Kling 4.0 vs Kandinsky 6.0 Video: 아무도 진행하지 않은 정면 대결

공개된 인간 평가 중Kling 4.0과 Kandinsky 6.0 Video를 같은 자리에 놓은 유일한 평가는 존재하지 않습니다. 대신 존재하는 것은 Kandinsky 자체 연구소가 2026년 10월 4일 arXiv에 제출한 논문으로, Kandinsky 6.0 Video Pro를 Kling 2.6과 비교합니다 — Kling 2.6은 Kuaishou가 10월 15일에 모두에게 출시한 모델보다 두 세대 뒤진 모델입니다. 그 격차는 이번 맞대결의 정직한 출발점이며, 대부분의 비교 페이지가 무시하는 방향으로 작용합니다: 논문이 실제로 측정한 항목에서 더 오래된 Kling이 여러 항목에서 완승했습니다. 바로 그 항목들에 대한 Kuaishou의 4.0 주장은 아무도 검증하지 않았습니다.

그래서 이 페이지는 어느 모델이 더 나은지 알려주는 페이지가 아닙니다. 그렇게 말할 근거가 아직 없기 때문입니다. 이 페이지는 각 모델이 실제로 무엇을 하도록 만들어졌는지, 유일한 실제 일대일 비교에서 무엇을 발견했는지, 그리고 두 모델 중 이번 주에 파이프라인에 넣을 수 있는 것은 어느 쪽인지 다룹니다.

겉모습만 비슷한 두 제품

Kling 4.0은 Kuaishou의 폐쇄형 크레딧 차감형 생성기입니다. 전체 모델은 텍스트-투-비디오, 이미지-투-비디오, 첫 프레임-마지막 프레임, 다중 키프레임, 옴니 레퍼런스 및 타깃 편집을 3~30초, 720p~4K로 지원합니다. Kling 앱과 웹사이트를 통해 판매되며, Kuaishou가 10월 21일부터 단계적으로 개방하기 시작한 API가 있고, 해당 개발자 가격표에는 여전히 모델이 "Coming Soon"으로 표시되어 미리보기 요율만 제시되어 있습니다.

Kandinsky 6.0 Video는 정반대 종류의 결과물입니다. Sber의 Kandinsky Lab은 2026년 10월 6일 이를 두 개의 체크포인트 — 29B 매개변수의 Pro와 3B의 Lite, 그리고 별도의 1.4B 초해상도 모델 — 로 MIT 라이선스 하에 공개했으며, 가중치는 Hugging Face에, 코드는 GitHub에 올렸고 Diffusers, ComfyUI, FastVideo, SGLang 및 vLLM-Omni에서 출시 당일 통합을 지원합니다. 이 모델은 텍스트 프롬프트 또는 참조 이미지로부터 121프레임, 24fps의 5초 클립을 동기화된 44.1kHz 오디오 및 립싱크와 함께 생성합니다.

하나는 기간 측면의 이점을 지닌 서비스이고, 다른 하나는 라이선스 측면의 이점을 지닌 다운로드입니다. 이 둘 사이의 거의 모든 실질적 차이는 그 한 문장에서 비롯됩니다.

단 한 번의 맞대결, 솔직하게 읽어 보면

Kandinsky 논문의 인간 평가는 공유 스코어보드에 가장 가까운 것이며, 한 연구소가 자사가 선택한 경쟁 모델과 자사의 새 모델을 비교해 채점하는 평가라는 점에서 꼼꼼히 읽어볼 가치가 있다.

• 전반적인 시각적 품질 — 논문 자체 평가자들에 따르면 Kling 2.6이 앞섭니다.

• 시각적 심미성 — Kling 2.6 우위.

• 오디오 품질 — Kling 2.6 우세.

• 오디오-비디오 동기화 — Kling 2.6 우세

• 사운드 프롬프트 준수 — Kandinsky 6.0 Video Pro가 앞서갑니다.

• 음성 품질 — Kandinsky 6.0 Video Pro가 앞서며, 이는 강화학습 후속 훈련 후 생성 음성의 단어 오류율이 47% 감소했다는 보고와 일치합니다.

• 오디오가 포함된 이미지-투-비디오의 카메라 제어 — Kandinsky 6.0 Video Pro가 앞서갑니다.

• 시각적 프롬프트 준수 — 대략 동점

세 가지 점이 따라온다. 첫째, 최신 모델이 이전 모델을 완승하지는 못했다. 이는 연구소 자체 평가에서는 이례적인 일이며 인정할 만하다. 둘째, Kandinsky의 승리는 아키텍처가 독특한 지점에 몰려 있다 — 두 모델을 순차적으로 실행하는 대신 하나의 트랜스포머를 통해 비디오와 오디오 잠재 표현을 함께 디노이즈하는 구조 — 그리고 이는 화질 그 자체보다 음성 및 사운드 프롬프트 준수에서 더 잘 드러난다. 셋째, 이 비교는 Kling 4.0에 대해 아무것도 알려주지 않는다. 이 모델의 전체적인 셀링 포인트는 더 나은 사실감, 더 안정적인 대규모 움직임, 더 깔끔한 립싱크다. 바로 그 항목들이 전작이 이미 우위를 보였던 항목들이다.

비교가 추론이 아니라 실제가 되기를 원한다면, 빠져 있는 결과물은 두 모델이 모두 포함된 독립적인 아레나 실행입니다. 현재 둘 중 어느 쪽도 서로를 상대로 한 그런 실행을 갖고 있지 않습니다.

대부분의 일자리를 좌우하는 스펙 격차

• 클립 길이 — Kling 4.0은 한 번의 실행으로 3~30초를 생성하며, 2분까지 확장하는 기능은 출시 예정으로 안내되어 있습니다. Kandinsky 6.0 Video는 121프레임으로 학습되어 5초를 생성합니다. 그보다 긴 영상은 직접 이어 붙여야 하는 몫입니다.

• {{1}}해상도{{/1}} — Kling 4.0은 720p, 1080p, 4K를 제공하며, Kuaishou 자체 릴리스 노트에서 1080p 및 4K의 10-bit HDR이 {{2}}출시 예정으로 표시되어{{/2}} 있습니다. Kandinsky는 SD로 생성하고 1.4B 초해상도 모델을 통해 Full HD, 1920×1080으로 업스케일하며, 배율은 ×2, ×2.25, ×4입니다.

• 제어 입력 — Kling 4.0은 최대 10개의 키프레임과, 10개 이미지·합산 30초 이내의 비디오 5개·음성 참조·최대 7개 요소로 나뉘는 15개 항목의 참조 예산을 사용합니다. Kandinsky 6.0 Video는 텍스트 프롬프트 또는 단일 참조 이미지를 입력받아 마스크된 마지막 프레임으로 적용합니다.

• 오디오 — Kling 4.0은 9개 언어와 지정된 악센트 전반에 걸쳐 립싱크가 적용된 2채널 스테레오를 출력합니다. Kandinsky는 오디오가 기본으로 활성화된 44.1 kHz AAC를 출력하며, 오디오 매개변수를 전달하지 않더라도 파이프라인은 동기화된 음성, 음악 또는 앰비언스를 반환합니다.

• 프롬프트 길이 — Kling 4.0은 최대 8,000토큰을 허용합니다. Kandinsky의 서빙 레시피는 모델이 학습한 캡션 스타일, 즉 길게, 중간, 짧게를 중심으로 구성되어 있으며, 개방형 스크립트가 아닙니다.

• 라이선스 — Kling 4.0은 클로즈드 소스이며 Kuaishou의 약관을 따릅니다. Kandinsky 6.0 Video는 코드, 가중치, Diffusers 통합에 대해 MIT 라이선스입니다.

마지막 행은 길이만 보고 짐작할 수 있는 것보다 더 많은 역할을 하고 있습니다. 30초짜리 클로즈드 모델과 5초짜리 MIT 모델은 화질이 비슷하더라도 서로 바꿔 쓸 수 없습니다. 하나는 무엇을 구축할 수 있는지를 제한하고, 다른 하나는 무엇을 생성할 수 있는지를 제한하기 때문입니다.

각 항목의 비용, 실제로 청구되는 단위 기준

Kuaishou의 개발자 요금 페이지에는 Kling 4.0이 1080p에서 초당 1.5유닛으로 표시되어 있으며, 이를 초당 $0.235로 환산하고, 720p에서는 1.0유닛, 초당 $0.157로 표시합니다. 4K 요금은 없으며 해당 열에는 "-"라고 적혀 있습니다. 동영상 입력을 사용하면 720p에서는 초당 $0.094, 1080p에서는 초당 $0.141로 요금이 내려가지만, 입력이 출력보다 짧을 경우 청구 시 출력 길이에 2를 곱합니다. 이 페이지는 또한 수치가 "미리보기용"이며 API 액세스는 "아직 사용할 수 없음"이라고 밝히고 있는데, 이는 API가 기업 고객과 개발자를 대상으로 출시되었다는 Kuaishou의 10월 21일 발표와 어색하게 맞물립니다. 종합해 보면, 10월 23일 기준으로 API가 단계적으로 개방되고 있으며 공개적이고 안정적인 요금표는 존재하지 않는다고 말하는 것이 공정합니다.

미리보기 요율 기준으로 5초 720p 클립은 약 $0.79, 30초 클립은 약 $4.71입니다. 이 수치는 제3자 리셀러 견적이 타당한지 확인할 때 기준으로 삼아야 할 숫자입니다. 리셀러 요율은 Kuaishou의 요율과 독립적으로 움직이기 때문입니다.

Kandinsky 6.0 Video에는 초당 가격이 없습니다. 구매할 수 있는 벤더 엔드포인트가 없기 때문입니다. 비용은 GPU 시간이며, 저장소는 워밍업 후 5초 클립 하나에 대해 모델 로딩과 인코딩을 제외한 측정 수치를 공개합니다. Pro의 Full HD는 H100에서 402초, RTX 5090에서 854초, RTX 4090에서 1,247초, RTX 5060 Ti에서 3,530초가 걸립니다. Lite의 Full HD는 H100에서 284초가 걸립니다. 지불하시는 H100 요율이 무엇이든, 402초는 5초 클립당 해당 카드의 6.7분입니다. 곱해 보시면 계산은 직접 하실 수 있습니다. 벤더가 출력물을 판매하지 않으므로 그에 대한 가격을 공개하지 않기 때문입니다.

메모리 상한은 셀프 호스팅이 실제로 가능한지를 결정하는 또 다른 숫자입니다. Pro SD 실행은 최고 72.8 GiB에 달해 모든 소비자용 카드를 넘어섭니다. 저장소의 16 GB 프리셋은 호스트 메모리에서 트랜스포머 블록을 스트리밍하고 텍스트 인코더를 NF4로 양자화합니다. 그리고 논문은 이것이 clip 자체를 바꾸는 유일한 프리셋 변경이라고 분명히 밝힙니다. 16 GB 카드에서 누군가의 출력을 재현했는데 일치하지 않는다면, 그 설정이 가장 먼저 확인할 항목입니다.

오늘 무엇을 호출할 수 있으며, 그것이 결정을 어떻게 좌우하는지

어떤 벤치마크보다 중요한 비대칭성이 여기 있습니다: Kling 4.0은 콰이쇼우 자체 앱과 점점 더 확대되는 API를 통해 접근할 수 있는 반면, Kandinsky 6.0 Video는 직접 다운로드해야 접근할 수 있습니다. 어느 쪽도 라우팅 레이어에서 바로 호출할 수 있는 대상은 아닙니다.

OrcaRouter가 실제로 라우팅하는 것은 Kling 4.0이 대체하는 세대입니다. Kling 3.0은 요청당 $0.084로 카탈로그에 올라 있으며, MiniMax H3는 생성된 영상 1초당 $0.08로 같은 카탈로그에 있고, 둘 다 200개가 넘는 모델과 동일한 OpenAI 호환 엔드포인트에서 제공업체 정가에 0% 마크업으로 이용할 수 있습니다. 이 점은 셀프 호스팅 모델에서 호스팅 모델과는 다른 방식으로 중요합니다. 촬영 설명을 Kandinsky가 학습한 긴 캡션으로 바꾸는 프롬프트 확장 단계, 이미지 입력을 공급하는 캡션 및 전사 작업, 네 개의 생성 결과 중 무엇을 남길지 결정하는 리뷰 요약 — 이들은 모두 평범한 텍스트 호출이며, 비디오의 무거운 작업이 어디서 실행되든 하나의 키와 하나의 페일오버 정책을 공유할 수 있습니다. Kandinsky 자체는 OrcaRouter의 라우트가 아니며, 이 글의 어떤 내용도 그렇다고 주장하는 것으로 읽혀서는 안 됩니다.

어떤 것이 당신의 스택에 어울리나요?

그 결정은 품질에 달려 있지 않습니다. 아무도 그것을 공정하게 측정하지 않았기 때문입니다. 그 결정은 스스로 답할 수 있는 세 가지 질문에 달려 있습니다.

5초보다 긴 샷이 필요하신가요? 그렇다면 Kandinsky 6.0 Video는 그 샷에서는 후보에서 제외됩니다. MIT 라이선스가 아무리 허용적이어도 이는 달라지지 않습니다 — 결국 이어 붙여야 하며, 이어 붙이기는 이 모델이 잘하는 시간적 일관성을 희생시키는 일입니다.

가중치를 소유하거나, 오프라인으로 실행하거나, 미세 조정하거나, 호출당 공급업체 청구서가 용납되지 않는 제품 내부에 탑재해 출시해야 합니까? 그렇다면 Kling 4.0은 스펙 시트와 관계없이 후보에서 제외됩니다. 폐쇄형 API는 자산이 아니라 의존성이기 때문입니다.

이번 주에 누군가 승인해 줄 예산으로 결정을 내려야 하나요? 그렇다면 어느 쪽도 깔끔하지 않습니다. Kling 4.0의 API는 미리보기 가격으로 출시 중이고, Kandinsky의 실제 비용은 GPU-시간 수치라서 자체 인프라에 맞게 환산해야 합니다. 오늘 가격을 책정하고 호출할 수 있는 모델은 양쪽 모두 이전 세대입니다 — Kuaishou 또는 라우터를 통한 Kling 3.0, Hub의 Kandinsky 6.0 Video.

주목해야 할 것은 스펙이 아니다. 그것은 누군가가 같은 프롬프트로 두 모델을 모두 실행하고 그 결과를 공개하는지 여부다 — 독립적인 아레나 항목, 두 모델 중 어느 쪽도 소유하지 않은 연구소, 또는 프롬프트가 첨부된 신뢰할 만한 나란히 비교한 영상 모음. 그런 것이 존재하기 전까지는, Kling 4.0 대 Kandinsky 6.0 Video의 승자를 가리는 어떤 페이지든 Kling 2.6과의 비교에서 외삽하면서 당신이 눈치채지 못하기를 바라는 것이다. 그동안 유용한 작업은 더 좁다: 바꿀 수 없는 제약을 고르고, 그 제약이 모델을 고르게 하라.