Kling 2.1 Master im Test: 1080p aus einer älteren, teureren Generation

Bei Bild-zu-Video starten beide veröffentlichten Beispiele aus einem Standbild und verlangen ein konkretes, physisches Ereignis: eine erstarrte Welle über einer Salzebene, die stillhält, dann vorwärts rollt, während das Kleid einer Frau im entstehenden Wind und der Gischt peitscht; und eine langsam drehende Einstellung in einem überfluteten Ballsaal, in dem sich ein smaragdgrünes Kleid wie Rauch entfaltet und ein Kronleuchter über den aufsteigenden Blasen schwankt. Beide halten sich an eine klar zu Beginn genannte physische Prämisse statt an eine Liste dessen, was passieren soll.

Bei Text-zu-Video setzen die Beispiele auf Atmosphäre aus einem einzigen dichten Absatz: ein leerer großer Ballsaal bei Morgengrauen mit blassem Licht durch hohe Fenster auf einen polierten Parkettboden, und eine Restaurantküche, in der ein Koch eine Kupferpfanne kippt und eine Flammensäule daraus emporschießt. In beiden sitzt eine klare, zentrale Aktion in einer detaillierten, aber untergeordneten Kulisse, statt dass die Kulisse mit der Aktion um die Aufmerksamkeit des Modells konkurriert.

Master belohnt einen Prompt, der ein klares physisches Ereignis nennt und den Rest des Satzes die Welt drumherum aufbauen lässt, statt eine Liste separater Anweisungen.

1. Ein Startbild mit einer einzelnen physischen Prämisse (Bild-zu-Video).

The giant frozen wave holds for a beat, then comes alive and curls forward over the salt flat while she stands her ground, her white dress whipping in the wind and the spray bursting into glittering mist around her.

Diesen Prompt auf Kling 2.1 Master Bild-zu-Video ausführen →

2. Eine Szene aus einem einzigen atmosphärischen Absatz (Text-zu-Video).

An empty grand ballroom at dawn, pale light pouring through tall windows onto a polished parquet floor.

Diesen Prompt auf Kling 2.1 Master Text-zu-Video ausführen →

Einstellungen, die zählen: Fügen Sie bei Bild-zu-Video negative_prompt bei jeder Einstellung mit bewegter Kamera oder komplexer Pose hinzu — es ist genau darauf ausgelegt, die Glitches (verschwommene Gesichter, zusätzliche Gliedmaßen, Flackern) abzufangen, die komplexe Bewegung tendenziell erzeugt. Bei Text-zu-Video lohnt es sich, aspect_ratio (16:9, 9:16 oder 1:1) ausdrücklich zu setzen statt auf dem Standard zu belassen, wenn die Ausgabe irgendwo mit festem Rahmen landet, etwa einem vertikalen Feed.

Kling prüft jede Anfrage selbst, in drei Schichten — dem Prompt-Text, jedem hochgeladenen Bild und dem fertigen Clip —, und dasselbe Muster hielt über jeden von uns getesteten Kling-Endpunkt hinweg, Master eingeschlossen. Abgelehnte Anfragen werden nie berechnet, und wir sahen nie, dass Kling eine Szene nachträglich still abschwächte: Eine Anfrage rendert entweder wie geschrieben oder schlägt ganz fehl.

Stufe für Stufe: L1 rendierte auf jedem Kling-Endpunkt, den wir testeten, Masters eingeschlossen, wobei bei Bild-zu-Video speziell die Grenze etwas niedriger liegt als bei Text — ein Startbild in schwarzer durchsichtiger Spitzenwäsche kam durch, aber eines in einem durchsichtigen Negligé wurde erst nach dem Rendern abgelehnt. Wir liefen am 28. September 2026 zwei Proben direkt gegen Master, beide auf der Stufe L2 Teilweise, und beide wurden in der Prompt- oder Upload-Phase abgelehnt — im Einklang mit jedem anderen von uns getesteten Kling-Endpunkt auf dieser Stufe, 19 insgesamt, ohne Ausnahme. L3 Stark und L4 Intensiv wurden innerhalb von Sekunden abgelehnt, in der Prompt- oder Upload-Phase, wo auch immer wir sie in der Linie schickten. Von unseren beiden L5-Extrem-Proben wurde die filmische Gewaltprobe auf der gesamten Kling-2.1-Linie abgelehnt, Master eingeschlossen — sie rendert auf einigen der neueren Kling-Endpunkte, nur nicht hier. Das Seitenlabel ist Gefiltert.

Auf diesem Endpunkt noch nicht getestet: die L5-Extrem-Probe für Fesselung und Schlagspiele; Zwei-Frauen- oder Zwei-Männer-Szenen auf jeder Stufe.

Nur Erwachsene, in jedem Prompt und jedem Startbild. Eine echte, erkennbare Person muss eingewilligt haben, und Sie brauchen die Rechte an jedem animierten Foto. Für alles jenseits von Dessous-Niveau ist eine unserer Spicy-Familien — Seedance 2.5 Spicy oder Wan 2.2 Spicy — der bessere Weg; Kling selbst passt gut für Mode, Beauty, Action und gore-nahe Horrorarbeit.

• Neuer, günstiger und erreicht 4K? Kling 3.0 startet ab $0,0672 pro Sekunde bei 720p ohne Ton, und seine 4K-Stufe kostet dieselben $0,336 pro Sekunde, ob Ton an ist oder nicht.
• Der Rest dieser Generation, günstiger, nur Bild-zu-Video? Kling 2.1 startet ab $0,035 pro Sekunde bei 720p und nimmt, anders als Master, bei seiner 1080p-Stufe neben dem Startbild auch ein Schlussbild.
• Eine günstigere, besser platzierte Stufe desselben Unternehmens? Kling 2.5 Turbo läuft für $0,056 pro Sekunde und rendert immer mit echter Tonspur.
• Eine unzensierte 1080p+-Option eines anderen Studios? Seedance 2.5 lohnt einen Vergleich bei Preis und Inhaltsfreiheit, statt Kling als Standard vorauszusetzen. Unser Seedance-2.5-Test.