Kling 4.0 vs Kandinsky 6.0 Video: il confronto testa a testa che nessuno ha ancora condotto

L'unica valutazione umana pubblicata che mette Kling 4.0 e Kandinsky 6.0 Video a confronto diretto non esiste. Ciò che esiste è un paper del laboratorio di Kandinsky stesso, inviato ad arXiv il 4 ottobre 2026, che confronta Kandinsky 6.0 Video Pro con Kling 2.6 — due generazioni indietro rispetto al modello che Kuaishou ha distribuito a tutti il 15 ottobre. Quel divario è il punto di partenza onesto per questo confronto, e taglia in una direzione che la maggior parte delle pagine di confronto ignora: sulle colonne che il paper misura davvero, il vecchio Kling si è aggiudicato diverse voci in modo netto. Le affermazioni di Kuaishou su 4.0 proprio su quelle colonne sono quelle che nessuno ha verificato.

Quindi questa non è una pagina che ti dirà quale modello sia migliore, perché le prove per affermarlo non esistono ancora. È una pagina su ciò per cui ciascuno dei due è realmente progettato, su cosa ha rilevato l'unico vero confronto diretto e su quale dei due puoi inserire in una pipeline questa settimana.

Due prodotti che si somigliano solo in apparenza

Kling 4.0 è un generatore chiuso, a consumo di crediti, di Kuaishou. Il modello completo esegue text-to-video, image-to-video, primo e ultimo fotogramma, multi-keyframe, omni-reference ed editing mirato, da 3 a 30 secondi e da 720p a 4K. È venduto tramite l'app e il sito web Kling, con un'API che Kuaishou ha iniziato ad aprire a ondate dal 21 ottobre e il cui listino prezzi per sviluppatori etichetta ancora il modello come "Coming Soon", con sole tariffe di anteprima.

Kandinsky 6.0 Video è il tipo opposto di artefatto. Kandinsky Lab di Sber lo ha rilasciato il 6 ottobre 2026 come due checkpoint — Pro con 29B parametri e Lite con 3B, più un modello separato di super-risoluzione da 1,4B — sotto licenza MIT, con pesi su Hugging Face, codice su GitHub e integrazione day-0 in Diffusers, ComfyUI, FastVideo, SGLang e vLLM-Omni. Genera clip di cinque secondi a 121 frame e 24 fps, con audio sincronizzato a 44,1 kHz e sincronizzazione labiale, a partire da un prompt testuale o da un'immagine di riferimento.

Uno è un servizio con un vantaggio di durata. L'altro è un download con un vantaggio di licenza. Quasi ogni differenza pratica tra i due discende da quella frase.

L'unico confronto testa a testa, letto onestamente

La valutazione umana del paper Kandinsky è la cosa più vicina a un tabellone condiviso, e vale la pena leggerla attentamente perché è un laboratorio che valuta il proprio nuovo modello rispetto a un concorrente scelto da sé.

• Qualità visiva complessiva — Kling 2.6 in vantaggio, secondo i valutatori dello studio stesso.

• Estetica visiva — Kling 2.6 in vantaggio.

• Qualità audio — Kling 2.6 in vantaggio.

• Sincronizzazione audio-video — Kling 2.6 in vantaggio.

• Aderenza al prompt audio — Kandinsky 6.0 Video Pro in arrivo.

• Qualità del parlato — Kandinsky 6.0 Video Pro in vantaggio, in linea con la riduzione del 47% dichiarata nel tasso di errore delle parole del parlato generato dopo il post-addestramento tramite apprendimento per rinforzo.

• Controllo della camera in image-to-video-with-audio — Kandinsky 6.0 Video Pro in arrivo.

• Capacità di seguire i prompt visivi — sostanzialmente alla pari.

Ne derivano tre cose. Primo, il modello più recente non ha dominato quello più vecchio, il che è insolito per una valutazione interna di un laboratorio e merita di essere riconosciuto. Secondo, le vittorie di Kandinsky si concentrano dove l'architettura è insolita — denoisa congiuntamente i latenti video e audio attraverso un unico transformer invece di eseguire due modelli in sequenza — e questo emerge più nell'aderenza ai prompt vocali e sonori che nella qualità grezza dell'immagine. Terzo, il confronto non dice nulla su Kling 4.0, il cui intero appeal è un realismo migliore, un movimento su larga scala più stabile e un lip-sync più pulito. Sono proprio le colonne in cui il suo predecessore era già in testa.

Se vuoi che il confronto sia reale anziché inferito, l'artefatto mancante è un'esecuzione indipendente nell'arena con entrambi i modelli. Oggi nessuno dei due ne ha una contro l'altro.

Il divario nelle specifiche che determina la maggior parte dei lavori

• Durata clip — Kling 4.0 va da 3 a 30 secondi in un'unica passata, con l'estensione fino a 2 minuti indicata come in arrivo. Kandinsky 6.0 Video è addestrato a 121 frame e genera 5 secondi. Qualsiasi cosa più lunga è un problema di stitching che devi gestire tu.

• Risoluzione — Kling 4.0 è disponibile in 720p, 1080p e 4K, con HDR a 10 bit in 1080p e 4K indicato come "coming soon" nella nota di rilascio di Kuaishou stessa. Kandinsky genera in SD ed esegue l'upscaling tramite il suo modello di super-risoluzione da 1,4 miliardi di parametri fino a Full HD, 1920×1080, con fattori ×2, ×2,25 e ×4.

• Input di controllo — Kling 4.0 accetta fino a 10 keyframe e un budget di 15 riferimenti ripartito tra 10 immagini, 5 video con un limite massimo complessivo di 30 secondi, riferimenti vocali e fino a 7 elementi. Kandinsky 6.0 Video accetta un prompt testuale o una singola immagine di riferimento, applicata come fotogramma finale mascherato.

• Audio — Kling 4.0 produce stereo a due canali con lip-sync in nove lingue e accenti denominati. Kandinsky produce AAC a 44,1 kHz con l'audio attivo per impostazione predefinita; la pipeline restituisce parlato, musica o ambiente sincronizzati anche quando non si passano parametri audio.

• Lunghezza del prompt: Kling 4.0 accetta fino a 8.000 token. La configurazione di servizio di Kandinsky si basa sullo stile di didascalia con cui il modello è stato addestrato — lungo, medio o breve — e non su un copione aperto.

• Licenza — Kling 4.0 è proprietario, regolato dai termini di Kuaishou. Kandinsky 6.0 Video è MIT per codice, pesi e integrazione Diffusers.

Quell'ultima riga fa più lavoro di quanto la sua lunghezza suggerisca. Un modello closed da 30 secondi e un modello MIT da 5 secondi non sono intercambiabili anche quando la loro qualità delle immagini è simile, perché uno vincola ciò che puoi costruire e l'altro vincola ciò che puoi generare.

Quanto costa ciascuno, nell'unità che effettivamente fattura

La pagina dei prezzi per sviluppatori di Kuaishou elenca Kling 4.0 a 1,5 unità al secondo a 1080p, che converte in 0,235 $ al secondo, e 1,0 unità, 0,157 $ al secondo, a 720p. Non esiste una tariffa 4K: la colonna riporta "-". Con input video la tariffa scende a 0,094 $ al secondo a 720p e 0,141 $ a 1080p, ma la fatturazione conteggia la durata dell'output moltiplicata per due quando l'input è più breve dell'output. La pagina afferma anche che le cifre sono "solo a scopo di anteprima" e che l'accesso API "non è ancora disponibile", il che mal si concilia con l'annuncio di Kuaishou del 21 ottobre secondo cui l'API era entrata in funzione per i clienti enterprise e gli sviluppatori. Considerate nel loro insieme, la conclusione corretta è che l'API si sta aprendo per fasi e che al 23 ottobre non esiste un listino prezzi pubblico e stabile.

Al prezzo di anteprima, una clip 720p di cinque secondi costa circa 0,79 $, mentre una da 30 secondi circa 4,71 $. È questo il numero con cui verificare qualsiasi preventivo di un rivenditore terzo, perché le tariffe dei rivenditori si muovono indipendentemente da quelle di Kuaishou.

Kandinsky 6.0 Video non ha un prezzo al secondo perché non esiste un endpoint del fornitore per acquistarlo. Il suo costo è il tempo GPU, e il repository pubblica cifre misurate per una clip di cinque secondi dopo il riscaldamento, escludendo il caricamento del modello e la codifica: Pro a Full HD richiede 402 secondi su una H100, 854 su una RTX 5090, 1.247 su una RTX 4090 e 3.530 su una RTX 5060 Ti. Lite a Full HD richiede 284 secondi su una H100. A qualunque tariffa H100 ti trovi a pagare, 402 secondi sono 6,7 minuti di quella scheda per una clip di cinque secondi — fai la moltiplicazione e i calcoli spettano a te, perché il fornitore non ti vende il risultato e quindi non ne pubblica alcun prezzo.

Il tetto di memoria è l'altro numero che decide se l'auto-hosting è davvero fattibile per te. Un'esecuzione Pro SD raggiunge un picco di 72,8 GiB, oltre ogni scheda consumer. Il preset da 16 GB del repository trasmette in streaming i blocchi transformer dalla memoria host e quantizza il text encoder a NF4 — e il paper è esplicito sul fatto che questa è l'unica modifica del preset che altera il clip stesso. Se riproduci l'output di qualcuno su una scheda da 16 GB e non corrisponde, quell'impostazione è la prima cosa da controllare.

Cosa puoi chiamare oggi e come questo influisce sulla decisione

Ecco l'asimmetria che conta più di qualsiasi benchmark: Kling 4.0 è raggiungibile tramite l'app di Kuaishou e, sempre più, tramite la sua API, mentre Kandinsky 6.0 Video è raggiungibile scaricandolo. Nessuno dei due è una chiamata pronta all'uso da un livello di routing.

Ciò che OrcaRouter instrada è la generazione che Kling 4.0 sostituisce. Kling 3.0 è nel catalogo a $0,084 per richiesta, e MiniMax H3 è disponibile a $0,08 per secondo di video generato, entrambi sullo stesso endpoint compatibile con OpenAI utilizzato da oltre 200 modelli, al prezzo di listino del provider con 0% di ricarico. Questo conta per un modello self-hosted in un modo in cui non conta per uno ospitato: la fase di espansione del prompt che trasforma la descrizione di un'inquadratura nella lunga didascalia su cui è stato addestrato Kandinsky, il lavoro di didascalia e trascrizione che alimenta un input immagine, i riepiloghi di revisione che decidono quale di quattro generazioni mantenere — sono normali chiamate di testo, e possono condividere una chiave e una politica di failover mentre il lavoro pesante del video viene eseguito ovunque lo si collochi. Kandinsky stesso non è una route di OrcaRouter, e nulla di quanto qui scritto va interpretato come un'affermazione che lo sia.

Quale appartiene al tuo stack?

La decisione non dipende dalla qualità, perché nessuno l'ha misurata in modo equo. Dipende da tre domande a cui puoi rispondere da solo.

Hai bisogno di un'inquadratura più lunga di cinque secondi? Allora Kandinsky 6.0 Video è fuori dai giochi per quell'inquadratura, e nessuna licenza MIT lo cambia — dovresti fare stitching, e lo stitching ti costa la coerenza temporale in cui il modello è bravo.

Devi possedere i pesi, eseguire tutto offline, fare fine-tuning o distribuire il modello all'interno di un prodotto in cui una fattura del fornitore per singola chiamata è inaccettabile? Allora Kling 4.0 è fuori gioco indipendentemente dalla sua scheda tecnica, perché un'API chiusa è una dipendenza, non un asset.

Devi prendere la decisione questa settimana con un budget che qualcuno approverà? Allora nessuna delle due opzioni è lineare. L'API di Kling 4.0 è a metà del rollout con prezzi di anteprima, e il costo reale di Kandinsky è una cifra in ore GPU che devi convertire nella tua infrastruttura. I modelli che puoi prezzare e chiamare oggi sono la generazione precedente da entrambe le parti — Kling 3.0 tramite Kuaishou o un router, Kandinsky 6.0 Video dall'Hub.

La cosa da tenere d'occhio non è una specifica. È se qualcuno esegue entrambi i modelli sugli stessi prompt e pubblica il risultato — una voce in un'arena indipendente, un laboratorio che non possiede nessuno dei due modelli, oppure una serie credibile di clip affiancate con i prompt allegati. Finché non esiste, qualsiasi pagina che classifichi Kling 4.0 contro Kandinsky 6.0 Video con un vincitore sta extrapolando da un confronto con Kling 2.6 e sperando che tu non te ne accorga. Il lavoro utile nel frattempo è più ristretto: scegli il vincolo che non puoi spostare e lascia che sia lui a scegliere il modello.