Kling 4.0 対 Kling 3.0：アップグレードはピクセル数ではなくタイムラインにある

Kling 4.0は2026年10月15日に一般提供を開始しましたが、まず目につくのは、変わらなかった点です。 Kling 3.0は、K​uaishouが2026年2月5日にリリースした時点ですでにネイティブ4Kを生成していました。両モデルとも720p、1080p、4Kを仕様に掲げています。どちらもテキスト、画像、動画を入力として受け付けます。どちらも同じ企業によって作られ、同じ作成ページで販売され、同じファミリーから生まれたように見えるクリップを生成します。多くの人が最初に確認するスペックシートの項目で両者を比較すると、新モデルは丸め誤差のように見えます。 このようなリリースの背後にある、記録されたAIの障害やエージェントのインシデントは、OrcaRouter AI Incident Archiveに集められており、各エントリは独自の情報源、重大度、信頼度グレード、係争中フラグを備えています。

そうではない。この2世代の違いは時間だ——1回の生成でモデルがどれだけの時間を生み出すのか、そしてその内部で起きることをどれほど精密に指示できるのか。Kling 4.0は単一生成の上限を15秒から30秒へと2倍にし、開始フレームと終了フレームを最大10個のキーフレームに置き換え、参照バジェットをおよそ2倍にする。それらはワークフローを変える変更だ。両方の箱に付いた4Kバッジは、プレスリリースを変える変更だ。

リリースノートが実際に主張している内容と、実際に出荷されたもの

このセクションの内容はすべて、2026年10月22日に読んだKuaishou自身のリリースノートと機能ページに基づいています。現時点では、そのどれにも独立したスコアはまだ付いていません。というのも、その日付時点でKling 4.0はArtificial Analysisの3つの動画リーダーボードのいずれにも掲載されておらず、各ボードにはまだ2月時点のKling 3.0の行が残っていて、Kuaishouからのより新しいものは何もないからです。ベンダーの主張は、あくまで主張として扱ってください。

• 長さ — Kling 3.0：3～15秒。Kling 4.0：1回の生成で3～30秒、複数回生成による2分への延長は近日対応予定として記載。

• 解像度 — 両方: 720p、1080p、4K。Kling 4.0 では、16:9、1:1、9:16 に加えて 21:9 が追加されます。

• ダイナミックレンジ — Kling 3.0：8ビットSDR。Kling 4.0：1080pおよび4Kで10ビットHDR。ただしリリースノートでは、これは出荷済みではなく近日提供予定と記載されている。

• キーフレーム — Kling 3.0：最初と最後のフレームのみ。Kling 4.0：タイムライン上の任意の位置に最大10枚のキーフレーム画像を配置可能。

• 参照 — Kling 3.0：動画入力なしで最大7枚の画像または被写体、もしくは動画1本と画像または被写体4つ（動画は15秒まで）。Kling 4.0：最大15個のアセットを組み合わせ可能 — 画像10枚、合計30秒の動画5本、7つの要素（うち最大3つは動画ベース可）、さらに音声参照。

• 音声 — Kling 3.0：シングルチャンネル。Kling 4.0：2チャンネルステレオで、ベンダーがより緊密なリップシンクと表現しているもの。

• 言語 — Kling 3.0：中国語、英語、日本語、韓国語、スペイン語。Kling 4.0 ではポルトガル語、ドイツ語、フランス語、ヒンディー語が追加され、中国語と英語については地域のアクセントと方言に対応します。

• プロンプト入力 — Kling 4.0 は最大 8,000 トークンのテキストを受け付けます。一方、Kling 3.0 の API リファレンスでは、prompt フィールドの上限が 3,072 文字とされています。これは異なる単位であり、ベンダーは換算方法を公表していないため、この 2 つの数値を単純な倍数として読まないでください。

なぜ30秒はクリップの長さ以上に変化するのか

15秒はおおよそ1つのアクションに相当します。商品を1回転させること、ひと言のセリフ、1回のカメラワーク、1つのリアクション。Kling 3.0はその制約を前提に設計され、マルチショット・プランニングでそれを回避しました。モデルはクリップを最大6つのショットに分割し、それらの間でカットします。こうして15秒の中からシーケンスを得られるのです。

Kling 4.0の30秒は、そのトリックを置き換えるものではないが、そのトリックが何のためのものかを変える。長回しは今や、カットなしで導入のビート、キャラクターの登場、そして展開を収められるようになり、それを「運任せ」ではなく「演出可能」にしているのが10キーフレーム制御だ。Kuaishou自身のウォークスルーでは、キーフレームを固定のタイミングに置いている——4秒でキャラクターが入場し、12秒で商品、20秒でプッシュイン、28秒でシーン転換——これはプロンプトの言語ではなく、絵コンテの言語である。これこそが本当のアップグレードだ。モデルは今や、ショットの説明ではなくショットプランを受け入れる。

また、失敗したテイクのコストも高めます。24秒目で失敗する30秒の生成は、15秒で失敗する場合の2倍のコンピューティングを無駄にし、しかもKuaishouは生成にかかるコストを公表していません。リリースを読んで2番目に気づくのは、料金表がないことです。APIはアーリーアクセスで、開発者コンソールにはその旨のバナーが表示されており、Kling 4.0とKling 4.0 Flashのどちらについても秒単位の価格は公表されていません。今日Kling 4.0について引用されている数字は、誰かが推測した見積もりであり、ベンダーの料金ではありません。

基準予算が増え、細かい但し書きもそれに伴って増えた

「最大15件の参照」が見出しであり、ほとんどの切りのよい数字と同様、その下に示された上限よりも広く独り歩きする。この15は4種類のアセットを合わせた上限であり、カテゴリー別の制限は相互に融通できない。画像10点、合計時間が30秒を超えてはならない動画5本、最大3つまでの動画ベースのものを含む7つの要素、そして要素に紐づく音声参照である。上限枠のすべてを画像に使うことはできない。

Kling 3.0の制限は、特定の作業にとって重要な意味でより厳しかった。参照動画は1本だけで、それに加えて画像または被写体は4つまでしか使えなかった。ワークフローが「クリップのこのパフォーマンスに合わせ、この4人を一貫して保つ」というものであれば、Kling 3.0でもぎりぎり対応できた。しかし「パフォーマンスに合わせ、6人を一貫して保ち、この製品とこの場所を再現する」というものであれば対応できず、Kling 4.0ならできる。

もう一つの追加点は、モデル内部での編集です。Kling 4.0は編集用に最大5本の入力クリップを受け付けます。内訳は1本のプライマリで、各クリップは3～30秒、合計30秒までです。ベンダーは、表情、身体の動き、カメラ位置、スタイル、背景への狙いを定めた変更を、フレームの残りの部分は維持したまま行えると主張しています。Kling 3.0 Omniには参照駆動のワークフローがありましたが、編集は別モードであり、同じ生成の一部ではありませんでした。その主張が実際の映像に触れても成り立つかどうかは、まさにベンダーのページだけでは決着できない類のことです。

今日何を、どのキーで呼び出せるか

実用上、2つのモデルが互換でなくなるのはここです。私たちがルーティングするのはKling 3.0であり、Kling 4.0ではありません。カタログにはkling/kling-v3 と kling/kling-v3-omni がリクエストあたり定額 $0.084、kling/kling-3-turbo が $0.112、そして旧世代の 2.x と O1 が掲載されています。Kling 4.0 のルートはなく、API がアーリーアクセスを終了するまで追加できる識別子もありません。この記事内で Kling 4.0 を呼び出し可能と説明している箇所は、Kuaishou 自身のプラットフォームについて述べているのであり、当社のものではありません。

新しいモデルを試したいがパイプラインを作り直したくないチームにとって、この非対称性は明快な使い分けを示唆する。すでに価格が設定され安定しているKling 3.0はルーター経由で呼び出し、Kling 4.0は料金表が登場するまでベンダーの早期アクセス窓口を通じてテストする。料金表が出たときには、パススルーモデルが重要になる——プロバイダーの定価はマークアップを加えずにそのまま通るため、Kuaishouの料金改定やローンチ割引は、次の契約更新時ではなく当日に当社の請求明細へ反映される。自動フェイルオーバーはそのもう半分：新しいエンドポイントが負荷でつまずくと、リクエストはレスポンスが始まる前に正常な経路へ移動され、キュー内の失敗ジョブとして表面化することはない。

マーケティング抜きの決断

選択してくださいKling 3.0。ショットが15秒以下で、参照素材が数枚の画像であり、公表価格と8か月間実運用されているモデルを求める場合に適しています。ネイティブ4Kに対応し、マルチショットに対応し、ネイティブ音声にも対応しており、当社のカタログでは1リクエスト$0.084で、使用可能なクリップを生成する最も安価な方法の一つです。Kling 4.0のリリースによって、これらの用途でKling 3.0が劣るようになることはありません。

選ぶべきはKling 4.0です——繰り返しぶつかっている制約がシーケンスなら。つまり、保持しなければならない25秒のテイク、特定の秒に着地しなければならないビート、6つの一貫した参照と1つの製品を必要とするシーンです。追加の尺とキーフレームタイムラインはまさにそのためのものであり、4Kがどれだけ高くても、それらがないことを補えるものではありません。価格が未公表であること、そして10ビットHDR、2分間の延長、公開された料金表がいずれも「提供予定」として記載されているという事実を見込んで予算を組んでください。

人が尋ねるであろう世代比較の問い——4.0は3.0より優れているのか——に、スコアボードから答えることはできない。新しいモデルには独立したスコアがないからだ。答えられることは、より狭く、より有用だ。2つのモデルは今や異なるショット長向けに作られており、公開価格があるほうこそ、今日パイプラインに組み込めるモデルだ。これは品質への判定ではない。2026年10月22日時点の記録の現状である。