Genie 4 vs Kling 4.0 のタイトルカードは「8秒問題への2つの答え」という見出しで、一方のカードでは Genie 4 を約1分間の720pライブワールドとして説明し、もう一方のカードでは Kling 4.0 を最大4Kで3~30秒のワンテイクとして説明している。
Guides & Insights

Genie 4 対 Kling 4.0:8秒問題への2つの答え

著者

jinhao.song

公開日

最新モデル · 20すべてのモデルを見る →
ベンチマーク:Artificial Analysis · 毎日更新
すべての記事に戻る

2年間、生成動画の上限はおよそ8秒で、各ラボはそれぞれ異なる方法で挑んだ。Kling 4.0はクリップを延長した。1回の生成で3〜30秒、ショットをつなぎ留める最大10枚のキーフレーム画像、2チャンネル音声、そして掛け算できる秒単位の料金。Genie 4は代わりにクリップを捨てた。セッションは約1分続くが、目の先に何かが先にレンダリングされることはない。世界は歩き進むにつれて生成され、720pで最大毎秒24フレーム。セッションの途中で新しい指示を入力し、天気が変わるのを見ることもできる。Kling 4.0は「どうすればより長いショットを撮れるか」に答える。Genie 4は「ショットが存在しなかったらどうなるか」に答える。

どちらの答えも他方の後継ではなく、価格設定がそれを証明している。K​ling はレートカードで秒単位で販売しており、720p では1秒あたり約 $0.157、1080p では $0.235、3つのエンドポイントで公開された文書化済みの API を備えている。Genie 4 は、API もモデル ID も生成ごとの課金も一切ないブラウザ製品の月額 $99.99 サブスクリプションを販売している。一方は予測できるコスト項目。もう一方はシートだ。

8秒の壁を突破する2つの方法と、それぞれの代償

K​lingの路線は保守的だ。クリップとは何かを変えずに、クリップを長くする。K​ling 4.0は2026年10月15日に全員向けに公開され、3〜30秒のネイティブ生成を備え、その周辺の仕組みはすべて、その時間枠内で何が起きるかの制御に集中している——選んだ瞬間に構図を固定する最大10枚のキーフレーム画像、最大15個の組み合わせ参照アセット(画像10枚、合計30秒の動画5本、動画ベースのものを3つ含む7要素、さらに音声参照)、そして30秒のテイクに必要な詳細さでショットを描写できるよう最大8,000トークンのプロンプト。

Genieのルートは作業単位を変える。プロンプトからファイルへのステップは一切ない。テキストか画像から世界をシードし、キーボードとマウスでナビゲートする。その間、Geminiモデルがフレームを監視し、ワールドモデルが曲がり角の先にあるものを想像する。セッション途中のプロンプトはGoogleが前面に押し出す機能だ。天気を変え、キャラクターを投入し、アクションを方向転換させると、シーンはリセットなしで適応する。セッションは約1分後に終了する——Googleのモデルカードには「約1分間の継続的なインタラクション」とあり、より長い実行や複雑な編集の繰り返し後に生じる既知の失敗モードとして視覚的ドリフトとオブジェクトの永続性を挙げている。

• 出力単位 — Kling 4.0 は3~30秒の動画ファイルを生成するのに対し、Genie 4 は約1分間のライブセッションを提供し、録画しない限りファイルは残りません。

• 解像度 — K​ling 4.0 はローンチ仕様で 720p、1080p、4K に対応し、1080p と 4K では 10-bit HDR を備えています。一方、Genie 4 は 720p、最大 24 fps まで。以上です。

• コントロール — Kling 4.0 は10個のキーフレーム、最初と最後のフレーム、15個の参照アセット、編集用の最大5個の入力クリップに対応するのに対し、Genie 4 はセッション中のライブナビゲーションとテキスト入力プロンプトに対応。

• 音声 — K​ling 4.0は2チャンネルステレオで、10以上の言語と地域アクセントにわたるリップシンクと会話に対応するのに対し、Genie 4はフレームと同時に生成される環境音、音楽、インタラクティブな会話に対応。

• 価格 — 720p出力で毎秒0.157ドル、1080pで0.235ドルのK​ling 4.0(K​ling自身の単価表による)に対し、G​oogle AI UltraのGenie 4は月額99.99ドル、199.99ドルのプランは使用量上限が上がるだけです。

• アクセス — K​ling 4.0 はウェブアプリと、3つのエンドポイントを備えた文書化された API を通じて利用可能。一方、Genie 4 は対象となる Ultra サブスクライバー向けに、ブラウザの Project Genie を通じて利用可能で、AI Pro のウェイトリストがあり、API はありません。

• 独立したスコア — どちらも他方と比較して誰かに測定されているわけではない。K​lingは4.0のベンチマークを公開しておらず、G​oogleはGenie 4のベンチマークを公開していない。

見積もりではなく算出された請求額

K​lingの料金表は「ユニット」建てで、1ユニットは0.157ドルであり、秒単位の料金はそこから直接算出されます。入力動画なしの720pでは、K​ling 4.0の出力1秒は1ユニット、つまり0.157ドルです。1080pでは1.5ユニット、つまり0.235ドルです。自分の映像素材を持ち込むと公称料金は0.6ユニットと0.9ユニットに下がりますが、課金ルールは時間ベースであり、入力クリップが出力時間以下の場合は出力時間の2倍分が課金されるため、割引はそれ以上に相殺されます。

30秒のKling 4.0テイク1本は、720pで約4.71ドル、1080pで約7.05ドルかかります。2本——たとえばテスト用に1本、残す用に1本——なら、およそ9.42ドルと14.10ドルです。これが使えるKling映像1分間の全コストであり、誰の許可も取らずに予算表に入れられる数字です。

Generated cost card headed What a 30-second shot costs, showing Kling 4.0 at $4.71 for one 30-second take at 720p and $9.42 for two, against Genie 4 at $99.99 for a month of sessions with no per-second price and no API to bill against.

Genie 4には相当する数字がない。それはGoogleがはぐらかしているというより、そもそもビジネスが違うということだ。99.99ドルで、Project Genie内の1か月分のセッションを、新しいエージェント、コミュニティギャラリー、Genie 3のアップグレードとともに購入できる——3分間の実行、ワールドチェイニング、360度パノラマのシード。だが、それで買えるのは予測可能性ではない。Ultraティアの利用上限は、制作担当者が週あたりのセッション数に換算できる単位では公開されていない。そのため、1日の10回目のセッションは、無料でなくなるその瞬間まで無料だ。

単一の成果物で両者を比較すると、差は歴然としている。音声付きの30秒ショット:K​ling 4.0、$4.71、1ファイル、完了。Genie 4、$99.99のサブスクリプション、そして同一条件では再実行できないセッションの画面録画。これは単に割高な取引ではない——別の製品であり、それを同じ製品かのように価格設定することこそ、チームが間違ったものを買ってしまう原因だ。

K​ling 4.0の仕様がその利用可能性よりも強力である点

ローンチ資料を注意深く読むと、際立つ点が一つある。K​ling 4.0 は 4K をうたっているが、10月のエンドポイントに関する API ドキュメントには 720p と 1080p、さらに 21:9 とアダプティブ比率が記載されている。4K と、1080p および 4K での 10-bit HDR はモデルの機能表に含まれているものの、今日 /text-to-video/kling-4.0 を呼び出す開発者が解像度の enum から選んでいるものではない。これが重要なのは、4K が K​ling が Genie 4 をピクセル数で9倍上回る唯一の項目であり、まだ課金できない項目だからだ。

もう一つの非対称性は音声だ。K​ling 4.0の音声はポストプロダクション用のアセットである。ステレオで、リップシンク済みで、名前付きの言語と名前付きの地域アクセントのリストから選ばれ、変化しないクリップに紐づく。Genie 4の音声はパフォーマンスだ。動かすそばから適応し、それはより面白く、かなり制御しにくい。そしてG​oogleは、リアルタイム音声の精度を、リリース自体の中で未解決の研究課題の一つに挙げている。キャラクターに吹き替えを当てるなら、K​lingのものが求める仕様だ。空間を設計していてその音を聞きたいなら、Genieのものだけが二者のうちでそれを可能にする。

今日、どちらの側でも実際に呼び出せるものは何ですか

Kling 4.0には文書化されたAPIがあります。3つのエンドポイント—text-to-video、image-to-video、omni-video—は、モードフラグ付きの単一エンドポイントではなく、それぞれ別々のリクエストパスであり、ピッカーを構築する場合は3つの統合分岐と3組の入力検証が必要になります。APIではプロンプトは最大26,000英文字に達し、これはローンチ時のリリースが示した8,000トークンとは異なる単位であるため、この2つの数値は互換ではありません。

Genie 4にはAPIが一切ありません。このことははっきり書く価値があります。そうでないかのように示唆する比較記事は、開発者の午後を無駄にしてしまうからです。モデルIDもエンドポイントも、生成ごとの料金もなく、サードパーティのプラットフォームはすべて同じ状況にあります——当社も含めて。当社はGenie 4を提供しておらず、ルーティングもできません。

当社が提供しているのは、その一つ前の世代です。K​ling 3.0 と K​ling 3.0 Turbo は、当社のカタログに以下として掲載されています:kling/kling-v3およびkling/kling-3-turbo、1リクエストあたり $0.084 と $0.112、K​ling 3.0 Omni と K​ling O1 も並んでいます — 1つのキーで、2つ目の契約は不要。4.0 の秒単位の料金にコミットする前に、K​ling のモーションとオーディオがあなたのパイプラインで機能するかどうかをコスト検証するなら、それが低コストで確かめる方法です。リクエスト価格はプロバイダーのもので、上乗せなしでそのまま渡されます。

Screenshot of the OrcaRouter catalogue page for Kling 3.0, showing it listed as a flagship text-to-video model with per-request pricing and a video generations endpoint path.

誰がどれを選ぶべきか

成果物が誰かに引き渡す必要のあるショットなら、K​ling 4.0 を選べ。料金表、API、30秒間にわたってキャラクターを保持できるほど強力なリファレンス制御、必要な言語でリップシンクしたステレオ音声、そして少なくとも4Kをうたう解像度ラダーを備えている。発表時のデモ——K​ling自身のキャンペーン映像や、ギャラリーにあるカンヌで評価された短編——はすべて作り込まれたショットであり、それがこの製品の用途を正直に伝える広告になっている。

成果物が意思決定であり、そこに到達するのに1分で足りるなら、Genie 4を選ぼう。シーンをブロッキングすること、低いカメラからセットがどう見えるかを試すこと、まだ存在しない空間をクライアントに歩いてもらうこと。これらは、解像度よりもインタラクティブ性が価値を持つ仕事であり、最後にマスターファイルを誰も期待しない仕事だ。Googleがギャラリーとともに公開した2つの名を冠したコラボレーション、「Villa Giallo」と「The Life of Ants」は、どちらも映画としてではなく探索として構成されており、これは逆方向からの同じシグナルだ。

量が必要なら、どちらも選ばないでください。どちらのモデルも、1日1,000回の呼び出しに合う価格設定や設計にはなっておらず、両ベンダーとも自社の出力を何らかの形で研究グレードだと説明しています。— G​oogleはGenie 4のドリフトと物理について明示的にそう述べており、K​lingの4Kは、呼び出すエンドポイントで選べるオプションではなく、あくまで仕様のままです。

何がそれを決着させるのか

二つの進展があり、そのどちらか一つでこの議論は決着する。第一は、Genie 4 が API と秒単位の価格を手に入れることだ。キューから呼び出せ、公表された料率で使えるワールドモデルは、これまでこの種の判断を唯一決めてきた軸、つまり「使用可能な1秒あたりのコスト」において、K​ling と比較可能になる。第二は、K​ling がすでに文書化済みのエンドポイントで 4K と 10-bit HDR を提供し始めることだ。これにより能力表は実際に納品できるものへと変わり、Genie 4 の対話性がまったく競合相手のないまま成立している唯一の領域が消える。

そのうちのどれかが登場するまでは、この比較は採点を拒む場合にだけ誠実たりえる。K​ling 4.0 は映像素材を作るためのより良いツールだ。Genie 4 は二者のうち、映像が作られている最中に、約1分間、720pでその映像の中に立てる唯一のものだ。これらは別々の文であり、どんなに枠組みを変えても一方が他方になることはない。

Generated two-column scoreboard comparing Genie 4 and Kling 4.0 across output, length, control, audio, price and access, with Genie 4 at 720p for about a minute in a browser only and Kling 4.0 up to 4K for 3 to 30 seconds at $0.157 a second with ten keyframes and fifteen reference assets.