Kling 4.0 vs ByteDance Seedance 2.0: trenta secondi senza taglio, o quindici con sei

Due modelli video possono entrambi dichiarare quindici secondi e intendere cose diverse. ByteDance Seedance 2.0 riempie la sua finestra di 15 secondi con più inquadrature: una sequenza in stile storyboard, tagli inclusi, generata in un'unica passata con audio stereo. Kling 4.0, rilasciato il 15 ottobre 2026, raddoppia la finestra a 30 secondi e mantiene la camera in funzione: un'unica ripresa senza interruzioni, tenuta insieme da fino a 10 keyframe e un budget di riferimento di 15 asset. Il confronto sulla durata è quello che ogni scheda tecnica propone. La grammatica delle inquadrature è quella che decide quale modello si adatta al tuo montaggio.

C'è una seconda asimmetria alla base. Seedance 2.0 è disponibile al pubblico in Cina da febbraio 2026, compare nella classifica text-to-video di Artificial Analysis con oltre 20.000 voti e pubblica un prezzo normalizzato al minuto. Kling 4.0 è disponibile al pubblico nell'app consumer da otto giorni, non ha un Elo indipendente né una tariffa al secondo fornita dal produttore. Un modello ha una posizione misurata; l'altro ha una ripresa più lunga.

Il numero che sembra decisivo e non lo è

Trenta contro quindici è un raddoppio netto, ed è reale: Kling 4.0 genera da 3 a 30 secondi in un'unica passata, mentre Seedance 2.0 genera da 4 a 15 secondi con un valore predefinito di 5 secondi. Se la tua ripresa è una dimostrazione di prodotto continua di 25 secondi, Seedance 2.0 non può realizzarla in modo nativo, e nessuna quantità di prompt engineering cambia un tetto invalicabile. L'estensione lato Kling è pubblicizzata fino a due minuti ma contrassegnata come in arrivo, quindi il confronto effettivamente disponibile è 30 secondi contro 15.

Il numero smette di essere decisivo nel momento in cui l'inquadratura deve staccare. I 15 secondi di Seedance 2.0 sono progettati per contenere diverse inquadrature: ByteDance descrive un input testuale in stile storyboard e una pianificazione della macchina da presa a livello di regia — dolly zoom, rack focus, carrellate, cambi di punto di vista — che avvengono all'interno della generazione anziché in montaggio. I 30 secondi di Kling 4.0 sono progettati per contenerne una. La nota di rilascio di Kuaishou descrive i fotogrammi chiave come un modo per collocare stati dei personaggi, cambi di scena e snodi narrativi, il che è controllo della continuità, non un budget di numero di inquadrature.

Quindi la formulazione onesta non è “Kling dura il doppio”. È “Kling dura il doppio per inquadratura, e Seedance ti dà più inquadrature per generazione”. Una ripresa unica da 30 secondi e una sequenza da 15 secondi in sei inquadrature sono prodotti diversi che si trovano semplicemente a condividere una colonna della durata.

Binding di riferimento: un cast rispetto a uno storyboard

Omni Reference di Kling 4.0 accetta fino a 15 asset in un’unica attività, con limiti di 10 immagini, 5 video per un totale di 30 secondi e 7 soggetti, di cui fino a tre possono essere basati su video. Ogni soggetto può avere una voce specificata e il modello accetta anche fino a 10 immagini chiave. Questo budget è la dotazione di riferimenti più generosa in questo confronto ed è pensato per mantenere identità, guardaroba, set e movimento lungo una ripresa lunga.

Seedance 2.0 accetta fino a 9 immagini, 3 clip video e 3 clip audio, e usa una sintassi di indirizzamento che associa un riferimento con nome a un soggetto specifico e ne pondera l'influenza. Si tratta di un budget più ridotto, con un controllo più fine per ciascun riferimento. Se il tuo problema è «questo è il personaggio A, questo è il personaggio B, e la giacca di A deve corrispondere al frame 1 al frame 300», la sintassi di associazione di Seedance è lo strumento più diretto. Se il tuo problema è «tenere insieme tutto questo mondo per mezzo minuto», il budget maggiore e la traccia keyframe di Kling sono la soluzione più adatta.

Audio: entrambi rivendicano lo stesso terreno

La rivendicazione più forte di Seedance 2.0 è un missaggio stereo a due canali — musica, ambienti e voce fuori campo come tracce separate — generato insieme al video anziché doppiato successivamente, con sincronizzazione labiale multi-persona e multilingue. Kling 4.0 dichiara stereo a due canali, sincronizzazione labiale migliorata, dialoghi in nove lingue e accenti e dialetti specifici in inglese e mandarino. Entrambe sono dichiarazioni dei fornitori. Nessuno dei due fornitori pubblica il numero di tracce e nessun test indipendente ha confrontato le due pipeline audio. La differenza nel marketing è la sicurezza; la differenza nella documentazione è più piccola di quanto il marketing suggerisca.

Il materiale di lancio di ByteDance menziona occasionali distorsioni audio e limiti nella coerenza tra più soggetti e nel rendering del testo. Il materiale di Kuaishou non menziona una debolezza paragonabile, il che è una differenza nella divulgazione più che una differenza di qualità. Programma una seconda ripresa sul dialogo con uno o l'altro modello.

L'asimmetria del benchmark

Nella classifica text-to-video di Artificial Analysis rilevata il 18 settembre 2026, Dreamina Seedance 2.0 720p si colloca al quinto posto con un punteggio Elo di 1.210 e un intervallo di confidenza del 95% di ±6 su 20.345 campioni, al prezzo di 9,07 $ al minuto. Le prime cinque posizioni coprono 23 punti Elo, quindi il quinto posto è più una posizione in coda che un verdetto, ma la misurazione è reale e il numero di campioni è elevato.

Kling 4.0 non ha alcuna riga su nessuna delle tre classifiche video al 23 ottobre 2026. Non è un punteggio basso; è un'assenza. Le righe della generazione precedente sono ancora nelle classifiche e non dovrebbero essere prese in prestito. Chiunque oggi metta un numero Elo accanto a Kling 4.0 o sta citando Kling 3.0 oppure se lo sta inventando.

La conseguenza pratica è che il modello con punteggio è la scelta predefinita più sicura per un team che deve giustificare una decisione, mentre il modello senza punteggio è quello da sperimentare in via pilota anziché standardizzare. Si tratta di un'affermazione che riguarda le prove, non la qualità.

Accesso, geografia e costo

Seedance 2.0 è disponibile a livello generale in Cina dal 12 febbraio 2026, con l'API che ha raggiunto la piena disponibilità generale il 14 aprile. Fuori dalla Cina il quadro è più disomogeneo. Il canale consumer tramite CapCut ha raggiunto prima un insieme limitato di mercati — Brasile, Indonesia, Malaysia, Messico, Filippine, Thailandia e Vietnam — e gli Stati Uniti sono stati esplicitamente esclusi da quel rollout, così come gran parte dell'Europa. Il canale API enterprise ha la copertura più ampia. ByteDance applica inoltre restrizioni sui contenuti senza un equivalente diretto in Kling: nessuna generazione da immagini o video contenenti volti reali senza verifica dell'identità o autorizzazione preventiva, oltre a watermark invisibili sull'output.

Kling 4.0 è disponibile nell'app e nel sito web di Kling AI a livello globale, con l'annuncio del lancio globale datato 16 ottobre 2026. L'API è in accesso anticipato e nessuna tariffa al secondo del fornitore è pubblicata. Ciò rende Kling più facile da provare e più difficile da acquistare, mentre Seedance è più difficile da raggiungere in alcuni mercati ma più facile da preventivare una volta ottenuto l'accesso.

Quanto ai costi, i 9,07 dollari al minuto di Seedance 2.0 sono una normalizzazione di Artificial Analysis, non una tariffa dichiarata: ByteDance fattura per token su Volcano Engine, a 46 RMB per milione di token per la generazione pura e 28 RMB per milione con input video per l’editing. Una clip di 15 secondi corrisponde a circa 308.880 token, il che si avvicina a un yuan al secondo — la cifra “un yuan, un secondo” su cui si è attestata la copertura cinese. Le varianti Mini e Fast appartengono alla stessa famiglia di modelli, a circa metà della tariffa del flagship per il lavoro di bozza. Kling 4.0 non ha un numero comparabile; l’app funziona a crediti, l’API non ha un prezzo e le cifre al secondo dei rivenditori non sono quelle del fornitore.

Nessuno dei due modelli è oggi una route di OrcaRouter. La generazione Kling che offriamo è Kling 3.0, a $0.084 per richiesta per i tier flagship e Omni, $0.112 per Turbo e da $0.042 a $0.28 per i modelli 2.x più vecchi. Questo conta se stai sperimentando Kling 4.0: il percorso di fallback esiste già sulla stessa chiave compatibile OpenAI di oltre 200 altri modelli, al prezzo di listino del provider senza alcun ricarico aggiunto, così una chiamata fallita in accesso anticipato può ricadere su una generazione di produzione invece di far fallire il batch.

Quale appartiene alla linea del tempo?

• Scegli Kling 4.0 se l'inquadratura non deve essere interrotta: un movimento di camera continuo, una dimostrazione in un'unica ripresa, un monologo che deve mantenere un volto in scena per 25 secondi. Il passaggio da 30 secondi e la traccia da 10 keyframe sono pensati esattamente per questo, e nessun altro modello in questo confronto offre questa durata.

• Scegli {{1}}Seedance 2.0{{/1}} se l'unità di lavoro è una sequenza: un breve dramma, uno spot costruito da sei tagli, uno storyboard che richiede linguaggio cinematografico all'interno della generazione. Il suo design multi-inquadratura e la sintassi di indirizzamento dei riferimenti sono l'opzione più diretta.

• Scegli Seedance 2.0 se oggi hai bisogno di un punteggio e di un prezzo. Li ha entrambi; Kling 4.0 non ha né l'uno né l'altro.

• Scegli Kling 4.0 se ti serve il budget di riferimento più ampio e una traccia keyframe separata, e puoi accettare un'API in accesso anticipato mentre manca il listino prezzi.

Non scegliere nessuno dei due se hai bisogno di stem audio separabili con un numero di tracce dichiarato. Entrambi dichiarano lo stereo; nessuno dei due documenta l’architettura dei canali.

La cosa da osservare non è la colonna della durata, ma il primo punteggio indipendente di Kling 4.0 e la prima tariffa API pubblicata. Se Kling 4.0 si colloca vicino a Seedance 2.0 nella classifica, la scelta diventa grammatica delle inquadrature e prezzo. Se si colloca molto al di sotto, la ripresa da 30 secondi è una funzione specialistica anziché un vantaggio generale. In ogni caso, la decisione dovrebbe basarsi sulla forma del montaggio, non su quale numero di modello sia più alto in un comunicato stampa.