Kling 4.0 vs Vidu Q4 Preview: Um deles não aceita um prompt de texto

Abra a página do produto Vidu Q4 Preview e conte os modos de geração. Há dois: Imagem para Vídeo e Referência para Vídeo. Não há aba de texto para vídeo, e a documentação da API confirma — os endpoints são /ent/v2/img2video e /ent/v2/reference2video, e nenhum aceita apenas um prompt. Kling 4.0, por outro lado, é um modelo focado em texto que também aceita imagens, primeiro e último quadros e até dez quadros-chave. Antes de qualquer comparação de Elo, resolução ou preço, esse é o fato que decide a maioria dos projetos: um desses modelos pode começar a partir de uma frase, e o outro precisa de uma imagem.

Tudo o mais nesta comparação é consequência disso. Vidu Q4 Preview é um instrumento direcionado para tomadas que começam com uma imagem. Kling 4.0 é um gerador de uso geral com uma interface de controle de diretor. Eles se sobrepõem em imagem para vídeo e divergem acentuadamente em todo o resto.

O que a Shengshu lançou em 7 de outubro

Vidu Q4 Preview é a primeira prévia pública da próxima geração emblemática da Vidu, lançada deliberadamente antes do modelo Q4 completo para que o feedback possa moldar o lançamento final. Ele gera vídeo com áudio nativo — ativado por padrão, incluindo diálogos e efeitos sonoros — e a sua especificação é invulgarmente generosa no extremo de referência.

• Modos — Imagem para vídeo, 3 a 16 segundos; Referência para vídeo, 1 a 16 segundos. Sem texto para vídeo.

• Resolução — uma escala de 540p, 720p, 1080p, 2K e 4K, com 2K e 4K tendo profundidade de cor de 10 bits.

• Referências — até 15 imagens de referência e até 3 clipes de áudio de referência de três a doze segundos cada.

• Comprimento do prompt — até 20.000 caracteres no endpoint de imagem para vídeo.

• Áudio — nativo, com valor padrão true. Você o desativa deliberadamente em vez de ativá-lo.

• URLs de retorno — as URLs de criação permanecem válidas por 24 horas, o que é importante se você processar em lote e renderizar mais tarde.

A alegação de eficiência do fornecedor — "até cinco vezes mais resultado para o mesmo orçamento" em especificações comparáveis — é uma construção de marketing até que alguém a reproduza, e o próprio material de lançamento da Shengshu traz uma ressalva de que o preço final, as resoluções suportadas, a disponibilidade de recursos e os termos de uso podem variar conforme o plano e a região.

O que o Kling 4.0 oferece no mesmo eixo

Kling 4.0 está disponível para todos desde 15 de outubro de 2026. No eixo imagem-para-vídeo, é o mais flexível dos dois: até 10 imagens-chave que pode posicionar para definir estados de personagem e mudanças de cena, um orçamento de 15 itens de referência repartido por 10 imagens, 5 vídeos com limite de 30 segundos no total, referências de voz e 7 elementos, e uma duração de passagem única de 3 a 30 segundos.

A diferença de duração é a que aparece na edição. O Vidu Q4 Preview para em 16 segundos. O Kling 4.0 vai até 30 em uma única passagem, com extensão para 2 minutos indicada como em breve. Para uma tomada de 20 segundos, o Vidu precisa de uma emenda e o Kling não. Para uma tomada de 10 segundos — a unidade real da maior parte do trabalho em redes sociais e publicidade — a diferença desaparece.

A resolução está mais próxima do que o marketing sugere. Ambas afirmam 4K. Os níveis 2K e 4K do Vidu já são entregues hoje com profundidade de cor de 10 bits; o HDR de 10 bits do Kling em 1080p e 4K está marcado como "em breve" na nota de lançamento e na página de recursos da própria Kuaishou, ao lado de 4K nativo com 21:9. Se uma entrega em 10 bits for um requisito obrigatório neste trimestre, a afirmação do Vidu é a que está atualmente disponível, sujeita à ressalva de plano e região.

Os painéis dizem algo mais restrito do que o texto de lançamento

A Artificial Analysis mantém rankings de vídeo com escalas Elo separadas e pools de votos separados, e eles são versionados. Em sua estreia em outubro no ranking v1.0 de image-to-video — image-to-video, com áudio mantido — Vidu Q4 Preview entrou em terceiro, com Elo 1.179 ±10 em 5.543 amostras, a um custo monitorado de US$ 7,20 por minuto. Acima dele estavam MiniMax H3 Max, com 1.195, e MiniMax H3, com 1.181; Gemini Omni Flash ficou em quarto, com 1.178. Os intervalos de dez pontos do terceiro ao sexto se sobrepunham quase completamente, então “terceiro” era uma posição dentro do ruído mesmo naquela época.

A diferença que não estava dentro do ruído era a que existia em relação ao antecessor do Vidu. Naquela captura, o Vidu Q3 Pro ficou em décimo nono lugar, com 1.056. Um avanço de 123 pontos em um único lançamento é maior do que toda a variação entre os seis primeiros do ranking, e é a evidência mais forte de que esta prévia é um verdadeiro salto geracional, e não uma reformulação de marca.

Então o ranking mudou. A versão que li em 23 de outubro é AA-Video-I2V v1.1, e ela lista 24 modelos: MiniMax H3 em primeiro com 1.140, FLUX 3 Max em segundo com 1.138, Dreamina Seedance 2.5 em terceiro com 1.138, MiniMax H3 Max em sexto com 1.125, e Vidu Q3 Pro em décimo sétimo com 1.016. Vidu Q4 Preview não aparece em lugar nenhum dessa lista. A nota no topo do ranking diz que três modelos foram adicionados nos últimos 30 dias, e não nomeia nenhum deles como a prévia da Vidu.

Não vou fingir que isso significa que o modelo piorou, e não posso dizer por que ele está ausente — se foi retirado, reclassificado ou simplesmente não foi levado para a nova versão do ranking. O que isso significa é que toda alegação de "terceiro no mundo" sobre este modelo, inclusive a com que este artigo abriu, é uma afirmação sobre uma captura específica em uma versão específica do ranking, e que o ranking não está corroborando isso no momento. Trate a posição como história e a página do produto como o fato duradouro.

No ranking de texto para vídeo, Vidu Q4 Preview nunca apareceu — e essa ausência não é um problema de pontuação. A melhor entrada da Vidu ali é o Vidu Q3 Pro, no meio da tabela, enquanto o Wan 3.0 lidera. Isso é consistente com a página do produto: este é um modelo de imagem e referência, e o ranking de texto para vídeo não o está avaliando.

Kling 4.0 também não aparece em nenhum destes rankings, oito dias após a disponibilidade geral. Isso não é uma pontuação baixa; é ausência de pontuação, em qualquer direção. Portanto, a comparação de qualidade entre esses dois modelos não existe em nenhuma unidade compartilhada, e o único número independente neste artigo pertence a um modelo que o ranking atual não lista mais.

Os dois números de preço — e aquele que você deve usar como base para o orçamento.

A Shengshu anuncia o Vidu Q4 Preview "a partir de US$ 0,014 por segundo", o que equivale a US$ 0,84 por minuto. O registro da Artificial Analysis de outubro registrou o mesmo modelo a US$ 7,20 por minuto. Não se trata do mesmo produto: o valor de lançamento é um piso promocional, quase certamente no nível mais baixo da escala de resolução, e o valor monitorado foi uma tarifa medida em uma resolução de produção. O fornecedor também afirma categoricamente que o preço é promocional e pode variar conforme o plano e a região. Faça o orçamento com base no valor mais alto e trate o mais baixo como uma oferta de aquisição.

As tarifas de prévia publicadas do Kling 4.0 são US$ 0,157 por segundo em 720p e US$ 0,235 em 1080p — US$ 9,42 e US$ 14,10 por minuto — sem nenhuma tarifa para 4K e com uma página que ainda indica o modelo como “Em breve”. Com esses números, os dois modelos estão na mesma faixa na resolução de produção, com o Vidu mais barato e o Kling proporcionando 14 segundos extras por geração.

• Por clipe de 10 segundos em 1080p — o Vidu, com o valor monitorado de US$ 7,20/min, fica em cerca de US$ 1,20. O Kling 4.0, a US$ 0,235/s, fica em US$ 2,35.

• Por 30 segundos de vídeo finalizado — o Vidu precisa de duas gerações e uma junção, aproximadamente US$ 3,60 mais tempo de edição. O Kling 4.0 precisa de uma, a US$ 7,05.

• Por 100 clipes de dez segundos — Vidu cerca de US$ 120; Kling cerca de US$ 235; a rota base MiniMax H3 mencionada abaixo custa cerca de US$ 80.

Acesso: um é invocável, o outro está em implementação gradual

Nenhum dos modelos é um padrão de autoatendimento sem ressalvas. O Vidu Q4 Preview tem uma API real com endpoints documentados, o que o torna mais fácil de implementar hoje do que o Kling 4.0, cuja API começou a abrir em ondas a partir de 21 de outubro, enquanto sua tabela de preços para desenvolvedores ainda afirma que o modelo não está disponível. Mas a versão do Vidu é explicitamente uma preview: preços promocionais, disponibilidade de recursos sujeita a alterações e até um alias de modelo com erro de digitação — viduq4-previerw — ao lado do correto na documentação. É uma coisa pequena que revela algo verdadeiro sobre o estágio em que esta versão se encontra.

Para uma equipa que precisa tanto de um percurso text-first como de um percurso image-first, a forma prática é manter a escolha na camada de encaminhamento, e não no código da aplicação. O OrcaRouter não aloja nenhum dos modelos — não existe identificador Vidu no catálogo nem rota Kling 4.0 — mas aloja Kling 3.0 a $0,084 por solicitação e MiniMax H3 a $0,08 por segundo de vídeo gerado, num único endpoint compatível com OpenAI em mais de 200 modelos ao preço de tabela do fornecedor com 0% de margem. A DSL de encaminhamento é a parte que se adequa a este emparelhamento específico: permite colocar um modelo text-first e um modelo image-first atrás de uma única interface, para que a decisão passe a ser um parâmetro, e o failover automático significa que a queda de uma rota de pré-visualização não leva o lote consigo.

Escolher entre eles é, em grande parte, uma questão relativa ao seu primeiro quadro

Se a sua tomada começa com uma frase, Vidu Q4 Preview é a ferramenta errada, e não há quantidade de Elo que mude isso. Você estaria gerando uma imagem fixa em outro lugar e depois a entregando — o que é um pipeline legítimo, e que muitas equipes executam de propósito, porque isso lhes dá controle do quadro inicial.

Se o seu plano começa com uma fotografia, uma imagem de produto, uma ficha de personagem ou um quadro de storyboard, o Vidu Q4 Preview é a escolha mais bem fundamentada entre os dois: está em terceiro lugar no ranking, melhorou 123 pontos Elo em relação ao seu próprio antecessor, aceita 15 imagens de referência e 3 clipes de áudio, e seus 10 bits em 4K já estão disponíveis, em vez de apenas prometidos. O limite de 16 segundos é o preço.

Se você precisa de duração, coreografia de keyframes ou de um fluxo de texto para vídeo com um orçamento de referência, Kling 4.0 é o único dos dois que oferece esses recursos — e você deve considerar seu preço como provisório até que a Kuaishou publique um valor para 4K e remova o banner "Em breve".

O que mudaria este cenário não é mais uma especificação. É uma entrada do Kling 4.0 no ranking de imagem para vídeo — o único lugar onde esses dois modelos poderiam de fato ser comparados na mesma unidade — e um lançamento completo do Vidu Q4 que ou mantenha o orçamento de referência de 15 imagens e o 4K de 10 bits, ou os reduza discretamente quando o preço promocional terminar. Até que ambos existam, o ranking honesto é aquele que as tabelas sustentam no dia em que você as lê: o Vidu Q4 Preview registrou um terceiro lugar medido em outubro e não está listado atualmente; o Kling 4.0 não tem medição em lugar algum; e seu primeiro quadro decide qual pergunta você está sequer fazendo.