Kling 4.0 vs Kling 3.0: Ulepszenie tkwi na osi czasu, a nie w liczbie pikseli

Kling 4.0 stał się powszechnie dostępny 15 października 2026 r. i pierwszą rzeczą, na którą warto zwrócić uwagę, jest to, co się nie zmieniło. Kling 3.0, który firma K​uaishou udostępniła 5 lutego 2026 r., już generował natywne 4K. Oba modele mają w specyfikacji 720p, 1080p i 4K. Oba przyjmują tekst, obrazy i wideo jako dane wejściowe. Oba są tworzone przez tę samą firmę, sprzedawane za pośrednictwem tej samej strony do tworzenia i generują klipy, które wyglądają, jakby pochodziły z tej samej rodziny. Jeśli porównasz je w wierszu specyfikacji, który większość osób sprawdza najpierw, nowy model wygląda jak błąd zaokrąglenia. Udokumentowane awarie AI i incydenty z agentami, które stoją za premierami takimi jak ta, są zebrane w Archiwum Incydentów AI OrcaRouter gdzie każdy wpis zawiera własne źródła, poziom istotności, stopień pewności i flagę sporności.

Nie. Różnica między tymi dwiema generacjami to czas — ile go model wygeneruje w jednym przebiegu i jak precyzyjnie można sterować tym, co dzieje się w jego wnętrzu. Kling 4.0 podwaja maksymalny czas pojedynczej generacji z 15 do 30 sekund, zastępuje klatki początkową i końcową maksymalnie dziesięcioma klatkami kluczowymi oraz mniej więcej podwaja limit referencji. To są zmiany, które zmieniają przepływ pracy. Plakietka 4K na obu opakowaniach to zmiana, która zmienia komunikat prasowy.

Co naprawdę głosi nota wydania, a co faktycznie dostarczono

Wszystko w tej sekcji pochodzi z własnej noty wydania i strony funkcji K​uaishou, przeczytanych 22 października 2026 r. Za niczym z tego nie stoi jeszcze niezależny wynik, ponieważ Kling 4.0 nie pojawia się w żadnym z trzech rankingów wideo Artificial Analysis na ten dzień — rankingi nadal zawierają wiersze Kling 3.0 z lutego i nic nowszego od K​uaishou. Traktuj twierdzenia dostawcy jako twierdzenia.

• Czas trwania — Kling 3.0: od 3 do 15 sekund. Kling 4.0: od 3 do 30 sekund w jednym przebiegu, a wielokrotne przedłużanie do 2 minut wymieniono jako funkcję „wkrótce”.

• Rozdzielczość — oba: 720p, 1080p, 4K. Kling 4.0 dodaje 21:9 obok 16:9, 1:1 i 9:16.

• Zakres dynamiczny — Kling 3.0: 8-bit SDR. Kling 4.0: 10-bit HDR przy 1080p i 4K, które nota wydania oznacza jako „wkrótce”, a nie jako już dostępne.

• Klatki kluczowe — Kling 3.0: tylko pierwsza i ostatnia klatka. Kling 4.0: do 10 obrazów klatek kluczowych rozmieszczonych w dowolnym miejscu na osi czasu.

• Materiały referencyjne — Kling 3.0: do 7 obrazów lub obiektów bez wejścia wideo albo 1 film plus 4 obrazy lub obiekty, przy czym film może mieć maksymalnie 15 sekund. Kling 4.0: łącznie do 15 materiałów — 10 obrazów, 5 filmów o łącznym czasie 30 sekund, 7 elementów, z których do 3 mogą być oparte na wideo, plus referencje głosowe.

• Dźwięk — Kling 3.0: jednokanałowy. Kling 4.0: dwukanałowy stereo, z tym, co dostawca opisuje jako ściślejszą synchronizację ruchu warg.

• Język — Kling 3.0: chiński, angielski, japoński, koreański, hiszpański. Kling 4.0 dodaje portugalski, niemiecki, francuski i hindi, wraz z akcentami regionalnymi i dialektami dla chińskiego i angielskiego.

• Dane wejściowe promptu — Kling 4.0 przyjmuje do 8 000 tokenów tekstu. Dokumentacja API samego Kling 3.0 ogranicza pole promptu do 3 072 znaków. To różne jednostki, a dostawca nie opublikował przelicznika, więc nie należy odczytywać tej pary jako prostej wielokrotności.

Dlaczego 30 sekund zmienia więcej niż długość klipu

Piętnaście sekund to w przybliżeniu jedna akcja. Obrót produktu, kwestia dialogowa, pojedynczy ruch kamery, reakcja. Kling 3.0 powstał wokół tego ograniczenia i obszedł je dzięki planowaniu wieloujęciowemu: model dzieli klip na maksymalnie sześć ujęć i montuje cięcia między nimi, co pozwala uzyskać sekwencję z ćwierćminutowego materiału.

Kling 4.0 i jego 30 sekund nie zastępuje tego triku, ale zmienia to, do czego ten trik służy. Długie ujęcie może teraz pomieścić beat wprowadzający, wejście postaci i zwrot bez cięcia, a kontrola dziesięciu klatek kluczowych sprawia, że jest to możliwe do wyreżyserowania, a nie zależne od szczęścia. Przewodnik Kuaishou umieszcza klatki kluczowe w ustalonych momentach — postać wchodząca w 4. sekundzie, produkt w 12., najazd kamery w 20., zmiana sceny w 28. — czyli język storyboardu, a nie język promptu. To jest prawdziwy upgrade: model przyjmuje teraz plan ujęcia zamiast opisu ujęcia.

Podnosi to również koszt nieudanego ujęcia. 30-sekundowa generacja, która psuje się w 24. sekundzie, marnuje dwa razy więcej mocy obliczeniowej niż nieudane 15-sekundowe podejście, a Kuaishou nie ujawniło, ile kosztuje jedna generacja. To druga rzecz, którą zauważasz przy lekturze komunikatu: brak cennika stawek. API jest we wczesnym dostępie — konsola deweloperska zawiera banner, który mówi dokładnie to — i nie opublikowano ceny za sekundę ani dla Kling 4.0, ani dla Kling 4.0 Flash. Każda liczba, jaką dziś zobaczysz w odniesieniu do Kling 4.0, jest czyimś oszacowaniem wywnioskowanym z dostępnych danych, a nie stawką dostawcy.

Budżet referencyjny wzrósł, a wraz z nim drobny druk.

„Do 15 referencji” to nagłówek i jak większość okrągłych liczb dociera dalej niż limity pod nim. Liczba 15 to łączny limit dla czterech rodzajów zasobów, a limity poszczególnych kategorii nie są wymienne: 10 obrazów, 5 filmów, których łączny czas trwania nie może przekraczać 30 sekund, 7 elementów, w tym co najwyżej 3 oparte na filmach, oraz referencje głosowe przypisane do elementów. Nie można przeznaczyć całego limitu na obrazy.

Limity Kling 3.0 były ciaśniejsze w sposób, który miał znaczenie w konkretnym zadaniu: jeden film referencyjny i tylko cztery obrazy lub obiekty obok niego. Jeśli Twój workflow brzmi: „odwzoruj tę grę aktorską z klipu i zachowaj spójność tych czterech osób”, Kling 3.0 ledwo dawał sobie z tym radę. Jeśli brzmi: „odwzoruj grę aktorską, zachowaj spójność sześciu osób, odtwórz ten produkt i tę lokalizację”, nie dawał rady, a Kling 4.0 potrafi.

Innym dodatkiem jest edycja wewnątrz modelu. Kling 4.0 przyjmuje do pięciu klipów wejściowych na edycję — jeden główny, każdy od 3 do 30 sekund, łącznie 30 sekund — a dostawca twierdzi, że możliwe są precyzyjne zmiany wyrazu twarzy, ruchu ciała, pozycji kamery, stylu lub tła, podczas gdy reszta kadru pozostaje bez zmian. Kling 3.0 Omni miał przepływy pracy oparte na referencjach, ale edycja była osobnym trybem, a nie częścią tej samej generacji. Czy to twierdzenie przetrwa zderzenie z rzeczywistym materiałem filmowym, to dokładnie tego typu kwestia, której żadna strona dostawcy nie rozstrzygnie.

Co możesz dziś wywołać i pod jakim klawiszem

To tutaj dwa modele przestają być wymienne w praktyce. Kierujemy ruch do modelu Kling 3.0, a nie do modelu Kling 4.0. Katalog zawiera kling/kling-v3 i kling/kling-v3-omni w stałej cenie $0.084 za żądanie, kling/kling-3-turbo w cenie $0.112 oraz starsze generacje 2.x i O1; nie ma trasy dla Kling 4.0 ani identyfikatora do dodania, dopóki API nie opuści wczesnego dostępu. Wszystko w tym tekście, co opisuje Kling 4.0 jako możliwy do wywołania, opisuje własną platformę Kuaishou, a nie naszą.

Dla zespołu, który chce wypróbować nowy model bez przebudowywania potoku, ta asymetria sugeruje oczywisty podział: wywoływać Kling 3.0 przez router, gdzie jest już wyceniony i stabilny, a Kling 4.0 testować przez kanał wczesnego dostępu dostawcy, dopóki nie pojawi się cennik. Gdy się pojawi, znaczenie ma model pass-through — ceny katalogowe dostawców przechodzą bez doliczania marży, więc zmiana stawek K​uaishou lub rabat premierowy trafia na naszą linię tego samego dnia, a nie przy kolejnym odnowieniu umowy. Automatyczne przełączanie awaryjne to druga połowa: jeśli nowy punkt końcowy przycina się pod obciążeniem, żądanie przechodzi na sprawną ścieżkę, zanim rozpocznie się odpowiedź, zamiast pojawiać się jako nieudane zadanie w kolejce.

Decyzja, bez marketingu

Wybierz Kling 3.0 jeśli Twoje ujęcia trwają 15 sekund lub krócej, masz tylko kilka obrazów referencyjnych i chcesz znać publikowaną cenę oraz korzystać z modelu, który jest w produkcji od ośmiu miesięcy. Obsługuje natywne 4K, wiele ujęć i natywne audio, a przy $0.084 za żądanie w naszym katalogu jest jednym z najtańszych sposobów na wygenerowanie użytecznego klipu. Nic w wydaniu Kling 4.0 nie sprawia, że radzi sobie gorzej z tymi zadaniami.

Wybierz Kling 4.0, jeśli ograniczeniem, na które wciąż się natykasz, jest sekwencja: 25-sekundowe ujęcie, które musi się utrzymać, beat, który musi wypaść w konkretnej sekundzie, scena, która wymaga sześciu spójnych referencji i produktu. Do tego właśnie służą dodatkowy czas trwania i oś czasu klatek kluczowych, a żadna ilość 4K nie zrekompensuje ich braku. Uwzględnij w budżecie nieznaną cenę oraz fakt, że 10-bit HDR, rozszerzenie do 2 minut i opublikowany cennik wciąż figurują jako nadchodzące.

Pytanie międzypokoleniowe, które ludzie będą zadawać — czy 4.0 jest lepsze niż 3.0 — nie da się rozstrzygnąć na podstawie tablicy wyników, ponieważ nowy model nie ma niezależnego wyniku. Na to, co da się rozstrzygnąć, odpowiada się węższym i bardziej użytecznym zdaniem: oba modele są teraz zbudowane z myślą o różnych długościach ujęć, a ten z opublikowaną ceną to ten, który możesz dziś wpiąć w pipeline. To nie jest werdykt w sprawie jakości. To stan zapisu na dzień 22 października 2026 r.