Kling 3.0 vs Wan 3.0: derselbe Prompt im Test und der Preis

Am 25. Oktober 2026 bekamen beide Modelle dieselben drei Prompts für 5 Sekunden in 720p. Wan 3.0 gewann zwei der drei Tests, Kling 3.0 holte die Skate-Aktion. Zum Listenpreis kostet ein 5-Sekunden-Clip in 720p mit Ton bei Kling 3.0 $0.63 und bei Wan 3.0 $0.50.

Du brauchst einen Clip über 15 Sekunden? Nur Wan 3.0 geht bis 30. Wan 3.0 Prime ist Alibabas teurere Stufe für $0.14 pro Sekunde in 720p.

Beide Modelle liegen bei OmniaKey: Kling 3.0 und Wan 3.0.

So haben wir getestet

• Modelle und IDs: kling-3.0 und wan3.0-video bei OmniaKey. Kling selbst nennt sein 3.0-Modell in der eigenen API kling-v3.
• Genau diese Einstellungen gingen raus: Kling Text zu Video {"mode": "std", "duration": 5, "aspect_ratio": "16:9"}, Kling Bild zu Video {"mode": "std", "duration": 5}, Wan für beides {"duration": 5, "resolution": "720P", "ratio": "16:9"}. Kling gibt im Modus std 720P aus.
• 25. Oktober 2026 über die OmniaKey-API. 3 Prompts, 1 Clip pro Modell und Prompt, 6 Clips insgesamt, und alle sechs Aufgaben liefen im ersten Versuch durch.
• Das erste Bild für Test 3 kam von Nano Banana 2.1 (2K, 16:9), kein Videomodell hat also ein eigenes Bild animiert.
• Die Zeit läuft vom Absenden des Jobs bis zum Status succeeded, inklusive Wartezeit in der Schlange.
• Wir haben jeden Clip angesehen und Frames zu denselben Zeitpunkten verglichen. Geprüft wurde, ob Aktion und Kamerafahrt zum Prompt passen, ob Schild- und Etikettentext stimmen und ob das erste Bild hält. Der Ton ist als mittlere Lautheit in dB gemessen.
• OmniaKey verkauft API-Zugang zu beiden Modellen, deshalb liefen die Tests darüber. Alle Preise unten sind die Listenpreise von Kling oder Alibaba.
• Quellen: Klings Preisseite für die API und Capability Map, dazu Alibaba Model Studios Preisseite, die Wan 3.0 API-Referenz und der Wan 3.0 Guide, alle am 25. Oktober 2026 geprüft.

Das ist ein Clip pro Prompt und Modell, und Videomodelle streuen von Lauf zu Lauf.

Drei Tests mit denselben Prompts

Test 1: Skate-Ollie über eine Pfütze (Text zu Video, 16:9)

Dieser Test prüft, ob das Board über das Wasser kommt und wo die Kamera steht.

Prompt:

Tracking shot at golden hour on an empty concrete plaza. A teenage skateboarder in a mustard hoodie rolls toward a shallow puddle, pops an ollie over it and lands cleanly on the far side. The rear wheel clips the edge of the puddle and throws a small arc of water. Low warm sun, long shadows, handheld camera following at hip height. Sound: wheels rumbling on concrete, the clack of the board landing, a splash.

• Kling 3.0 (323.8 s): Der Skater rollt an, springt mit dem Ollie über die Pfütze und landet sauber auf der anderen Seite, Wasser spritzt, als das Board vorbeizieht. Die Kamera bleibt auf Hüfthöhe, deshalb ist der Kopf fast den ganzen Clip außerhalb des Bildes. Dahinter eine Betonwand in warmer, tiefer Sonne mit langen Schatten.
• Wan 3.0 (153.5 s): Ganzkörper im Bild, dahinter ein niedriges Gebäude mit Glasfront und Bäume im goldenen Licht. Der Ollie kommt bei etwa 2.3 s, das Board landet bei etwa 2.9 s in der Pfütze mit einer großen Fontäne, und der Skater rollt auf der anderen Seite davon.

Fazit: Kling 3.0. Die Bewegung aus dem Prompt saß: über die Pfütze und eine saubere Landung. Wan hatte die schönere Szene, aber das Board landete im Wasser. Wenn die Aktion zu deinem Skript passen muss, nimm Kling 3.0 und lass die Kameraanweisung im Prompt, wenn der Kopf im Bild sein soll.

Test 2: Nudelstand bei Nacht mit Schild (Text zu Video, 16:9)

Dieser Test prüft den Schildtext, den Push-in und ob der Koch sichtbar bleibt.

Prompt:

Night street food stall, medium shot with a slow push-in. An elderly cook in a white apron tosses noodles in a flaming wok; steam and sparks rise under a single hanging bulb. Behind him a red neon sign reads NOODLES in capital letters. A customer on the right hands over a paper ticket. Wet pavement reflects the neon. Sound: sizzling oil, the clang of the wok, distant street chatter.

• Kling 3.0 (193.6 s): Das Schild stimmt, mit Flammen, Dampf, der hängenden Birne und der Hand eines Gasts, die von rechts einen Papierzettel reicht. Die Nudeln fliegen am Anfang hoch, die Straße dahinter ist dunkel und leer, die Kamera bewegt sich kaum. Bei 4.6 s sitzt die Birne vor dem Gesicht des Kochs, und die Pfanne ist fast leer.
• Wan 3.0 (144.2 s): Das Schild stimmt, mit Flammen, Funken und einem Gast rechts, der einen Papierzettel hinhält. Hinter dem Koch liegt eine volle Marktstraße mit Menschen auf nassem, spiegelndem Pflaster, und die Kamera fährt langsam hinein. Die Schilder im Hintergrund tragen falsche, unlesbare Zeichen.

Fazit: Wan 3.0. Beide haben das Schild richtig geschrieben. Wan fuhr den langsamen Push-in wie gewünscht und ließ das Gesicht des Kochs sichtbar. In Klings Clip verdeckt die Birne am Ende sein Gesicht. Wans Hintergrundschilder sind falscher Text, also schreib „keine weiteren Schilder“ dazu, wenn du saubere Bilder willst.

Test 3: Orbit um einen Duftflakon aus einem Standbild (Bild zu Video, 16:9)

Dieser Test prüft, ob ein Produktfoto eine Kamerafahrt übersteht, mit Deckel und zwei Zeilen Etikettentext. Nano Banana 2.1 erzeugte zuerst das Bild, danach haben beide Modelle es animiert.

Prompt für das erste Bild:

Studio product photograph of a square glass perfume bottle with a gold cap standing on wet black slate. The front label is cream paper with the word AURELIA in black serif capitals and "eau de parfum · 50 ml" in small type underneath. Water droplets on the glass and the stone, a soft key light from the left, dark background, wide 16:9 frame with the bottle in the center.

Bewegungs-Prompt:

The camera slowly orbits to the right around the perfume bottle. Water droplets slide down the glass and a soft beam of light sweeps across the label. Keep the bottle, the gold cap and the label text exactly as they are. Sound: a quiet drip of water.

• Kling 3.0 (73.5 s, Ausgabe 1284×716): Hält den Flakon, den goldenen Deckel und das Etikett „AURELIA“ mit der kleinen Zeile „eau de parfum · 50 ml“ über den ganzen Clip. Eine kleine Drehung nach rechts und am Ende ein schwacher Lichtstrahl. Die Tonspur ist fast still, im Mittel −53.7 dB.
• Wan 3.0 (100.0 s, Ausgabe 1280×720): Hält den Flakon, den Deckel und beide Etikettzeilen lesbar. Orbitet weiter nach rechts, bei 4.9 s sieht man den Flakon im Winkel, ein weicher Lichtstrahl fährt von links oben herein. Die Spur hat etwa jede Sekunde kurze, scharfe Spitzen.

Fazit: Wan 3.0, knapp. Beide hielten den Etikettentext scharf. Wan bewegte die Kamera weiter, wie verlangt, und seine Spur trägt Ton, während Klings fast stumm ist. Diesen Clip hatte Kling schneller fertig.

Ergebnisse je Test

Ton, Tempo und Preis pro Clip

Ton

Beide Modelle lieferten bei jedem Clip eine Tonspur: 5.04 s, MP4 mit AAC Stereo. Höher heißt lauter, die Zahlen sind die mittlere Lautheit, gemessen mit ffmpeg.

In Klings eigener API ist Ton ein Schalter, der standardmäßig aus ist und pro Sekunde mehr kostet. In Alibabas API hat Wan 3.0 Audio standardmäßig an, zu einem Preis pro Auflösung, und audio=false schaltet es ab.

Tempo

Zeit vom Absenden des Jobs bis succeeded, inklusive Warteschlange:

Wan war bei beiden Text-zu-Video-Clips zuerst fertig. Kling war beim Bild-zu-Video-Clip zuerst fertig.

Preis

Kling rechnet pro Sekunde Video ab, laut Klings Preisseite für die API vom 25. Oktober 2026. Eine Unit kostet zum Listenpreis $0.14.

Alibaba rechnet pro Sekunde Video ab, bei gesendetem Video zählen die Eingangssekunden mit, laut der Preisseite von Model Studio vom 25. Oktober 2026.

Alibaba zeigt die Preise für wan3.0-video als Listenpreise, mit 30 % Rabatt für kurze Zeit auf der Seite. Die Prime-Preise tragen kein Rabatt-Label.

Was ein ganzer Clip zu diesen Sätzen kostet, nach den Preisseiten der beiden Anbieter:

Mit Ton ist Wan in 720P günstiger und Kling in 1080P. Ohne Ton ist Klings 720P-Satz von $0.084 pro Sekunde der niedrigere der beiden in 720P.

Die aktuellen Sätze von OmniaKey stehen auf den Modellseiten von Kling 3.0 und Wan 3.0.

Was ist mit Kling 4.0 und Wan 3.0 Prime?

Klings Capability Map der API, aktualisiert am 20. Oktober 2026, führt kling-4.0 inzwischen an erster Stelle, mit Clips von 3 bis 30 Sekunden. OmniaKey verkauft kling-3.0, und damit liefen die Tests.

Wan 3.0 Prime ist Alibabas teurere Stufe für $0.14 pro Sekunde in 720P, also $0.70 für 5 Sekunden. Die OmniaKey-Dokumentation beschreibt Prime als „gleiche Fähigkeiten, etwa halbe Bearbeitungszeit“, und unsere Läufe nutzten die Standardstufe.

Vorteile und Nachteile

Kling 3.0

• Vorteile: die exakteste Aktion der beiden; hielt das erste Bild und den Etikettentext; am schnellsten bei Bild zu Video mit 73.5 s.
• Nachteile: langsamster Text-zu-Video-Clip mit 323.8 s; dunkle, leere Hintergründe; die hängende Birne verdeckte das Gesicht des Kochs; fast stumme Tonspur bei Bild zu Video; Grenze von 15 Sekunden.

Wan 3.0

• Vorteile: die vollsten, realistischsten Szenen; klare Kamerafahrten; schneller bei Text zu Video; Clips bis 30 Sekunden; Ton standardmäßig an zu einem Preis.
• Nachteile: landete in der Pfütze; falscher Text auf Hintergrundschildern; Alibaba führt es weiter als „currently in preview“.

Welches Modell für welche Aufgabe

Denselben Test über eine API fahren

Diese Anfrage schickt den Nudelstand-Prompt an Wan 3.0:

curl https://api.omniakey.com/v1/media/tasks \
  -H "Authorization: Bearer $OMNIAKEY_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: noodle-stall-001" \
  -d '{
    "model": "wan3.0-video",
    "type": "video",
    "operation": "text_to_video",
    "input": {"prompt": "Night street food stall, medium shot with a slow push-in. An elderly cook in a white apron tosses noodles in a flaming wok; steam and sparks rise under a single hanging bulb. Behind him a red neon sign reads NOODLES in capital letters. A customer on the right hands over a paper ticket. Wet pavement reflects the neon. Sound: sizzling oil, the clang of the wok, distant street chatter."},
    "parameters": {"duration": 5, "resolution": "720P", "ratio": "16:9"}
  }'

1. Die Antwort ist 202 mit einer Task-ID.
2. Rufe https://api.omniakey.com/v1/media/tasks/{id} alle paar Sekunden ab, bis status auf succeeded steht. Ein Videojob kann mehrere Minuten dauern, also frage weiter dieselbe ID ab, statt neu zu senden.
3. Lade den Clip von assets[0].url herunter.

Für Kling 3.0 setzt du model auf kling-3.0 und sendest {"mode": "std", "duration": 5, "aspect_ratio": "16:9"}; die Dauer ist genau 5, 10 oder 15 Sekunden. Um ein Foto zu animieren, setzt du operation auf image_to_video und schickst das Bild als input.media mit type auf first_frame und einer url, die ein https-Link oder eine Daten-URL ist. Lass aspect_ratio bei Kling weg, denn das Bild bestimmt das Format.

Starte einen Lauf auf den Modellseiten von Kling 3.0 und Wan 3.0, und alle Parameter stehen in der Doku der Video-API.

Häufige Fragen

Ist Kling 3.0 besser als Wan 3.0?

Das hängt vom Clip ab. Kling 3.0 setzte den Skate-Trick genau wie beschrieben um, und Wan 3.0 gewann die Straßenszene und den Produkt-Orbit, mit klareren Kamerafahrten und lauterem Ton. Schild- und Etikettentext stimmten bei beiden, also nimm Kling 3.0 für eine geskriptete Bewegung und Wan 3.0 für eine volle Szene.

Welches ist günstiger, Kling 3.0 oder Wan 3.0?

Zum Listenpreis kostet ein 5-Sekunden-Clip in 720p mit Ton bei Wan 3.0 $0.50 und bei Kling 3.0 $0.63. In 1080P dreht sich die Reihenfolge: $0.84 bei Kling 3.0 und $1.00 bei Wan 3.0. Ohne Ton kostet ein 5-Sekunden-Clip in 720p bei Kling $0.42, und Wans 720P-Preis bleibt bei $0.50, mit oder ohne Audio.

Wie lang können Videos von Kling 3.0 und Wan 3.0 sein?

Klings API nimmt ganze Sekunden von 3 bis 15, Wan 3.0 nimmt 2 bis 30 Sekunden. Bei OmniaKey akzeptiert kling-3.0 genau 5, 10 oder 15 Sekunden, und wan3.0-video nimmt 2 bis 30.

Ist Wan 3.0 Open Source?

Wan 3.0 erscheint nicht als offene Gewichte; frühere Wan-Versionen bis Wan 2.2 schon. Das Wan3.0-Repository von AlibabaCloud-Official enthält eine Lizenz und eine README, ohne Gewichte oder Modellcode.

Erzeugen Kling 3.0 und Wan 3.0 Ton?

Beide. Jeder Clip im Test kam mit einer AAC-Stereo-Spur in einem MP4 von 5.04 s zurück. In Klings API ist Ton ein Schalter, der standardmäßig aus ist und pro Sekunde mehr kostet. Wan 3.0 hat Audio standardmäßig an zu einem Preis, und audio=false schaltet es ab.

Änderungsprotokoll

• 25. Oktober 2026: erste Version, drei Tests mit demselben Prompt am selben Tag.