Kling 3.0 im Test: Motion Control und Multi-Shot, gefiltert ab L2

Wir veröffentlichen unsere Inhaltsleiter-Läufe nicht; das Folgende ist das Alltagsregister, entnommen aus den veröffentlichten, arbeitsplatztauglichen Beispielen auf der Modellseite von Kling 3.0.

Ein Studiotanz, neu besetzt. Ein Treiberclip mit Seitwärtsschritten, einer tiefen Kniebeuge mit ausgebreiteten Armen und beiden Armen hoch kam schlaggenau auf einer neuen Figur zurück, die ihr eigenes Gesicht, ihren Satinanzug und ihren Studiohintergrund behielt, statt die des Performers aus dem Treiberclip zu übernehmen.

Eine Drehung zur Kamera bei Dämmerung. Aus einem Yacht-Deck-Startbild hielt „one continuous shot with no cuts" plus eine Lichtbeschreibung die Dämmerfarbe und den Bildausschnitt über eine volle Drehung zur Kamera und eine gesprochene Zeile hinweg stabil.

Blitz über einem Vorplatz. Ein Regen-und-Blitz-Prompt fügte nur den Blitz, einen Schritt von einem Lastwagen und einen Gang in den Platzregen hinzu — Garderobe und Beleuchtung hielten, aber die Position eines Lastwagens relativ zum Gebäude stimmte zwischen dem Startbild und einem späteren Winkel im selben Clip nicht überein.

Ein Trinkspruch auf der Dachterrasse. Eine Handkamera-Einstellung wand sich durch eine tanzende Menge und endete damit, dass die ganze Gruppe gemeinsam eine Zeile ruft, getaktet auf Musik und klirrende Flaschen — eine einzelne gemeinsame Zeile im Prompt zu benennen hielt den Dialog davon ab, sich zu überlagern.

Sagen Sie bei Bild-zu-Video explizit, ob Sie eine einzelne durchgehende Einstellung oder eine Schnittfolge wollen — das Modell fügt von selbst einen Schnitt hinzu, wenn Sie es offenlassen. Bei Motion Control legt der Treiberclip Timing und Performance fest; das Figurenfoto legt fest, wer sie ausführt.

1. Eine einzelne Einstellung bei Bild-zu-Video festhalten.

One continuous shot with no cuts, the golden-pink dusk light staying the same throughout. He turns from the rail toward the camera, pushes his wet hair back with one hand and smiles, then says, "Jump in, the water's perfect."

Diesen Prompt auf Kling 3.0 ausführen →

2. Eine einzelne gemeinsame Zeile für eine Gruppenszene.

A summer rooftop party in Brooklyn at blue hour, string lights and the Manhattan skyline behind. A group of friends dance and laugh, then everyone shouts one line together: "To us!" Their glasses clink on the beat.

Diesen Prompt auf Kling 3.0 ausführen →

Schwach: die Anzahl der Einstellungen dem Modell zu überlassen, selbst mit shot_type: single — genau dort sahen wir unerwünschte Schnitte auftauchen. Stark: „one continuous shot with no cuts" ausdrücklich hinschreiben, wie Prompt 1 es tut, wenn der Take in einem Stück bleiben muss; shot_type: multi und eine nummerierte Shotliste für den Fall aufheben, dass Sie die Schnitte selbst wollen.

Kling prüft jede Anfrage selbst, an drei Stellen: dem Prompt-Text, jedem hochgeladenen Bild oder Treiberclip und dem fertigen Clip. Das galt für alle drei Kling-3.0-Aufgaben — dieselben Ergebnisse kamen auf jeder von uns getesteten Route zurück, das ist also Klings eigene Moderation, nicht etwas, das ein anderer Endpunkt ändern würde.

Am 28. September 2026 liefen wir unsere fünfstufige Leiter gegen Bild-zu-Video und Text-zu-Video (Motion Control war in dieser Runde nicht dabei). L1 Andeutung (Dessous, ein rutschender Träger) rendierte bei jeder getesteten Aufgabe; L2 Teilweise wurde jedes Mal abgelehnt, das wir sendeten, einschließlich sechs weiterer L2-Proben am selben Tag auf sechs Endpunkten von Kling 3.0 und O3. L3 Stark und L4 Intensiv (eine intime Szene zwischen zwei Erwachsenen) wurden ebenfalls abgelehnt, meist schon in der Prompt- oder Upload-Phase nach Sekunden bis etwa einer halben Minute; auf einer Route kam die L3-Anfrage bei Text-zu-Video erst nach etwa zwei Minuten abgelehnt zurück. Die L5-Extrem-Probe für Fesselung und Schlagspiele wurde erst nach dem Rendern abgelehnt. Die L5-Extrem-Gewaltprobe fiel je nach Aufgabe unterschiedlich aus: Sie rendierte bei Text-zu-Video und wurde bei Bild-zu-Video abgelehnt.

Abgelehnte Anfragen kosten nichts — jede Ablehnung in unserem Testset, auch solche, die erst nach vollständigem Rendern des Clips abgelehnt zurückkamen, war kostenlos. Es gibt auch kein stilles Abschwächen: In jedem Lauf kam der Clip entweder wie geschrieben zurück, oder der Auftrag schlug ganz fehl, ohne dass Kleidung je wieder hinzugefügt oder die Szene je gegen eine sicherere ausgetauscht wurde.

Das Seitenlabel spiegelt das: Bild-zu-Video und Text-zu-Video tragen beide eine gefilterte Richtlinienstufe, und wir fügen keinen eigenen Inhaltsfilter obendrauf hinzu.

Noch nicht getestet: Motion Control gegen unsere Inhaltsleiter; ob ein längerer, spezifischerer Prompt den Ablehnungspunkt bei L4 Intensiv verschiebt; Szenen mit mehr als zwei Personen auf den härteren Stufen.

Nur Erwachsene, in jedem Prompt, Upload und jeder Ausgabe. Zeigen Sie nie eine echte, erkennbare Person ohne deren Einwilligung, und stellen Sie sicher, dass Sie die Rechte an jedem hochgeladenen Foto oder Clip haben. Für Inhalte jenseits von Dessous-Niveau nutzen Sie stattdessen eine unserer Spicy-Familien — Wan 2.2 Spicy und Seedance 2.5 Spicy sind zwei der Video-Familien —, dieser Endpunkt lehnt das schon deutlich vor L1 ab.

Kling 3.0 wird namentlich genannt, wenn Entwickler geschlossene Video-Tools vergleichen. In einem Hacker-News-Thread vom April 2026 schrieb ein Kommentator: „The models most professionals use are Kling o3, Kling 3.0 and, more recently, Seedance 2.0". Ein separater Thread vom Mai 2026, der die Meinung des AI-Video-Subreddits zusammenfasste, ordnete Kling 3 neben Seedance 2.0 zu den Closed-Source-Videomodellen, zu denen die Community griff.

Öffentliche Blindabstimmungen platzieren es etwas höher als O3 in denselben Tests. Auf dem Bild-zu-Video-Leaderboard von Artificial Analysis (28. September 2026) lag Kling 3.0s 720p-Standard-Stufe auf Platz 23 von 82 erfassten Modellen; auf dem Bild-zu-Video-Board von arena.ai (21. September 2026) lag seine 1080p-Pro-Stufe auf Platz 19 von 48 bei über 200.000 Stimmen.

• Brauchen Sie Referenzfotos in eine Einstellung gecastet oder einen vorhandenen Clip bearbeitet? Kling O3 tauscht Motion Control gegen Referenz-zu-Video und Videobearbeitung, zu denselben Grundpreisen wie 3.0s Bild- und Text-Aufgaben. Unser Kling-O3-Test.
• Brauchen Sie überhaupt kein Motion Control? Kling 2.6 deckt Bild- und Text-zu-Video mit nativem Ton ab, ab $0,069 pro Sekunde.
• Brauchen Sie eine einzelne durchgehende Einstellung über 15 Sekunden hinaus? Wan 3.0 läuft bis zu 30 Sekunden mit Multi-Shot-Regie, ab $0,045 pro Sekunde bei 480p.
• Sollen dialoglastige Szenen im Mittelpunkt stehen? Seedance 2.5 ist teurer, aber auf lippensynchrone Sprache ausgelegt.