Kling 4.0 vs Flux 3 Video: jeden ma cennik, drugi ma sufit

Oba Kling 4.0 i Flux 3 Video przyjmują tekst, obrazy i wideo, oba obiecują wyjście 4K i oba generują dźwięk w tym samym przebiegu co obraz. Różnica polega na tym, że można wycenić jeden z nich. Flux 3 Video od Black Forest Labs wszedł do ogólnej dostępności 4 sierpnia 2026 r. z opublikowanym cennikiem stawek za sekundę i punktowanym wierszem na tablicy Artificial Analysis text-to-video. Kling 4.0 jest w aplikacji konsumenckiej od 15 października 2026 r., generuje do 30 sekund w jednym przebiegu i nie ma ani stawki za sekundę od dostawcy, ani niezależnego Elo. Zatem porównanie nie polega po prostu na zestawieniu cech; to produkt, na który można dziś zaplanować budżet, zestawiony z produktem, którego pułap jest wyższy na papierze.

To sprawia, że decyzja jest wyjątkowo prosta, jeśli rozdzielisz dwa pytania. Który model potrafi wykonać to ujęcie? A który model możesz faktycznie wdrożyć w tym kwartale? Odpowiedzi nie są takie same, a większość stron z bezpośrednimi porównaniami sprowadza je do jednej.

Dwie tablice, brak wspólnej kolumny

Artificial Analysis umieszcza Flux 3 Video na tablicy text-to-video, na szóstym miejscu z wynikiem Elo 1 128 i 95-procentowym przedziałem ufności ±9 na 6 179 próbek, przy znormalizowanej stawce 17,40 USD za minutę, z datą wydania odnotowaną jako lipiec 2026 r. Black Forest Labs podaje datę publicznego wydania na 4 sierpnia 2026 r., po wczesnym dostępie od 23 lipca; rozbieżność jest artefaktem zapisu na tablicy, a nie sprzecznością dotyczącą modelu.

Kling 4.0 jest nieobecny w tym rankingu oraz w rankingach image-to-video i edycji na dzień 23 października 2026. Poprzednia generacja, Kling 3.0, ma wiersze; nowy model ich nie ma. Strona porównawcza, która umieszcza Elo obok Kling 4.0, cytuje stary model. Jedynym uczciwym stwierdzeniem jest to, że jedna strona tego porównania ma zmierzoną pozycję, a druga jest pusta.

Wiersz Flux 3 Video jest również węższy niż sam produkt. Dostawca dokumentuje text-to-video, image-to-video, video-to-video i kontynuację wideo, z przejściami sterowanymi klatkami kluczowymi. Artificial Analysis ocenia tylko konfigurację text-to-video, więc liczba na tablicy opisuje jeden tryb modelu multimodalnego, a nie cały zakres. To ograniczenie tablicy wyników, a nie modelu.

Co wchodzi

Flux 3 Video to multimodalny model wideo z szerszą listą danych wejściowych, niż sugeruje to jego wiersz w tabeli: monity tekstowe, nieruchome obrazy jako pierwsza klatka, wideo do konwersji wideo-na-wideo i kontynuacji oraz klatki kluczowe do kontrolowanych przejść. Czas trwania sięga do 20 sekund w ramach jednej generacji, przy czym 5–20 sekund dla tekstu na wideo i obrazu na wideo oraz 5–15 sekund dla kontynuacji. Rozdzielczość jest sprzedawana w przedziałach pikseli, a nie w stałych proporcjach obrazu — HD przy około 1 megapikselu na klatkę, FHD przy 2, QHD/2K przy 4 i UHD/4K przy 8 — a dostawca oferuje opcjonalny natywny dźwięk z wielojęzycznymi dialogami, zsynchronizowaną mową, efektami dźwiękowymi i atmosferą, wliczony bez dodatkowych opłat.

Historia wejściowa Kling 4.0 opiera się na budżecie, a nie na liście trybów. Omni Reference przyjmuje do 15 zasobów w jednym zadaniu, z limitem 10 obrazów, 5 filmów o łącznym czasie 30 sekund i 7 podmiotów, z których do trzech mogą być oparte na wideo; każdy podmiot może mieć określony głos. Ponadto obsługuje do 10 obrazów klatek kluczowych, prompty do 8000 tokenów i generuje materiały od 3 do 30 sekund w 720p, 1080p lub 4K, a wśród proporcji obrazu jest 21:9. Nota wydania wymienia także edycję ukierunkowaną w maksymalnie pięciu klipach wejściowych w łącznym oknie 30 sekund.

Kontrast nie polega na tym, że „jeden przyjmuje obrazy, a drugi nie”. Polega on na tym, że Flux 3 Video udostępnia dane wejściowe jako odrębne tryby o odrębnych czasach trwania, podczas gdy Kling 4.0 udostępnia je jako jedno zadanie ze wspólnym limitem. 20-sekundowe generowanie w Flux i 30-sekundowe generowanie w Kling to oba pojedyncze przebiegi; przebieg Kling może przenosić więcej referencji tożsamości i ruchu, a przebieg Flux ma opublikowaną cenę.

Rozdzielczość i zastrzeżenie dotyczące HDR

Obaj dostawcy reklamują 4K i obaj zasługują na taką samą wnikliwą analizę. Black Forest Labs sprzedaje rozdzielczość jako przedział pikseli i wymienia HD, FHD, QHD/2K oraz UHD/4K jako poziomy cennika; kilka podsumowań firm trzecich podaje, że 2K i 4K są zapowiedziane lub dopiero wdrażane, a nie powszechnie dostępne, więc najwyższe poziomy należy traktować jako kwestię harmonogramu na poziomie Twojego konta, a nie ustawienie domyślne. Kling 4.0 wymienia 720p, 1080p i 4K jako ustawienia wyjściowe, ale 10-bit HDR przy 1080p i 4K jest wyraźnie oznaczone jako „wkrótce” w nocie wydania i na stronie funkcji Kuaishou. Natywne 4K bez HDR to deklaracja dotycząca dostarczanej funkcji; HDR — nie.

Żaden z modeli nie publikuje niezależnego porównania jakości znormalizowanego względem rozdzielczości. Zestawienia normalizują cenę do minuty 1080p, dlatego stawka 17,40 USD za minutę Flux 3 Video jest porównywalna z innymi wierszami, ale nie z brakującą liczbą Kling 4.0.

Cena: element, który tak naprawdę decyduje w tym kwartale

Cennik Flux 3 Video jest konkretny. Tekst-na-wideo i obraz-na-wideo kosztują 0,06 USD za sekundę w jakości draft HD, 0,17 USD w HD/720p, 0,29 USD w FHD/1080p, 0,40 USD w QHD/2K i 0,80 USD w UHD/4K. Wideo-na-wideo i kontynuacja są droższe: 0,12 USD w draft, około 0,41–0,43 USD w HD, 0,53–0,54 USD w FHD, 0,65 USD w 2K i 0,95 USD w 4K. Audio jest wliczone. Pięciosekundowy klip HD kosztuje około 0,85 USD według standardowej stawki, przed uwzględnieniem jakichkolwiek ustaleń dotyczących wolumenu lub platformy.

Kling 4.0 na dzień 23 października 2026 nie ma stawki za sekundę podanej przez dostawcę. Aplikacja działa na kredytach w ramach planów subskrypcyjnych Kling AI. API jest dostępne za banerem wczesnego dostępu, a Kuaishou nie opublikował cennika. Platformy zewnętrzne podają stawki za sekundę, ale są to ceny odsprzedawców, a nie dostawcy, i zmieniają się niezależnie. Porównanie kosztów obu modeli na dziś byłoby porównaniem opublikowanej stawki z szacunkiem.

Aby uzyskać użyteczny punkt odniesienia, warto spojrzeć na ceny poprzedniej generacji Kling. W OrcaRouter kling/kling-v3 i kling/kling-v3-omni są wycenione na 0,084 USD za zapytanie, kling/kling-3-turbo na 0,112 USD, a starsze poziomy 2.x w przedziale od 0,042 do 0,28 USD. Są to ceny katalogowe za zapytanie, a nie stawki za sekundę, więc nie normalizują się bezpośrednio względem cennika Flux, ale to realne liczby, które można uwzględnić w budżecie, dopóki stawka Kling 4.0 pozostaje nieznana.

Dźwięk i kwestia liczby ścieżek

Dźwięk w Flux 3 Video jest opcjonalny, natywny i wliczony w cenę za sekundę, obejmuje wielojęzyczne dialogi, zsynchronizowaną mowę, efekty dźwiękowe i dźwięki otoczenia. Kling 4.0 generuje dwukanałowe stereo z ulepszoną synchronizacją ruchu warg i dialogami w dziewięciu językach oraz nazwanymi akcentami angielskimi i mandaryńskimi. Obie informacje to twierdzenia dostawców, a żaden z nich nie publikuje liczby ścieżek. Jeśli potrzebujesz dialogów, muzyki i efektów jako rozdzielnych ścieżek (stemów), żadna karta specyfikacji nie mówi, czy je otrzymasz. Zarezerwuj budżet na drugie podejście w DAW lub ponowne wygenerowanie, a nie na czysty eksport wielościeżkowy.

Wagi, dostęp i integracja

Żaden z modeli nie ma otwartych wag. Wiersz Flux 3 Video na tablicy nie zawiera linku do wag, a Black Forest Labs udostępnia go przez swoje API i panel; Kling 4.0 to model hostowany przez aplikację i otwartą platformę Kuaishou. Jeśli samodzielne hostowanie jest wymogiem, żaden z nich nie jest rozwiązaniem, a reputacja Black Forest Labs w zakresie otwartych wydań nie zmienia licencji tego checkpointu.

Flux 3 Video jest ogólnie dostępny od początku sierpnia, więc jego kontrakt zapytań miał kwartał na ustabilizowanie się. API Kling 4.0 jest we wczesnym dostępie, co historycznie oznacza wniosek i oczekiwanie, a nie publiczny cennik; wsparcie MCP i CLI jest wymienione, co pomaga agentom i skryptom budowania, ale nie czyni punktu końcowego ogólnie dostępnym.

Żaden z tych modeli nie jest dziś trasą w OrcaRouterze, a ten artykuł nie jest twierdzeniem, że którykolwiek z nich hostujemy. To, co oferujemy, to rodzina Kling 3.0 oraz ponad 200 modeli tekstowych i multimodalnych na jednym punkcie końcowym zgodnym z OpenAI, w cenie katalogowej dostawcy z 0% marży. Dla zespołu, który prowadzi pilotaż Kling 4.0, zachowując jednocześnie produkcyjną ścieżkę na Flux lub Kling 3.0, przydatną architekturą jest stabilna nazwa modelu przed wywołaniem i automatyczne przełączanie awaryjne za nim, tak aby punkt końcowy o wczesnym dostępie, który narzuca limity zapytań lub znika, nie pociągał za sobą całej partii. To ten sam argument za utrzymywaniem dwóch dostawców wideo: drugi jest ubezpieczeniem, a nie zabezpieczeniem jakości.

Kto powinien wybrać, które

Wybierz Flux 3 Video, jeśli potrzebujesz opublikowanej ceny za sekundę, ocenianego wiersza tekst-na-wideo, limitu 20 sekund i wbudowanego natywnego dźwięku. To jedyny z dwóch, który możesz zatwierdzić na spotkaniu budżetowym w tym tygodniu.

• Wybierz Kling 4.0, jeśli ujęcie wymaga 30 sekund bez cięcia, więcej niż kilku referencji tożsamości lub osobnej ścieżki klatek kluczowych. Górny limit jest wyższy, a cena nieznana.

• Wybierz Flux 3 Video do video-to-video i kontynuacji po znanej stawce; edycja w Kling 4.0 jest udokumentowana na klipach, które wygenerował, w łącznym oknie 30 sekund, a nie jako ogólny tryb edycji materiału wideo.

• Wybierz Kling 4.0 do materiału końcowego w formacie 21:9 z 10 klatkami kluczowymi i obsadą złożoną z 15 zasobów. Oczekiwania dotyczące HDR zostaw za drzwiami.

• Nie wybieraj żadnego z nich, jeśli rozdzielne ścieżki audio są bezwzględnym wymaganiem, dopóki któryś z dostawców nie udokumentuje architektury kanałów.

Rozstrzygnąłby to cennik Kling 4.0 i pierwszy wiersz w Artificial Analysis. Dopóki oba nie istnieją, Flux 3 Video jest bezpieczniejszym zakupem, a Kling 4.0 — bardziej zaawansowanym pilotażem. Różnica między tymi dwoma zdaniami to cała decyzja.