快速答案
在这轮小样本里，Kling 3.0 和 Kling O3 都能完成文生视频与图生视频任务，但动作侧重点不一样。纸船测试中，两边都生成了红色纸船、雨滴涟漪和缓慢推进的镜头。Kling 3.0 的推进感更明显；O3 更早出现涟漪，镜头节奏也更平稳。猫咪首帧测试中，两边都保住了主体外观。O3 更清楚地做出了指定的眨眼，Kling 3.0 则把抬爪动作做得更大，靠近镜头的爪子也更容易出现运动模糊。
更明显的差别在工作流。只有 Prompt 或首帧图时，Kling 3.0 的入口很直接。O3 同样支持这两种起点，还能通过 Reference to Video 使用参考视频。Kling 3.0 Motion Control 则要求同时提供角色图片和动作视频。我们使用同一组公开素材测试时，O3 参考视频任务完成了；Kling 3.0 Motion Control 两次都在图片处理阶段停止。这个结果只说明本次输入与路由的兼容性，不代表 O3 的动作质量整体更好。
这不是跑分。直接对照一共包含 4 个完成输出：文生视频各 1 个，图生视频各 1 个。我们还做了一组同素材的参考视频工作流核验。所有完成的对照视频都是 5 秒、720p、关闭声音，由一名审阅者在 2026 年 8 月 4 日检查文件信息与接触表。
画面质量只比较完成的同输入样本。参考视频这一行记录的是路由可用性和设置结果，因为 Kling 3.0 没有返回可评分的视频。
三种名称分别指什么
这组名称容易混。Kling 官方把参考驱动的模型叫做 VIDEO 3.0 Omni。EvoLink 把这组能力做成 Kling O3 路由，包括文生视频、图生视频和参考视频。KlingVideo 生成器里显示的名称也是 Kling O3。标准模型则显示为 Kling 3.0，底层使用 kling-v3-* 路由。
本文比较的是 KlingVideo 当前界面名称背后的实际工作流，不覆盖 Kling 官方应用里的所有功能，也不假设某个提供商路由等于底层模型的全部能力。
想先看完整功能范围，可以读 Kling O3（3.0 Omni）功能指南。Kling 3.0 模型页列出了标准模型当前可用的控件。
测试方法与输入
我们按三个常见起点来测，因为选择模型通常取决于你手里已经有什么：只有 Prompt、一张图片，还是一段参考视频。
| 测试 | 相同输入与设置 | Kling 3.0 路由 | O3 路由 | 对照状态 |
|---|---|---|---|---|
| 文生视频 | 相同纸船 Prompt，5 秒，16:9，720p，关闭声音 | Text to Video | Text to Video | 2 个完成输出 |
| 图生视频 | 相同猫咪图片与动作 Prompt，5 秒，720p，关闭声音 | Image to Video | Image to Video | 2 个完成输出 |
| 参考视频 | 相同猫咪图片、猫咪动作视频与意图，720p，关闭声音 | Motion Control | Reference to Video | O3 完成；Kling 3.0 两次停在图片处理 |
文生视频 Prompt 要求一只小红纸船从左向右漂过浅水坑，一滴雨落在旁边形成圆形涟漪，镜头低机位缓慢向前推进，同时保持纸船居中。画面要有真实水面，不要人物和文字。图生视频从一张竖版奶油白猫照片开始，要求猫慢慢抬起左前爪、眨眼一次，再看向镜头，同时保留脸部花纹、眼睛、毛色、爪子、周围的手和固定机位。
参考视频核验中，两条路由收到同一张公开猫咪图和同一段 5 秒猫咪动作视频。两者的接口逻辑并不相同。O3 Reference to Video 把视频当作特征参考，还可以结合图片；Kling 3.0 Motion Control 用图片提供外观，用视频提供动作轨迹。这种差异本来就是工作流的一部分，也意味着一侧没有出片时，不能把这一行当成纯画质 A/B。
我们检查 4 个维度：指令跟随、主体与形状一致性、镜头或动作控制、迭代成本。这里的“迭代成本”指设置摩擦和再次生成的概率。没有做盲测，没有逐帧量化，没有测试声音，也没有在受控网络下比较耗时，更没有计算统计成功率。
文生视频同输入结果
两边都理解了场景。画面里都有一只红色纸船和带倒影的雨水。纸船发生位移，镜头逐渐靠近，也出现了圆形涟漪，没有多出人物或可见文字。5 张接触表采样中，两边都没有明显的主体崩坏。
Kling 3.0 的推进更容易看出来。从开场到结尾，纸船尺寸增加得更明显，较晚出现的涟漪也形成了一个清楚的收尾节拍。O3 的变化更克制，涟漪出现得更早，纸船在采样帧里的尺寸变化较小。两种结果都说得通，但放进剪辑时，节奏用途不一样。
这一组不能支持通用的“谁更听话”分数。更实际的结论是：即使场景内容都正确，同一条运镜指令也会被不同程度地强调。如果涟漪时间点或推进强度很重要，要把时间写得更具体，并预留多个候选结果。
图生视频同输入结果
首帧组更容易判断，因为两条视频从同一张猫咪照片开始。两边都保住了奶油白的脸、深色眼睛、胸前毛发、附近的手和竖版构图，也都没有擅自重建房间或换掉整个场景。
O3 对“眨眼一次”的执行更直接。接触表里有一帧可以清楚看到双眼闭合，随后又看向前方。抬起的爪子在整个动作中仍能认出来，不过快速靠近前景时，边缘也会变软。
Kling 3.0 把抬爪做得更大、更有冲击力。猫脸一直可辨认，但爪子占据的画面更大，模糊也更重。采样帧里无法确认一个清楚、独立的眨眼。如果成片需要固定顺序的小动作，这一组里 O3 更接近 Prompt；如果需要更明显的前景动作，Kling 3.0 的结果反而更好用。
每种模式、每个模型只有 1 个完成输出。这里描述的是样本，不是模型长期胜率。
Motion Control 与参考视频可用性
参考视频是两套工作流差异最大的地方。
O3 Reference to Video 可以接收视频参考，也能结合图片或 Element。使用同一张猫咪图与同一段猫咪动作视频时，任务通过输入处理并正常完成。输出跟随了参考视频里的直立抬爪动作和明亮房间构图，也保留了奶油白猫的大体特征，但脸部与毛色细节发生变化，原图中的手和沙发被替换。这更像特征参考生成，而不是直接编辑原视频。
Kling 3.0 Motion Control 的要求更具体：一张参考图片提供角色或物体外观，一段参考视频提供动作轨迹。我们测试了两次，两次都在 10% 报图片处理错误。相同公开图片在图生视频和 O3 参考任务里可以使用，因此这轮没有可评分的 Kling 3.0 Motion Control 输出。
能下的结论很窄：对这组输入来说，O3 从参考素材到完成视频的路径更短。准备批量使用 Kling 3.0 Motion Control 时，要先做一次图片与视频兼容性检查。它仍可能适合明确的动作迁移任务，但不能跳过单样本验证。Kling AI Motion Control 排错指南整理了常见的输入、构图和主体问题。
结果矩阵
| 维度 | 本次 Kling 3.0 | 本次 O3 |
|---|---|---|
| 文生视频指令跟随 | 场景、位移、涟漪和推进都出现 | 场景、位移、涟漪和推进都出现 |
| 图生视频指令跟随 | 抬爪明显；采样帧无法确认指定眨眼 | 抬爪之外，还能清楚看到眨眼 |
| 主体一致性 | 纸船和猫都可辨认；爪子靠近镜头时模糊更重 | 纸船和猫都可辨认；前景爪子运动时也会变软 |
| 镜头与动作侧重 | 推进更明显，前景动作更大 | 文生镜头更平稳，小动作顺序更贴 Prompt |
| 参考视频工作流 | 需要图片加动作视频；本次输入两次处理失败 | 相同素材通过处理并返回视频 |
| 这组证据更适合的解读 | 需要更明显动作的 Prompt 或首帧任务 | 需要按顺序执行小动作，或从参考素材开始探索 |
这张表刻意只写观察。一个输出能暴露失败模式或工作流限制，却不能建立稳定排名。换一个主体、时长、比例或 Prompt，结果完全可能反过来。
应该从哪个模型开始
只有文字场景、又希望运镜或主体动作比较明显时，可以从 Kling 3.0 文生视频开始。第一版 Prompt 保持简单：一个主体、一个可见动作、一条运镜指令。可以直接进入文生视频生成器测试。
身份、裁切或开场画面已经确定时，两边都可以从图生视频开始。这一组里，O3 更准确地完成了眨眼顺序，Kling 3.0 的抬爪幅度更大。使用图生视频生成器时，原图最好已经接近最终构图。
参考视频提供了想要的节奏、动作风格或构图，并且还要结合图片时，可以从 O3 Reference to Video 开始。它会生成一个受参考素材引导的新视频，不是直接修改原视频。
核心任务是把动作轨迹转移到特定角色或物体上时，可以尝试 Kling 3.0 Motion Control。批量前一定先测一组。本次测试说明，看起来有效的图片也可能卡在特定路由的预处理阶段。
这组样本里各自适合什么
Kling 3.0 更适合这次需要明显推进和大幅前景动作的任务。它不适合用来确认指定眨眼是否落地；Motion Control 也没有接受本次匹配图片。
O3 更适合这次按顺序完成眨眼，也成功跑通了同素材参考任务。纸船镜头里，它没有明确胜出：两边都跟住了场景，选择取决于你需要更强推进，还是更平稳的过程。
这点样本不足以给所有项目设默认模型。应该先按已有素材选择入口，再测试最容易失败的那条要求：动作顺序、角色身份、运镜时间，或参考素材兼容性。
常见问题
Kling O3 就是 Kling VIDEO 3.0 Omni 吗？
Kling 官方名称是 VIDEO 3.0 Omni。EvoLink 和 KlingVideo 使用 Kling O3，指向基于该模型系列的提供商路由。不同界面的控件可能不完全相同，不能默认所有 Omni 功能到处都有。
O3 比 Kling 3.0 更好吗？
不能这样下通用结论。这次 O3 更清楚地完成了眨眼，也跑通了参考任务；Kling 3.0 的纸船推进更明显，前景动作更大。它们只是小样本里的工作流差异。
文生视频应该选哪个？
两边都完成了相同的 5 秒 Prompt，也都保住了核心场景。可以按需要的动作强度来选。时间点或运镜强度很重要时，至少生成两个候选。
有首帧图时应该选哪个？
两边都很好地保住了猫咪原图。这个样本里，O3 对眨眼更直接，Kling 3.0 更强调抬爪。原图的裁切、背景和主体细节最好一开始就正确。
Motion Control 和 Reference to Video 有什么区别？
Kling 3.0 Motion Control 明确用图片提供外观、用视频提供动作轨迹。O3 Reference to Video 把视频当作特征参考，还能结合图片或 Element。它们的输入有重叠，但不是同一种操作。
来源与限制
Kling 官方的 VIDEO 3.0 与 VIDEO 3.0 Omni 对比把标准模型描述为 Prompt 驱动，把 Omni 描述为参考驱动。EvoLink 当前文档列出了 KlingVideo 使用的 Kling 3.0 与 O3 文生视频、图生视频、Motion Control和 O3 Reference to Video路由。
直接画面对照来自 4 个 720p、5 秒、关闭声音的完成输出，共两组同输入样本。参考视频核验使用一组相同的图片与视频：O3 完成，Kling 3.0 两次停在图片处理。由一名审阅者检查接触表与文件信息。没有做重复生成、盲测、声音测试或逐帧指标。本文是一轮输入与工作流检查，不是永久模型排名。
最后核验：2026 年 8 月 4 日。
