Kling 4.0 против Google Veo 3.1: что даёт разница в цене, а что нет

G​oogle Veo 3.1 — единственная модель в этом сравнении с ценой, которую можно умножить, корпоративным позиционированием и годом продакшн-использования за плечами. Kling 4.0 появилась в потребительском приложении неделю назад, всё ещё находится в раннем доступе на API и не имеет опубликованного тарифа за секунду. На бумаге это должно было бы облегчить выбор — и для команды с проверкой на соответствие требованиям и строкой месячного бюджета так и происходит. Но интересная часть этого противостояния не в разнице цен, потому что цена только одна. А в том, что две модели сошлись в одном ключевом заявлении — клипы от четырёх до тридцати секунд с нативным аудио и референсным управлением — и полностью разошлись в том, как вы должны ими управлять. Документированные сбои ИИ и инциденты с агентами, стоящие за подобными релизами, собраны в the OrcaRouter AI Incident Archive, где каждая запись содержит собственные источники, степень серьёзности, уровень уверенности и флаг спорности.

Числа, которые существуют, и те, которых нет

Veo 3.1 продаётся как семейство, и именно в рамках этого семейства и разворачивается ценовой спор. Artificial Analysis фиксирует Veo 3.1 на уровне $24.00 за минуту в категории «изображение в видео», Veo 3.1 Fast — $9.00, а Veo 3.1 Lite — $4.80: одно и то же название модели при цене, различающейся в четыре-пять раз в зависимости от тарифа. Для «текст в видео» зафиксированная ставка составляет $24.00 за минуту на стандартном тарифе. Это поминутные показатели, полученные из посекундных тарифов Google, и они означают, что 30-секундный клип стоит примерно $12 на флагманском тарифе и $2.40 на Lite.

• Цена — Veo 3.1 по $24,00 за минуту согласно данным Artificial Analysis, Fast — по $9,00, Lite — по $4,80 против Kling 4.0, у которого вообще нет опубликованного тарифа API.

• Разрешение — Veo 3.1 в 720p, 1080p и нативном 4K на всех тарифных уровнях против Kling 4.0 в 720p, 1080p и 4K, при этом 10-битный HDR в 1080p и 4K отмечен как «скоро».

• Длина клипа — Veo 3.1: 4, 6 или 8 секунд на клип с расширением сцены сверх этого, против Kling 4.0: от 3 до 30 секунд за один проход, расширение до 2 минут указано как «скоро».

• Контроль референсов — Veo 3.1: до 3 референсных изображений плюс seed и негативные промпты, против Kling 4.0: до 15 комбинированных ассетов и до 10 изображений ключевых кадров.

• Аудио — нативное стерео 48 кГц в Veo 3.1, где generate_audio по умолчанию отключён, против двухканального стерео Kling 4.0, синхронизации губ и диалогов на девяти языках.

• Происхождение — Veo 3.1 встраивает учётные данные SynthID и C2PA, в отличие от Kling 4.0 без опубликованного стандарта происхождения.

• Независимая оценка — Veo 3.1 занял место в рейтинге Artificial Analysis по всем трём уровням, тогда как Kling 4.0 отсутствует в рейтингах.

Последняя строка о происхождении — это та, что решает исход разговоров о корпоративных закупках, и именно в ней самый большой разрыв. G​oogle подписывает свои выходные данные; в примечании к выпуску K​uaishou Content Credentials вообще не упоминаются.

Где Veo 3.1 опережает не только в маркетинге

Три вещи, и первая — та, что действительно важна для производственного пайплайна: Veo 3.1 достаточно давно в эксплуатации, чтобы его режимы отказа были известны. В таблице image-to-video от Artificial Analysis он занимает Elo 1,082 на 7,040 образцах — не лидирующая позиция, двенадцатое место в этой таблице по октябрьскому срезу, но измеренная, с узким интервалом. Уровень Fast получает 1,066 почти на 15,000 образцах, а Lite — 1,071 на 5,122. Эти цифры говорят кое-что конкретное и слегка неудобное: три уровня статистически неразличимы по качеству, а флагман за $24 даёт около одиннадцати пунктов Elo преимущества над уровнем за $4.80. Если вы выбираете Veo, выбор уровня гораздо важнее для вашего бюджета, чем выбор модели — для вашего результата.

Второе — разрешение и цвет. Veo 3.1 выдаёт нативный 4K и, в отличие от Kling 4.0, не приклеивает ярлык «скоро» к расширенному динамическому диапазону, ради которого 4K и нужен. Для сдачи в вещание, кинопрокат или клиенту, который будет рассматривать стоп-кадр при 200% увеличении, это уже реализованная возможность против анонсированной.

Третье — происхождение. Учётные данные SynthID и C2PA — это разница между клипом, который можно передать юридической команде, и клипом, который нельзя, и никакой объём управления ключевыми кадрами этого не заменит.

В чём Kling 4.0 впереди — и это отнюдь не мелочь

Длительность клипа Kling 4.0 — главная фишка, и это правда: 30 секунд за одну генерацию против 4, 6 или 8 секунд на клип у Veo 3.1 с цепочкой расширений для остального. Расширение — не то же самое, что непрерывный дубль. 30-секундный одиночный проход удерживает движение камеры, игру и аудиодорожку вместе без шва, и для сцен одним дублем, длинных демонстраций продукта и непрерывного диалога это другая категория результата, а не более длинная версия того же самого.

Референсная поверхность — это второе преимущество, и более интересное. Veo 3.1 принимает до 3 референсных изображений плюс seed и негативные промпты; это набор управления, построенный для согласованности, а не для композиции. Kling 4.0 принимает до 15 объединённых ассетов и до 10 ключевых кадров, которые можно размещать по таймлайну, чтобы задавать состояние персонажа, смену сцены и сюжетный бит. Он также документирует точечное редактирование — измените выражение, положение камеры, фон, реплику диалога, и остальная часть кадра сохраняется — при наличии до 5 входных клипов общей длительностью 30 секунд. Реализовано ли это на практике — не проверено, но это возможность, которую документация Veo 3.1 не заявляет.

В-третьих, и это легко упустить: языковой охват Kling 4.0 на бумаге шире. Диалоги и экранный текст на девяти языках с указанными диалектами — пекинским, тайваньским, северо-восточным и сычуаньским мандаринским; американским, британским и индийским английским — это более конкретное обещание, чем даёт документация Veo 3.1, и для всех, кто создаёт контент для неанглоязычного рынка, это разница между моделью, которая может вытянуть сценарий, и той, которая не может.

Проблема измерения, изложенная честно

У Kling 4.0 нет независимой оценки. Он стал доступен потребителям 15 октября и по состоянию на 22 октября не появляется на видео-рейтингах Artificial Analysis.

Поэтому все заявления о качестве в его пользу исходят от самой Kuaishou, а модель, которую он заменяет, была в лучшем случае в середине таблицы — уровни Kling 3.0 для преобразования изображения в видео в октябрьских замерах находились между Elo 1 036 и 1 055, примерно на 30 пунктов ниже 1 082 у Veo 3.1 и заметно ниже лидеров рейтинга. Новое поколение может сильно продвинуться; скачок на 30 пунктов не гарантирован.

Есть вторая проблема честности, и она бьёт в обратную сторону. Собственные цифры Veo 3.1 тоже не льстят. Двенадцатое место в таблице image-to-video и примерно девятнадцатое с Elo 962 в text-to-video при самой высокой цене в этой таблице — это не лидерство по производительности, а лидерство по позиционированию продукта. Google продаёт надёжность, разрешение, подтверждение происхождения и контракт на поддержку, беря за это $24 за минуту, тогда как Wan 3.0 находится на 1 156 и стоит $0.20 за секунду в 1080p. Кто утверждает, что Veo 3.1 побеждает по качеству, смотрит в другую таблицу.

А значит, это сравнение — не «лучшая модель против худшей». Это одна модель, у которой цена обеспечивает институциональное доверие, и другая, у которой спецификация обеспечивает контроль, причём ни одна из них не претендует на корону качества, которую способна отстоять.

Обход решения, по крайней мере для конвейера

Единственное, что можно сделать сегодня, не выбирая победителя, — сохранить возможность обратного выбора. Генерация видео — это дорогой и медленный узел в цепочке, которая в основном состоит из текста: тритмент, список кадров, варианты промптов, подписи к референсам, этап модерации и логика повторных попыток, когда задача обрывается на двадцать четвёртой секунде. Эта работа не требует видеоэндпоинта, и её не следует привязывать к какому-то одному.

OrcaRouter размещает более 200 моделей за единым OpenAI-совместимым эндпоинтом по прайсовой цене провайдеров с наценкой 0%, с автоматическим переключением при деградации провайдера и DSL маршрутизации для объединения моделей в один вызов. Мы не маршрутизируем G​oogle Veo 3.1 и не маршрутизируем Kling 4.0 — ни той, ни другой нет в нашем каталоге, и утверждать обратное означало бы делать заявление, которое можно опровергнуть одним вызовом API. Что мы действительно предоставляем из этого семейства, так это поколение, стоящее за Kling 4.0: Kling 3.0 и Kling 3.0 Omni по $0,084 за запрос, с клипами длительностью от 3 до 15 секунд и вплоть до нативного 4K — это тот уровень, который стоит использовать, пока API новой модели находится в раннем доступе, а флагманский тариф Veo 3.1 составляет $24 в минуту.

Кто должен выбирать

Выберите Veo 3.1, если результат проходит проверку, в которой спрашивают о происхождении; если 4K и расширенный динамический диапазон — это требования к поставке, а не пункты дорожной карты; если вам нужен контракт на поддержку; или если результат должен выдержать юридическую проверку — и выбирайте уровень Lite или Fast, а не флагманский, потому что, согласно таблице лидеров, дополнительные $19.20 в минуту покупают около одиннадцати пунктов Elo и имя.

Выбирайте Kling 4.0, если кадр длинный, режиссура конкретна и человек отсматривает каждый дубль — сцены одним планом, короткометражки с диалогами, продуктовые ролики с чётко заданным моментом раскрытия. Используйте его в приложении уже сегодня; не выстраивайте автоматизированный пайплайн, пока не уберут баннер раннего доступа и не появится цена за секунду.

Следите за двумя датами. Первая — выход API Kling 4.0 из раннего доступа с опубликованной ценой; именно в этот момент это становится настоящим сравнением затрат. Вторая — первый Elo Kling 4.0, потому что если новое поколение сократит 30-пунктовый разрыв с Veo 3.1 и окажется рядом с лидерами таблицы, тариф за $24 перестанет быть оправданным хоть чем-то, кроме происхождения, — а этот аргумент короче, чем хотелось бы G​oogle.