Veo 3.1 vs Kling 3.0 vs Runway: was lohnt sich

Ich teste Veo 3.1, Kling 3.0 und Runway an denselben Produktvideos: wer bei Realismus, Bewegung und Ton gewinnt, und wann sich eine Kombination lohnt.

Bei Veo 3.1 vs Kling 3.0 vs Runway gibt es keinen klaren Sieger. Die drei Tools haben komplett unterschiedliche Charaktere: Veo hat das beste Licht, Kling die beste Bewegung, Runway räumt nur auf, was du schon gedreht hast. Wer eines für alles nutzen will, zahlt meistens für einen Kompromiss.

Genau darum geht es bei der Frage Veo 3.1 vs Kling 3.0 vs Runway. Ich arbeite bei Flami im Produktbereich: Ich lasse Videomodelle über echte Produktclips laufen und schreibe auf, wo sie halten und wo sie einbrechen. In den letzten Monaten sind die drei bei mir durch ein paar hundert Generierungen gegangen, meist an identischen Szenen, damit der Vergleich einigermaßen fair bleibt. Niemand bezahlt mich dafür, eines der drei hochzujubeln.

Damit du nicht endlos scrollen musst, hier zuerst die Kurzfassung, alles andere folgt danach.

Wenn du nur eine Minute hast

Veo 3.1 ist am stärksten bei Fotorealismus und Menschen. Ton entsteht direkt mit, nicht nachträglich. Ein Clip dauert 8 Sekunden, länger geht über Extend, bis 4K per Upscaling auf Flami, 1 bis 5 Minuten Renderzeit. Ich nutze es für hochwertige Produkte, Lifestyle-Szenen, alles mit Schauspieler oder Voiceover;
Kling 3.0 ist am stärksten bei Bewegung, lesbarer Schrift auf Verpackungen und Schnitten zwischen mehreren Einstellungen innerhalb einer Generierung. Clips laufen 3 bis 15 Sekunden mit nativem Ton in fünf Sprachen. Rendern dauert meist unter 2 Minuten. Ich setze es für knackige Ads und für Masse ein;
Runway verdient sich seinen Platz beim Bearbeiten von Material, das schon existiert. Gen-4 Turbo liefert 5 oder 10 Sekunden lange Clips in 720p oder 1080p in etwa 30 Sekunden, ohne Ton. Ich benutze es, um zu reparieren, was schon im Kasten ist.

Was in keine Liste passt, steht weiter unten.

Veo 3.1: Aufnahmen, die als echter Dreh durchgehen

Stell eine teure Lederjacke oder einen Parfümflakon vor Veo 3.1, und das Ergebnis wirkt eher wie eine Studiosession als wie „die KI hat sich bemüht“. Von den dreien ist es in meinen Tests am zuverlässigsten beim Fotorealismus. Das Licht wirkt natürlich, und die Schatten haben tatsächlich Gewicht. Ob Stoff oder Glas, was auch im Bild steht: Die Textur liest sich als echt, nicht als gerendert.

Was Veo wirklich absetzt, ist der Ton. Er entsteht im selben Durchgang wie das Bild, inklusive Lippensynchronität beim Dialog. Für ein Produktvideo mit Erzählstimme fällt damit ein ganzer Arbeitsschritt weg. Auch Gesichter überzeugen: Mimik und Gang wirken glaubwürdiger als bei den anderen beiden.

Die Schwächen sind praktischer Natur. Eine einzelne Generierung endet bei 8 Sekunden, alles Längere läuft über Extend. Laut Googles Veo-Dokumentation für die Gemini API fügt jede Erweiterung 7 Sekunden hinzu, bis zu 20 davon lassen sich aneinanderreihen, allerdings nur in 720p. Es funktioniert, ist aber ein zusätzlicher Schritt, und schnell ist der Qualitätsmodus auch nicht: 3 bis 5 Minuten pro Clip bei mir. Wenn ich hundert Videos für einen Katalog brauche, greife ich nicht zu Veo. Zu langsam, und es frisst Credits.

Kleidung und Hautpflege, generell alles Hochpreisige, bei dem das Bild teuer aussehen muss und eine Person oder eine Stimme vorkommt: Da schalte ich es ein. Mehr dazu in meinem ausführlicheren Veo 3.1 Test.

Kling 3.0 stemmt die Masse

Rein nach Volumen ist Kling 3.0 mein Arbeitspferd. Warum?

Bewegung, zuerst einmal. Kling geht mit Physik selbstbewusst um. Stoff wellt sich, wie er soll, Haare bewegen sich tatsächlich im Wind. Auch Flüssigkeiten verhalten sich wie Flüssigkeiten, nicht wie das wabbelige Gelee, das ich bei schwächeren Modellen noch sehe. Die Kamera steht auch nicht still. In einer einzigen Generierung schneidet sie von Nahaufnahme zu Halbtotale zu Totale, bis zu sechs verschiedene Einstellungen in meinen Läufen, ohne dass ich hinterher noch etwas im Schnittprogramm anfassen muss. Für eine schnelle Ad spart das eine Menge Fummelarbeit.

Was für die Produktarbeit aber wirklich zählt, ist Text. Kling hält Schrift auf Verpackungen spürbar öfter lesbar als die anderen. Der Markenname bleibt scharf, das Logo auch. Selbst die Zutatenliste hält durch, statt zu Schlangenlinien zu verschwimmen. Klings eigener Video-3.0-Guide wirbt mit „präziser Beschriftung“, und bei Kosmetik, Nahrungsergänzung oder Reinigungsmitteln, wo das Etikett echte Informationen trägt, habe ich bisher nichts Besseres gefunden. Bei Veo und Runway verrutscht die Schrift auf der Verpackung häufiger.

Prüf deinen Zielmarkt, bevor du dich auf den Ton verlässt. Klings Guide nennt fünf Sprachen für nativen Ton, Englisch ist eine davon. Die anderen vier sind Chinesisch, Japanisch, Koreanisch und Spanisch. Für eine englische Vertonung bist du also abgedeckt. Machst du Ads für den deutschsprachigen Markt, musst du separat synchronisieren, und das ist bei einem Talking-Head-Video ein echter Zusatzschritt. Bei Clips ohne Sprache spielt es keine Rolle.

Elektronik geht an Kling. Genauso Sportartikel und kurze storygetriebene Spots, generell jede Serie, bei der ich Masse mit ordentlicher Bewegung brauche. Die Langversion steht im separaten Kling 3.0 Test.

Runway spielt eigentlich in einer anderen Liga

Viele verwechseln das, also der Reihe nach. Runway direkt gegen Veo und Kling beim Generieren aus dem Nichts anzutreten, ist nicht ganz fair, denn seine Stärke liegt woanders.

Bei Runway geht es um das Bearbeiten von Video, das schon existiert. Sein Aleph-Modell kann etwas, das die anderen beiden nicht können: einen Clip, egal ob mit dem Handy gedreht oder woanders generiert, mit einer Textanweisung verändern. Neu beleuchten, ein störendes Objekt entfernen, den Hintergrund austauschen, das Wetter ändern, den Kamerawinkel verschieben. Ein VFX-Artist hat dafür früher einen ganzen Nachmittag im Schnittstudio verbracht. Aleph schafft es mit einem eingetippten Satz. Runway hat Aleph 2.0 vorgestellt, am 21. Mai 2026. Es arbeitet inzwischen mit bis zu 30 Sekunden Material in 1080p und kann eine Änderung über mehrere Einstellungen hinweg gleichzeitig anwenden.

Dann ist da noch die Geschwindigkeit. Gen-4 Turbo liefert mir einen Clip in etwa 30 Sekunden, mehrfach schneller als die anderen beiden. Wenn ich schnell einen Stapel einfacher Clips brauche, zählt das eine Menge.

Die reine Generierungsqualität ist solide, endet aber bei 1080p, und meine Gen-4-Turbo-Clips kommen stumm heraus. Deshalb ist es für mich kein Hauptgenerator für „kinoreif“. Als Nachbearbeitungsebene über Veo oder Kling ist es dagegen schwer zu ersetzen: die Basis auf einem Modell bauen, dann Licht und Bildausschnitt in Runway nachziehen. Ich bin näher darauf im Runway-Aleph-Test eingegangen.

Wie ich ein Produkt auf die drei aufteilen würde

So läuft die Wahl bei echten Aufträgen ab.

Ein hochpreisiger Parfümflakon, der teuer wirken soll und vielleicht eine geflüsterte Voiceover-Zeile bekommt, geht an Veo. Es erledigt das Licht im Glas und die Stimme in einem Durchgang.

Ein Küchenmixer geht an Kling. Obst mit echter Energie und Spritzern zu zerkleinern ist genau seine Art von Bewegung, und falls eine Marke auf der Verpackung steht, verschmiert sie auch nicht.

Ein Clip, den jemand schon mit dem Handy gedreht hat, mit unruhigem Hintergrund und mattem Licht? Runway. Aleph räumt den Hintergrund auf und beleuchtet neu, ganz ohne neuen Dreh.

Am häufigsten nutze ich die Kombination, die Basis in Kling zu generieren und den letzten Feinschliff samt Licht in Runway zu machen. Das ist keine feste Regel, sondern einfach die Kombination, die bei meinen Aufträgen am zuverlässigsten funktioniert.

Ich schreibe für alle drei gleich detaillierte Prompts, aufgeteilt nach Sekunden. Handlungen werden ausbuchstabiert, Licht ebenso. So ungefähr sähe mein Entwurf für Veo bei diesem Parfümflakon aus:

„8 Sekunden Premium-Ad. Ein Parfümflakon auf dunklem Marmor. 0 bis 3 s: langsamer Zoom nach vorn, ein schmaler Lichtstrahl fällt durchs Glas, die Facetten brechen ihn mit Reflexen und einem Glanzpunkt. 3 bis 6 s: ein feiner Sprühnebel hängt in der Luft und setzt sich langsam ab, die Spiegelung auf dem Marmor zittert leicht. 6 bis 8 s: die Kamera hält auf einer Nahaufnahme des Etiketts, eine sanfte weibliche Stimme aus dem Off nennt den Markennamen. Kinematografisches Licht, geringe Schärfentiefe, eine Stimmung aus stillem Luxus."

Für Kling würde ich Einstellungswechsel in denselben Text einbauen. Für Runway würde ich ihn als Bearbeitungsanweisung für ein fertiges Bild umschreiben.

Was die blinden Ranglisten sagen

Keines der drei liegt gerade vorn. Das hat mich ehrlich gesagt etwas überrascht. Im arena.ai Text-to-Video-Ranking, Stand 21. September 2026, liegen die Veo-3.1-Varianten mit Ton zwischen Platz 12 und 15 mit Werten um 1358 bis 1364. Runway Gen-4.5 steht auf Platz 27 mit 1225. Kling 3.0 taucht dort gar nicht auf. Im Artificial-Analysis-Text-to-Video-Ranking mit Ton liegt Kling 3.0 Omni 1080p auf Platz 14 mit 1015, die Pro-Version auf Platz 15 mit 1000, Veo 3.1 auf Platz 17 mit 967, Runway fehlt dort ganz. Die oberen Plätze auf beiden Listen halten neuere Modelle von Alibaba, Google und ByteDance.

Ob das deine Wahl für die Produktarbeit ändern sollte, weiß ich ehrlich nicht. Die Abstimmenden sehen einen zufälligen Prompt und wählen den schöneren Clip. Ob die Verpackung im Bild scharf blieb, prüft dabei niemand.

Preis, ohne den der Vergleich nichts bringt

Innerhalb von Flami laufen alle drei über ein Abo, bezahlt in Credits, und was ein Clip kostet, hängt vom Modell, von der Länge und von der Qualitätsstufe ab. Grob gilt: Runway Turbo kostet meist am wenigsten, ist schnell und endet bei 1080p. Veo im Qualitätsmodus kostet am meisten, schließlich geht es Richtung 4K plus Ton. Kling liegt dazwischen, näher an Runway als an Veo. Wenn du die Kosten pro Video hochrechnest, lohnt sich das im Kopf zu behalten. Nicht jeder Clip braucht Veo, vieles läuft auf Kling genauso gut und günstiger.

Der andere praktische Punkt ist der Zugang. Alle drei einzeln zu betreiben heißt getrennte Konten und Rechnungen, dazu ständiges Tab-Wechseln, sobald du einen Clip vergleichen willst. An einem Ort zu haben bedeutet, denselben Prompt durch jedes Modell zu schicken und mit eigenen Augen auszuwählen. Genau das mache ich, sobald ein neuer Produkttyp reinkommt.

Für welches solltest du dich also entscheiden?

Würde man mich festnageln und eine einzeilige Antwort verlangen, würde ich mich trotzdem nicht auf eines festlegen. Meistens ist es Veo, wenn eine Aufnahme teuer aussehen muss oder eine Stimme trägt, und Kling, wenn einfach Masse gefragt ist. Runway kommt erst ins Spiel, wenn schon etwas gedreht wurde und Korrektur braucht. So hat es sich bei meinen Produkten ergeben. Bei deinen kann es anders laufen.

Ich habe den Ansatz „einfach ein universelles Modell nehmen“ wohl fünf Mal ausprobiert. Jedes Mal bin ich wieder bei unterschiedlichen Modellen für unterschiedliche Produkte gelandet. Vielleicht ist deine Nische einfacher als meine, ich weiß es nicht. Lad dein eigenes Produkt in alle drei und vertrau deinen eigenen Augen mehr als meinen Notizen. Neue Konten bei Flami bekommen genau dafür kostenlose Start-Credits.

Fragen, die mir oft gestellt werden

Was ist 2026 der beste KI-Videogenerator?

Den einen besten gibt es nicht. Nimm das Tool, das zur jeweiligen Aufnahme passt, oder lad dein Produkt mit den kostenlosen Flami-Credits selbst hoch und schau, welchen Clip du wirklich verwenden würdest. Auf den öffentlichen blinden Ranglisten liegen derzeit neuere Modelle vor allen dreien.

Veo oder Kling für ein Produktvideo?

Kommt auf die Aufnahme an. Muss sie teuer wirken oder spricht jemand direkt in die Kamera, dann Veo. Muss das Etikett bei schneller Bewegung scharf bleiben, gewinnt Kling das locker.

Erzeugt Kling 3.0 deutschen Ton?

Nein, aber Englisch gehört zu den fünf Sprachen, die Kling nativ unterstützt. Für Deutsch, Französisch oder alles außerhalb dieser Liste fügst du die Stimme separat hinzu.

Worin unterscheidet sich Runway von Veo und Kling?

Es ist in erster Linie ein Editor. Per Textanweisung ändert Aleph die Beleuchtung in Material, das du schon hast. Es entfernt auch Objekte oder tauscht den Hintergrund aus. Die Generierung ist schnell, aber meine Gen-4-Turbo-Clips kommen ohne Ton.

Kann ich mehrere Modelle für ein Video kombinieren?

Ja, und das ist oft die beste Option. Die Basis in Kling generieren. Danach Neubeleuchtung und Feinschliff in Runway. Bei Flami laufen alle drei unter einem Abo.

Aktualisiert am 30. September 2026.

Veo 3.1 vs Kling 3.0 vs Runway: Ich habe dieselben Produktvideos durch alle drei gejagt