identischen Produktaufnahmen antritt.

Lade dein eigenes Produktfoto in Flami hoch und schau dir an, wie Kling es bewegt.

Häufige Fragen

*Was ist Kling 3.0?* Ein Video-Generierungsmodell von Kuaishou, veröffentlicht am 5. Februar 2026. Clips laufen bis zu 15 Sekunden. Es unterstützt Multi-Shot-Szenen und erzeugt Sprache in fünf Sprachen. Natives 4K-Video kam später im Jahr dazu.

*Wie unterscheidet es sich von Kling 2.6?* Clips laufen jetzt 15 statt 10 Sekunden. Sprache deckt jetzt fünf Sprachen mit Akzenten ab, Multi-Shot-Storyboards sind neu, und die Konsistenz der Figur ist besser.

*Kling 3.0 oder Veo 3.1?* Für einen Katalog mit 200 SKUs greife ich standardmäßig zu Kling und seinem Preis. Für das eine Hero-Produkt, bei dem ein Gesicht das Gefühl verkaufen muss, wechsle ich diese Einstellung zu Veo.

*Welche Sprachen unterstützt das native Audio?* Fünf: Englisch, Spanisch, Chinesisch, Japanisch, Koreanisch. Prompts in anderen Sprachen werden meist verstanden, aber die erzeugte Sprache erscheint nicht in ihnen.

*Wie lang ist eine Generierung?* Bis zu 15 Sekunden, und das schließt eine ganze Multi-Shot-Szene in Omni mit ein.

*Kann es ein Produktfoto animieren?* Ja. Foto hochladen, Bewegung beschreiben, fertig ist ein bewegter Clip. Einer der stärksten Modi des Modells.

*Was bringt Omni zusätzlich?* Audio- und Videoclips als zusätzliche Eingaben, plus Multi-Shot-Generierung.

Abgeglichen mit den Veröffentlichungen von Kuaishou und dem arena.ai-Ranking am 30. September 2026.

Kling 3.0 im Test: zwei Wochen Produktclips, Multi-Shot-Szenen und ein paar Ausrutscher