Kling 4.0 vs Flux 3 Video：片方には料金表があり、もう片方には上限がある

どちらもKling 4.0とFlux 3 Videoテキスト、画像、動画を受け付け、どちらも4K出力を約束し、どちらも映像と同じ生成パスで音声を生成する。違いは、そのうち片方の価格を算出できることだ。Black Forest LabsのFlux 3 Videoは、公開された秒単位の料金表と、Artificial Analysisのテキスト・トゥ・ビデオボードにおけるスコア付き行を伴って、2026年8月4日に一般提供を開始した。Kling 4.0は2026年10月15日からコンシューマーアプリに登場しており、1回の生成で最大30秒を生成し、ベンダーによる秒単位の料金も独立したEloも持たない。つまり、この比較は単純な機能対機能ではない。今日予算を立てられる製品と、紙の上では上限が高い製品との比較なのだ。

二つの問いを分けて考えると、判断は驚くほど明確になります。どのモデルがそのショットを撮れるのか。そして、今四半期に実際にコミットできるのはどのモデルか。この二つの答えは同じではなく、ほとんどの比較ページはそれらを一つにまとめてしまっています。

2つのボード、共有列なし

Artificial AnalysisはFlux 3 Videoをテキスト・トゥ・ビデオ部門のボードに掲載しており、Elo 1,128で6位、6,179サンプルにわたる95%信頼区間は±9、正規化価格は1分あたり17.40ドル、リリース日は2026年7月として記録されている。Black Forest Labsは一般公開日を2026年8月4日としており、7月23日からの早期アクセスを経ての公開となる。この不一致はボード記録上のアーティファクトであり、モデルに関する矛盾ではない。

2026年10月23日時点で、Kling 4.0 はそのボードにも、画像から動画へのボードや編集ボードにも存在しない。前世代の Kling 3.0 にはエントリがあるが、新モデルにはない。Kling 4.0 の隣に Elo を表示している比較ページは、旧モデルの数値を引用している。正直に言えるのは、この対決の一方には測定された位置があり、もう一方には空白があるということだけだ。

Flux 3 Videoの行も、その製品が持つ範囲より狭い。ベンダーはテキストto動画、画像to動画、動画to動画、動画継続を、キーフレームで制御するトランジション付きで文書化している。Artificial Analysisがスコアを付けているのはテキストto動画の構成のみであるため、ボード上の数値が表すのはマルチモーダルモデルの一つのモードであり、全体ではない。これはスコアボードの限界であって、モデルの限界ではない。

何が入るか

Flux 3 Video は、ボード上の行から想像されるよりも幅広い入力に対応するマルチモーダル動画モデルです。テキストプロンプト、最初のフレームとしての静止画、動画から動画への変換および継続用の動画、制御されたトランジション用のキーフレームを入力できます。長さは1回の生成で最大20秒で、テキストから動画および画像から動画は5～20秒、継続は5～15秒です。解像度は固定アスペクト比ではなくピクセル帯で販売され、HDは1フレームあたり約1メガピクセル、FHDは2、QHD/2Kは4、UHD/4Kは8です。またベンダーは、多言語のダイアログ、同期した音声、効果音、環境音を備えたオプションのネイティブ音声を追加料金なしで提供しています。

Kling 4.0の入力仕様は、モード一覧ではなく上限を中心に構成されている。Omni Referenceは1回のタスクで最大15個のアセットを扱え、内訳は画像10枚、合計30秒の動画5本、被写体7体までで、うち最大3体は動画ベースでもよい。各被写体には指定した音声を割り当てられる。さらに最大10枚のキーフレーム画像を受け付け、プロンプトは最大8,000トークン、出力は3～30秒で720p、1080p、4Kに対応し、アスペクト比には21:9も含まれる。リリースノートには、合計30秒の範囲内で最大5本の入力クリップにまたがる対象指定編集についても記載されている。

対比は「一方は画像を取り込み、他方は取り込まない」ということではない。Flux 3 Video は入力を、それぞれ異なる長さを持つ個別のモードとして提示するのに対し、Kling 4.0 はそれらを共通の許容量を持つ1つのタスクとして提示する、という点だ。20秒のFlux生成と30秒のKling生成はどちらも単一パスであり、Klingのパスはより多くの同一性参照とモーション参照を扱うことができ、Fluxのパスには公表された価格がある。

解像度とHDRに関する注意点

両ベンダーとも4Kを宣伝しており、どちらも同じ厳しさで吟味する価値があります。Black Forest Labsは解像度をピクセル帯として販売し、HD、FHD、QHD/2K、UHD/4Kを料金表の階層として掲げています。複数の第三者による要約では、2Kと4Kは広く利用可能というより、発表済みまたは展開中と報告されているため、上位の帯は既定ではなく、ご利用のアカウント単位でのロードマップ上の課題として扱うべきです。Kling 4.0は720p、1080p、4Kを出力設定として掲載していますが、1080pおよび4Kでの10-bit HDRは、Kuaishouのリリースノートと機能ページで明示的に「近日提供予定」と記されています。HDRなしのネイティブ4Kが出荷済みの主張であり、HDRはそうではありません。

どちらのモデルも、解像度で正規化した独立系の品質比較を公開していません。ボードは価格を1080pの1分あたりに正規化しているため、Flux 3 Videoの1分あたり17.40ドルは他の行とは比較できますが、Kling 4.0の欠落した数値とは比較できません。

価格：今四半期を実際に左右する部分

Flux 3 Videoの料金表は明確です。テキストから動画、画像から動画は、ドラフトHDで毎秒0.06ドル、HD/720pで0.17ドル、FHD/1080pで0.29ドル、QHD/2Kで0.40ドル、UHD/4Kで0.80ドルです。動画から動画と継続生成はより高く、ドラフト0.12ドル、HDで約0.41～0.43ドル、FHDで0.53～0.54ドル、2Kで0.65ドル、4Kで0.95ドルです。音声は含まれます。5秒のHDクリップは標準料金で約0.85ドルかかり、これはボリューム契約やプラットフォームとの取り決め前の価格です。

Kling 4.0には2026年10月23日時点でベンダーの秒単位料金がありません。アプリはKling AIのサブスクリプションプランを通じたクレジットで動作します。APIは早期アクセス告知の下にあり、Kuaishouは料金表を公開していません。サードパーティのプラットフォームは秒単位の数値を掲載していますが、それは再販業者の価格でありベンダーの価格ではなく、独立して変動します。今日、2つのモデル間のコスト比較を行うと、公開料金と見積もりの比較になってしまいます。

実用的な基準として、前世代のKlingには価格が設定されています。OrcaRouterでは、kling/kling-v3 と kling/kling-v3-omni は1リクエストあたり $0.084 で掲載されており、kling/kling-3-turbo は $0.112、旧2.x系は $0.042〜$0.28 です。これらは秒単位の料金ではなくリクエスト単位のカタログ価格であるため、Fluxのカードと直接正規化して比較することはできませんが、Kling 4.0の料金が不明な間でも予算に組み込める実際の数値です。

オーディオとトラック数に関する疑問

Flux 3 Videoの音声はオプションでネイティブ、秒単位の料金に含まれており、多言語の台詞、同期した音声、効果音、環境音を備えています。Kling 4.0は2チャンネルステレオを生成し、9言語にわたるリップシンクと台詞が改善され、英語と標準中国語の特定のアクセントにも対応しています。いずれもベンダーの主張であり、どちらのベンダーもトラック数を公開していません。台詞、音楽、効果音を分離可能なステムとして必要な場合、どちらの仕様書もそれらが得られるかどうかを示していません。クリーンなマルチトラック書き出しではなく、DAWでの2回目の作業または再生成を見込んで予算を組むべきです。

重み、アクセス、統合

どちらのモデルもオープンウェイトではありません。Flux 3 Video のボード行にはウェイトへのリンクがなく、Black Forest Labs は API とダッシュボード経由で提供しています。Kling 4.0 は Kuaishou のアプリとオープンプラットフォームを通じたホスト型モデルです。セルフホスティングが要件であれば、どちらも答えにはなりませんし、Black Forest Labs のオープンリリースの評判も、このチェックポイントのライセンスを変えるものではありません。

Flux 3 Video は8月初旬から一般提供されているため、そのリクエスト契約は四半期かけて安定してきた。Kling 4.0 の API はアーリーアクセス段階にあり、歴史的にこれは公開料金表ではなく申請と待機を意味する。MCP と CLI のサポートが記載されているが、これはエージェントやビルドスクリプトには役立つものの、エンドポイントが一般提供されるわけではない。

現在、どちらのモデルも OrcaRouter のルートではなく、本記事は当社がどちらかをホストしているという主張でもありません。当社が実際に提供しているのは、Kling 3.0 ファミリーと 200 を超えるテキストおよびマルチモーダルモデルを、単一の OpenAI 互換エンドポイント上で、プロバイダー定価・マークアップ 0% で利用できるようにしたものです。Kling 4.0 を試験導入しつつ、Flux または Kling 3.0 に本番経路を維持するチームにとって有用なアーキテクチャは、呼び出しの前面に安定したモデル名を置き、その背後で自動フェイルオーバーを行うことです。そうすれば、レート制限がかかったり消えたりする早期アクセスのエンドポイントによってバッチが巻き添えになることはありません。動画ベンダーを 2 社持つことの根拠も同じです。2 社目は保険であり、品質に対するヘッジではありません。

誰がどれを選ぶべきか

• 公開されている秒単位の料金、スコア付きのテキスト・トゥ・ビデオ行、20秒の上限、ネイティブ音声込みが必要なら、Flux 3 Video を選んでください。2つのうち、今週の予算会議で承認できるのはこれだけです。

• カットなしで30秒のショットが必要な場合、扱いきれないほどの同一性参照が必要な場合、または別個のキーフレームトラックが必要な場合は、Kling 4.0を選んでください。上限はより高く、価格は不明です。

• ビデオtoビデオおよび既知の料金での継続生成には Flux 3 Video を選んでください。Kling 4.0 の編集機能は、合計30秒の範囲内で、同モデルが生成したクリップに対して文書化されたものであり、汎用的な映像編集モードとしてのものではありません。

• 21:9の成果物、10枚のキーフレーム、15アセットのキャストなら、Kling 4.0を選びましょう。HDRへの期待は入り口で預けましょう。

• 分離可能なオーディオステムが必須要件である場合は、いずれかのベンダーがチャンネルアーキテクチャを文書化するまで、どちらも選ばないでください。

これを決着させるのは、Kling 4.0の料金表と、Artificial Analysisの最初の行だろう。両方が出そろうまでは、Flux 3 Videoがより安全な購入であり、Kling 4.0がより高性能なパイロットだ。この二つの文の間にある差が、判断のすべてだ。