Kling 4.0 対 Google Veo 3.1：価格差がもたらすもの、もたらさないもの

Google Veo 3.1は、掛け算で算出できる料金、エンタープライズ向けの体制、そして1年間の本番運用実績を備えた、この比較で唯一のモデルです。Kling 4.0はコンシューマーアプリでは公開から1週間で、APIではまだアーリーアクセスであり、公開された秒単位の料金はありません。机上ではそれで選択は簡単になるはずです——コンプライアンス審査と毎月の予算項目を抱えるチームにとっては、実際にそうなります。しかしこの対決で興味深いのは価格差ではありません。価格は1つしかないからです。両モデルが同じ中核的うたい文句——ネイティブ音声と参照コントロールを備えた4〜30秒のクリップ——に収束し、それをどう操ることを想定しているかでは完全に分岐したことです。このようなリリースの背景にある、記録されたAI障害やエージェントのインシデントは、OrcaRouter AI Incident Archiveに収集されており、各項目には独自の出典、重大度、信頼度グレード、異議フラグが付いています。

存在する数と、存在しない数

Veo 3.1はファミリーとして販売されており、価格をめぐる議論の中心はこのファミリーにある。Artificial Analysisは、画像→動画ボードでVeo 3.1を1分24.00ドル、Veo 3.1 Fastを9.00ドル、Veo 3.1 Liteを4.80ドルと記録している。同じモデル名が、階層によって4～5倍異なる価格になっている。テキスト→動画では、標準階層で記録されている料金は1分24.00ドルだ。これらはGoogleの秒単位料金から算出した1分あたりの数字であり、30秒のクリップはフラッグシップ階層で約12ドル、Liteで2.40ドルかかる計算になる。

• 価格 — Artificial Analysisの記録では、Veo 3.1が1分あたり$24.00、Fastが$9.00、Liteが$4.80であるのに対し、Kling 4.0は公開されているAPI料金がまったくありません。

• 解像度 — Veo 3.1は各ティアで720p、1080p、ネイティブ4Kに対し、Kling 4.0は720p、1080p、4K。1080pと4Kの10ビットHDRは近日提供予定と記載。

{{1}}クリップの長さ{{/1}} — Veo 3.1は1クリップ4、6、8秒で、それを超えるシーン延長が可能なのに対し、Kling 4.0は1回のパスで3～30秒、2分までの延長は近日提供予定と記載されています。

• 参照制御 — Veo 3.1 は最大3枚の参照画像に加えシードとネガティブプロンプトに対応するのに対し、Kling 4.0 は最大15個の複合アセットと最大10枚のキーフレーム画像に対応。

• 音声 — Veo 3.1 はネイティブ 48 kHz ステレオで generate_audio はデフォルトでオフ、一方 Kling 4.0 は 2 チャンネルステレオで、9 言語のリップシンクとダイアログに対応。

• 来歴 — Veo 3.1 は SynthID と C2PA の認証情報を埋め込むのに対し、Kling 4.0 には公開された来歴標準がありません。

• 独立系スコア — Veo 3.1はArtificial Analysisの3つのティアすべてでランクインしているのに対し、Kling 4.0はランキングに掲載されていない。

来歴に関する最後の行こそが企業の調達商談を左右する行であり、最も差が大きい行でもある。G​oogleは自社の出力に署名しているが、K​uaishouのリリースノートはコンテンツクレデンシャルに一切触れていない。

Veo 3.1がマーケティング上の見せかけ以上に先行している点

3つの点があり、最初の点が本番パイプラインにとって実際に重要なものだ。Veo 3.1は実運用されて十分に長く、その故障モードは知られている。Artificial Analysisの画像から動画へのボードでは、7,040サンプルでElo 1,082を記録している。首位ではなく、10月時点のそのボードで12位だが、信頼区間の狭い実測値だ。Fastティアは約15,000サンプルで1,066、Liteティアは5,122サンプルで1,071となる。これらの数字は、具体的でやや居心地の悪いことを示している。3つのティアは品質において統計的に区別できず、24ドルのフラッグシップは4.80ドルのティアより約11 Eloポイント高いだけだ。Veoを選ぶなら、ティアの選択は予算にとって、モデル選択が出力に与える影響よりもはるかに重要である。

2つ目は解像度と色です。Veo 3.1はネイティブ4Kを出力し、Kling 4.0とは異なり、4Kを価値あるものにするハイダイナミックレンジに「近日対応」などという但し書きを付けません。放送や映画、あるいは静止フレームを200%に拡大して確認するクライアントへの納品において、それは出荷済みの機能と、発表されただけの機能との差なのです。

第三は来歴です。SynthIDとC2PAのクレデンシャルは、法務チームに渡せるクリップとそうでないクリップを分ける違いであり、キーフレーム制御をどれだけ強化してもこれに代わるものはありません。

Kling 4.0が優位に立っている点、そしてそれは些細なことではない

Kling 4.0のクリップ長は最大の見どころであり、それは実際に本物です。1回の生成で30秒、それに対してVeo 3.1は1クリップあたり4秒、6秒、8秒で、残りは延長機能でつないでいきます。延長は連続した1テイクと同じものではありません。30秒を1回のパスで生成すれば、カメラワーク、演技、オーディオベッドが継ぎ目なく一体となります。ワンテイクのシーン、長尺の製品デモ、途切れない対話にとって、それは同じ出力の長いバージョンではなく、まったく別カテゴリーの出力なのです。

参照入力の範囲は第2の利点であり、より興味深い点でもある。Veo 3.1は最大3枚の参照画像に加えてシードとネガティブプロンプトを受け付ける。これは構図ではなく一貫性のために作られた制御セットだ。Kling 4.0は最大15個の複合アセットと、タイムライン上に配置してキャラクターの状態、シーン変更、ストーリービートを定義できる最大10枚のキーフレーム画像を受け付ける。また、最大5本、合計30秒の入力クリップを使って、対象を絞った編集も文書化している——表情、カメラ位置、背景、セリフを変更しても、フレームの残りは維持される。それが実際に実現されるかは未検証だが、Veo 3.1のドキュメントが主張していない能力ではある。

第三に、そして見落とされやすい点：{{1}}Kling 4.0{{/1}}の言語対応範囲は、紙面上ではより広い。北京語、台湾華語、東北官話、四川官話といった名称付きの方言を含む9言語での台詞と画面上のテキスト——アメリカ英語、イギリス英語、インド英語——は、{{2}}Veo 3.1{{/2}}のドキュメントが示す約束よりも具体的であり、非英語市場向けに制作する人にとっては、台本を担えるモデルとそうでないモデルとの違いである。

測定問題を正直に言えば

Kling 4.0には独立したスコアがありません。10月15日に一般消費者向けにリリースされ、10月22日時点ではArtificial Analysisの動画ボードに掲載されていません。

したがって、それを支持する品質に関する主張はすべてK​uaishou自身によるものであり、それが引き継ぐモデルは良くても中位だった——Kling 3.0の画像から動画への各ティアは10月の測定値でElo 1,036〜1,055の間にあり、Veo 3.1の1,082を約30ポイント下回り、ランキング首位勢には遠く及ばなかった。新世代は大きく前進し得るが、30ポイントの上昇は保証されない。

第二の正直さの問題があり、しかもそれは逆方向に作用する。Veo 3.1自身の数字も芳しくない。画像→動画のボードで12位、テキスト→動画ではElo 962で19位前後、しかもそのボードで最高価格というのは、性能面のリードではない。製品ポジションのリードだ。G​oogleは信頼性、解像度、来歴、サポート契約を売り込み、その対価として1分24ドルを請求している。一方、Wan 3.0は1,156に位置し、1080pで1秒0.20ドルだ。Veo 3.1が品質で勝っていると主張する人は、別のボードを見ている。

つまり、この比較は「優れたモデル対劣ったモデル」ではない。一方はその価格で組織からの信頼を買い、もう一方はその仕様表で制御を買うのであり、どちらも自ら守れる品質の王冠を主張しているわけではない。

少なくともパイプラインについては、その決定を迂回する形でルーティングする

今日、勝者を選ばずにできる唯一のことは、選択を可逆に保つことです。動画生成は、その大半がテキストである一連の工程の中でも、高コストで遅いノードです。トリートメント、ショットリスト、プロンプトのバリエーション、参照キャプション、モデレーションパス、そしてジョブが24秒で落ちたときのリトライロジック。その作業に動画エンドポイントは不要であり、一つに固定されるべきでもありません。

OrcaRouter は200 以上のモデルを単一の OpenAI 互換エンドポイント経由で利用可能にし、プロバイダーの定価のままマークアップ 0% で提供します。さらにプロバイダーの品質が低下した際の自動フェイルオーバーと、複数のモデルを 1 回の呼び出しに組み合わせるためのルーティング DSL を備えています。当社は Google Veo 3.1 をルーティングしておらず、Kling 4.0 もルーティングしていません。どちらも当社のカタログには掲載されておらず、そう主張すれば 1 回の API 呼び出しで反証できてしまうからです。このファミリーで当社が実際に提供しているのは、Kling 4.0 の土台となる世代であるKling 3.0 と Kling 3.0 Omni（1 リクエストあたり $0.084）で、3〜15 秒のクリップと最大ネイティブ 4K に対応しています。新モデルの API がアーリーアクセス中で、Veo 3.1 のフラッグシップ料金が 1 分 $24 である今は、このティアを使うべきです。

誰がどれを選ぶべきか

成果物が来歴を問うレビューを通る場合、4Kとハイダイナミックレンジがロードマップ項目ではなく出荷要件である場合、サポート契約が必要な場合、または出力が法務レビューを通過する必要がある場合は、Veo 3.1を選んでください。そして、フラッグシップではなくLiteまたはFastティアを選んでください。取締役会によれば、1分あたり追加の19.20ドルで買えるのは約11のEloポイントと名前だけだからです。

ショットが長く、演出が具体的で、各テイクを人が確認する場合——ワンテイクのシーン、会話主導の短編、明確な見せ場のあるプロダクトフィルム——にはKling 4.0を選んでください。今日からアプリで使用できますが、早期アクセスのバナーがなくなり、秒単位の料金が表示されるまでは、自動化された経路を構築しないでください。

2つの日付に注目してください。1つ目は、Kling 4.0のAPIが公開価格を伴ってアーリーアクセスを終了する時点です。ここで初めて、これは実際のコスト比較になります。2つ目はKling 4.0の最初のEloです。なぜなら、新世代がVeo 3.1との30ポイントの差を埋め、リーダーボード上位に近づけば、$24のティアは出自以外の何ものによっても正当化できなくなり、その論拠はG​oogleが望むより短くなるからです。