Reseña de Kling 3.0: multi-shot y puntos débiles

Mi reseña de Kling 3.0 tras dos semanas de pruebas: escenas multi-shot, audio nativo en cinco idiomas, 4K, dónde gana a Veo 3.1 y dónde no.

Cada lanzamiento se vende como el asesino de Sora, así que empecé esta reseña de Kling 3.0 esperando decepcionarme un poco. Trabajo en el lado de ingeniería de las herramientas de video de Flami. En la práctica eso significa que buena parte de mi semana se va en correr modelos sobre encargos reales y aburridos, no en leer comunicados de prensa sobre ellos. A Kling 3.0 le tocaron dos semanas de eso. Zapatillas deportivas sobre fondo liso. Una escena de café con un solo actor. Clips de producto donde la cámara tenía que moverse rápido y el objeto tenía que mantener su forma.

Esto es lo que salió de ahí.

Los datos, antes de opinar

Kuaishou lanzó Kling 3.0 el 5 de febrero de 2026. Si el nombre de la empresa no te dice nada, Kuaishou es dueña de una de las apps de video corto más grandes de China, rival directa de Douyin, y Kling es su familia propia de modelos de video. En el lanzamiento, Kuaishou dijo que Kling ya había sido usado por 60 millones de creadores.

Ese mismo día salieron cuatro modelos: Video 3.0 y Video 3.0 Omni, más Image 3.0 e Image 3.0 Omni. Omni es el hermano mayor. Acepta audio o clips de video como entrada, además de texto e imágenes, y es la versión que hace multi-shot. Video 3.0 a secas se queda en texto a video e imagen a video.

Frente a Kling 2.6, esto es lo que cambió:

duración del clip: hasta 15 segundos por generación, cuando 2.6 se quedaba en 10;
sonido: 2.6 ya generaba audio junto con la imagen desde diciembre de 2025, y 3.0 amplía el habla a cinco idiomas con acentos regionales;
guion multi-shot: dentro de una misma solicitud, cada toma trae su propia duración y su propio encuadre, con su movimiento de cámara aparte;
resolución: 2K y 4K para imágenes desde el lanzamiento, video nativo en 4K llegó después.

"Generación de audio nativo en varios idiomas, dialectos y acentos."
Anuncio de lanzamiento de Kuaishou, 5 de febrero de 2026

Se reduce a cinco idiomas: inglés, español, chino, japonés, coreano. Quien hable alemán o portugués se queda sin suerte por ahora, y ese es el primer límite que vale la pena conocer.

La línea no se quedó quieta después de febrero. Los resultados del segundo trimestre de Kuaishou, del 19 de agosto, mencionan un nuevo modelo Kling 3.0 Turbo y salida de video nativo en 4K en toda la serie 3.0. Kling también facturó más de 850 millones de RMB ese trimestre, un alza de más del 200% interanual, según la nota de TechNode. El dinero no es calidad, claro.

En votaciones a ciegas queda a mitad de la tabla. El ranking de imagen a video de arena.ai, actualizado el 21 de septiembre de 2026, ubica a kling-v3-pro en el puesto 19 con 1.354 puntos. Los primeros lugares son de modelos más nuevos de MiniMax y Google. Quien vota en ese ranking elige entre dos clips al azar, no está juzgando si tu producto se ve bien en foto, así que trato ese puesto como ruido de fondo, no como una señal de compra.

Lo que me gustó

El movimiento es donde Kling le saca ventaja a todo lo demás que probé. La cámara rodea el objeto, las cosas se mueven con un peso que resulta creíble, y cuando dos objetos se tocan, el contacto se ve físico. Si una toma necesita energía, este es el modelo al que recurro.

Multi-shot me sorprendió más. Lo probé en una promo para una marca de ropa pequeña. La misma persona en varios encuadres. Y no eran tres clips separados pegados con cinta. Era una secuencia continua con cortes adentro. Lo que obtuve se acercó a un spot terminado de 15 segundos, salido de una sola generación, sin pasar por el editor.

Después están las manos. Muestra un producto en uso (se desdobla, se aprieta, se corta) y Kling 3.0 dibuja los dedos con más precisión que Veo 3.1 en mis pruebas. Suena menor. No lo es, porque las manos son donde la mayoría de los clips de IA se delatan.

Imagen a video sale limpio. Subía una foto de producto y me devolvía un movimiento suave sin que el objeto se deformara. Veo también lo resuelve bien, aunque a mí Kling me pareció más barato y más rápido.

Y la velocidad. En modo Quality, Kling terminaba en 2 o 3 minutos, mientras que Veo en Quality solía tardar de 3 a 5. Corre un catálogo completo por los dos y esa diferencia se acumula rápido.

Dónde se le cae el balón

El sonido fuera del inglés. El habla en inglés es decente. En los demás idiomas soportados salió notablemente más tosca en mis pruebas, y para cualquier idioma fuera de los cinco ni lo intentaría. Mi salida es generar el clip mudo y poner una voz encima, de ElevenLabs o de una persona real.

Los rostros en primer plano son el segundo problema. Kling arma escenas con buen movimiento, pero un plano cerrado de una cara puede deslizarse hacia ese efecto inquietante. Los parpadeos llegan en el momento equivocado y la piel se pone un poco cérea. Me parece que los ojos hacen más daño que la piel. Para un retrato que tenga que convencer, Veo es más sólido.

Tampoco apunta a un look de cine. Lo que Kling da es práctico, no pictórico. Un anuncio de perfume o de joyería donde cada brillo en el frasco importa no es su trabajo.

Las historias largas también se rompen. Una sola generación multi-shot se sostiene bien. En cuanto empecé a encadenar generaciones para una historia más larga, la luz empezó a irse por su lado. Y el personaje también, como pasa con la mayoría de los modelos de video.

¿Para qué molestarse con Kling si ya tienes Veo?

Llegué a una regla simple para mí. Uso Veo para la única toma protagonista que tiene que verse cara, y quemo créditos de Kling para todo lo demás en la lista de tomas.

En la práctica eso se divide en cuatro tipos de trabajo.

Videos de producto donde algo tiene que moverse. Un listado de Amazon, la página de un producto en Shopify, un anuncio de TikTok Shop, donde sea que el artículo necesite mostrarse en acción y además con la cámara en movimiento. La electrónica me salió más rápido y más barato en Kling que en Veo. Igual que el equipo de gimnasio, las herramientas eléctricas, los utensilios de cocina.

Lotes. En Flami, un clip estándar de Kling cuesta más o menos la mitad de los créditos de un clip de Veo en Quality, a veces menos. Los números en vivo están en la página de Kling 3.0. Un clip, a nadie le importa. Doscientos SKU, y la diferencia se vuelve dinero real.

Anuncios cortos con un personaje recurrente. Se puede conseguir algo parecido con Veo a través de Extend, pero el multi-shot de Kling deja dirigir cada toma por separado, y a mí eso me resultó más fácil de controlar.

Darle vida a una foto de producto. Si ya tienes una buena foto de listado y quieres que se mueva, esta es la ruta más rápida y barata que conozco.

Dónde Veo todavía gana, sin rodeos

La expresión facial sutil. Cuando una persona en primer plano tiene que cargar con un sentimiento específico, Veo 3.1 resulta más creíble, y en mis pruebas no fue ni cerca.

La luz con sensación de cine, como el contraluz, la caída suave, los brillos sobre el vidrio. Veo lo logra más seguido.

Diálogos más largos, sobre todo encadenados con Extend. El multi-shot resuelve otro problema: da una secuencia de tomas conectadas, no una persona hablando a cámara durante 20 segundos. Mi reseña de Veo 3.1 entra en ese lado con más detalle.

Cómo funciona el multi-shot en la práctica

Imagina un anuncio de 30 segundos a la manera antigua. Generas tres o cuatro piezas, después las cortas juntas, y en cada unión algo cambia. La luz se corre un tono. Una manga cambia de azul. El ángulo salta.

Con Kling 3.0 Omni describes toda la secuencia en un solo prompt, toma por toma. Algo así:

toma 1, unos 4 segundos: un chico se acerca a la vitrina de una tienda, plano medio;
toma 2, 6 segundos: primer plano mientras revisa el producto;
toma 3, los últimos 5: plano general, sale de la tienda con una bolsa.

El modelo renderiza las tres como una sola escena, con la misma luz y la misma cara. Queda un spot de 15 segundos sin costuras.

Funcionó en 7 de mis 10 intentos. En los otros tres, el chico se convertía en otra persona para la tercera toma, o el fondo cambiaba. Es una función nueva, y se nota.

Cómo conseguir acceso

Puedes registrarte en el sitio propio de Kling y comprar sus paquetes de créditos. Eso funciona bien si Kling es el único modelo que usas. Es una cuenta más y un saldo más que llevar, eso sí, en el momento en que también quieras Veo o Hailuo.

En Flami, Kling 3.0 viene con la suscripción normal y vive en el mismo panel que los demás modelos, así que puedes correr el mismo prompt por Kling, Veo y Hailuo uno detrás de otro y quedarte con la toma que se vea mejor.

Costo y tiempo de espera

Un clip estándar de 8 a 10 segundos en modo Quality me toma de 2 a 3 minutos. Una escena multi-shot de 15 segundos toma 4 o 5 y cuesta cerca del triple de créditos que un clip único. Flami todavía no muestra precios en dólares para cuentas internacionales, así que lo dejo en créditos.

Compara eso con la ruta de estudio para un clip de producto simple de 15 segundos. Reservas el espacio y pierdes un día de rodaje. Después suele pasar una semana antes de que aparezca una edición. Diría que la comparación es un poco injusta, porque un estudio da otro tipo de calidad. Para feeds sociales y fichas de marketplace, esa diferencia casi nunca decide nada.

¿Encaja con lo que haces?

Kling se gana su lugar en mi escritorio para lotes con mucho movimiento, muchos clips para un catálogo, imagen a video a partir de una foto de producto ya existente, y anuncios cortos multi-shot que no quieres coser a mano.

Lo dejo de lado en cuanto la voz tiene que ir en un idioma fuera de los cinco (ahí la agrego en la posproducción), cuando un primer plano tiene que cargar una emoción real en la cara de alguien, terreno donde Veo y Hailuo rinden mejor, o cuando el encargo pide un look premium y cinematográfico, que es el trabajo de Veo.

Lo que sigue

Hailuo y Runway Aleph son los siguientes en mi lista. Runway es el raro de los dos. Funciona menos como generador y más como un editor de video inteligente, lo que lo pone en otra categoría de trabajo. Ya escribí sobre Aleph por separado en la reseña de Runway Aleph, y también hay una comparación cara a cara donde Kling se mide contra Veo y Runway con las mismas tomas de producto.

Carga tu propia foto de producto en Flami y mira cómo Kling la mueve.

Preguntas frecuentes

*¿Qué es Kling 3.0?* Un modelo de generación de video de Kuaishou, lanzado el 5 de febrero de 2026. Los clips llegan hasta 15 segundos. Soporta escenas multi-shot y genera habla en cinco idiomas. El video nativo en 4K llegó más tarde en el año.

*¿En qué se diferencia de Kling 2.6?* Los clips llegan a 15 segundos en vez de 10. El habla ahora cubre cinco idiomas con acentos, el guion multi-shot es nuevo, y la consistencia del personaje mejoró.

*¿Kling 3.0 o Veo 3.1?* Para un catálogo de 200 SKU uso Kling por defecto, y su precio. Para el único producto estrella donde una cara tiene que vender el sentimiento, cambio esa toma a Veo.

*¿Qué idiomas soporta el audio nativo?* Cinco: inglés, español, chino, japonés, coreano. Los prompts en otros idiomas casi siempre se entienden, pero el habla generada no saldrá en ellos.

*¿Cuánto dura una generación?* Hasta 15 segundos, y eso incluye toda una escena multi-shot en Omni.

*¿Puede animar una foto de producto?* Sí. Subes la foto y describes el movimiento. Te devuelve un clip en movimiento. Es uno de los modos más fuertes del modelo.

*¿Qué agrega Omni?* Audio y clips de video como entradas extra, más la generación multi-shot.

Revisado contra los comunicados de Kuaishou y el ranking de arena.ai el 30 de septiembre de 2026.

Reseña de Kling 3.0: dos semanas de videos de producto, escenas multi-shot y algunos tropiezos