Kling 4.0 vs Kandinsky 6.0 Video: очное сравнение, которое никто ещё не проводил

Единственная опубликованная человеческая оценка, которая ставит Kling 4.0 и Kandinsky 6.0 Video в одни и те же условия, не существует. Что действительно существует — это статья из собственной лаборатории Kandinsky, поданная в arXiv 4 октября 2026 года, в которой Kandinsky 6.0 Video Pro сравнивается с Kling 2.6 — на два поколения старше модели, которую Kuaishou выпустила для всех 15 октября. Этот разрыв — честная отправная точка для данного сравнения, и он ведёт в сторону, которую большинство страниц сравнений игнорируют: по тем столбцам, которые статья действительно измеряет, более старый Kling одержал несколько безоговорочных побед. Утверждения Kuaishou о 4.0 именно по этим столбцам — те, которые никто не проверял.

Итак, это не страница, которая скажет вам, какая модель лучше, потому что доказательств для такого утверждения пока не существует. Это страница о том, для чего на самом деле создана каждая из них, что показало единственное настоящее очное сравнение и какую из двух вы можете включить в пайплайн уже на этой неделе.

Два продукта, которые лишь выглядят похожими

Kling 4.0 — это закрытый генератор от Kuaishou с оплатой кредитами. Полная модель поддерживает преобразование текста в видео, изображения в видео, режим первого и последнего кадра, работу с несколькими ключевыми кадрами, омни-референсы и точечное редактирование, длительностью от 3 до 30 секунд и разрешением от 720p до 4K. Он продаётся через приложение и сайт Kling, а API, которое Kuaishou начала открывать поэтапно с 21 октября и в прайс-листе для разработчиков которого модель по-прежнему помечена как «Скоро» и указаны только предварительные тарифы.

Kandinsky 6.0 Video — это артефакт противоположного рода. Kandinsky Lab от Sber выпустила его 6 октября 2026 года в виде двух чекпоинтов — Pro на 29 млрд параметров и Lite на 3 млрд, плюс отдельная модель суперразрешения на 1,4 млрд — под лицензией MIT, с весами на Hugging Face, кодом на GitHub и интеграцией с первого дня в Diffusers, ComfyUI, FastVideo, SGLang и vLLM-Omni. Он генерирует пятисекундные клипы в 121 кадре и 24 кадрах в секунду с синхронизированным аудио 44,1 кГц и липсинком по текстовому промпту или референсному изображению.

Один — это сервис с преимуществом по длительности. Другой — загрузка с преимуществом по лицензии. Почти все практические различия между ними вытекают из этого предложения.

Единственное прямое сравнение, прочитанное честно

Оценка людьми в статье о Kandinsky — это самое близкое к общему табло, и её стоит внимательно прочитать, потому что это лаборатория, которая оценивает свою новую модель по сравнению с конкурентом, которого выбрала сама.

• Общее визуальное качество — Kling 2.6 впереди, по мнению самих оценщиков статьи.

• Визуальная эстетика — Kling 2.6 впереди.

• Качество звука — Kling 2.6 впереди.

• Синхронизация аудио и видео — Kling 2.6 впереди.

• Следование звуковому промпту — впереди Kandinsky 6.0 Video Pro.

• Качество речи — Kandinsky 6.0 Video Pro впереди, что согласуется с заявленным снижением частоты ошибок в словах генерируемой речи на 47% после постобучения с подкреплением.

• Управление камерой в режиме «видео из изображения со звуком» — впереди Kandinsky 6.0 Video Pro.

• Следование визуальным подсказкам — примерно на одном уровне.

Из этого следуют три вывода. Во-первых, более новая модель не одержала безоговорочной победы над старшей, что необычно для оценки, проводимой самой лабораторией, и заслуживает признания. Во-вторых, победы Kandinsky сосредоточены там, где архитектура необычна: она совместно удаляет шум из видео- и аудиолатентов с помощью одного трансформера, а не запускает две модели последовательно, — и это сильнее проявляется в следовании речевым и звуковым промптам, чем в чистом качестве изображения. В-третьих, сравнение ничего не говорит о Kling 4.0, чей главный посыл — лучший реализм, более устойчивое крупномасштабное движение и более чистая синхронизация губ. Именно по этим столбцам его предшественник уже лидировал.

Если вы хотите, чтобы сравнение было настоящим, а не выведенным косвенно, недостающий артефакт — это независимый прогон арены с участием обеих моделей. Ни у одной из них на сегодня нет такого прогона против другой.

Пробел в спецификации, который решает исход большинства работ

• Длина клипа — Kling 4.0 работает от 3 до 30 секунд за один проход, а расширение до 2 минут указано как «скоро». Kandinsky 6.0 Video обучена на 121 кадре и генерирует 5 секунд. Всё, что длиннее, — это уже проблема сшивки, которая ложится на вас.

• Разрешение — Kling 4.0 предлагает 720p, 1080p и 4K, при этом 10-битный HDR при 1080p и 4K в собственном примечании к выпуску Kuaishou помечен как «скоро». Kandinsky генерирует в SD и масштабирует с помощью своей модели суперразрешения на 1,4 млрд параметров до Full HD, 1920×1080, с коэффициентами ×2, ×2,25 и ×4.

• Входы управления — Kling 4.0 принимает до 10 ключевых кадров и бюджет референсов из 15 элементов, распределённый между 10 изображениями, 5 видео с суммарной длительностью до 30 секунд, голосовыми референсами и не более чем 7 элементами. Kandinsky 6.0 Video принимает текстовый промпт или одно референсное изображение, применяемое как маскированный хвостовой кадр.

• Аудио — Kling 4.0 выводит двухканальное стерео с синхронизацией губ для девяти языков и именованных акцентов. Kandinsky выводит AAC 44,1 кГц со звуком, включённым по умолчанию; конвейер возвращает синхронизированную речь, музыку или окружающий звук, даже если не передавать аудиопараметры.

• Длина промпта — Kling 4.0 принимает до 8 000 токенов. Рецепт инференса Kandinsky строится вокруг стиля описаний, на котором обучалась модель: длинного, среднего или короткого, а не свободного сценария.

• Лицензия — Kling 4.0 является закрытой и регулируется условиями Kuaishou. Kandinsky 6.0 Video распространяется по лицензии MIT для кода, весов и интеграции с Diffusers.

Последняя строка несёт больше смысла, чем можно предположить по её длине. 30-секундная закрытая модель и 5-секундная модель MIT не взаимозаменяемы, даже если качество изображения у них близко, потому что одна ограничивает то, что вы можете построить, а другая — то, что вы можете сгенерировать.

Сколько стоит каждый — в той единице, в которой фактически выставляется счёт

На странице цен для разработчиков Kuaishou указан Kling 4.0 по тарифу 1,5 единицы в секунду при 1080p, что пересчитывается в $0,235 в секунду, и 1,0 единицы — $0,157 в секунду — при 720p. Тарифа для 4K нет — в соответствующем столбце стоит «-». При видеовходе тариф снижается до $0,094 в секунду при 720p и $0,141 при 1080p, но при входе короче выхода биллинг считает длительность выхода умноженной на два. На странице также указано, что цифры «приведены только для предварительного ознакомления», а доступ к API «пока недоступен», что неловко сочетается с объявлением Kuaishou от 21 октября о том, что API был запущен для корпоративных клиентов и разработчиков. Если сложить всё вместе, справедливо сказать, что API открывается поэтапно и по состоянию на 23 октября публичной стабильной тарифной сетки не существует.

По тарифу предпросмотра пятисекундный клип 720p стоит около $0,79, а 30-секундный — около $4,71. Это число, с которым нужно сверять любые предложения сторонних реселлеров, поскольку их тарифы меняются независимо от тарифов Kuaishou.

Kandinsky 6.0 Video не имеет цены за секунду, поскольку нет вендорского эндпоинта для покупки. Его стоимость — это время GPU, и репозиторий публикует измеренные показатели для одного пятисекундного клипа после прогрева, исключая загрузку модели и кодирование: Pro в Full HD занимает 402 секунды на H100, 854 на RTX 5090, 1 247 на RTX 4090 и 3 530 на RTX 5060 Ti. Lite в Full HD занимает 284 секунды на H100. При любой ставке за H100, которую вы платите, 402 секунды — это 6,7 минуты работы этой карты на пятисекундный клип — перемножьте, и арифметика за вами, потому что вендор не продаёт вам результат и поэтому не публикует на него цену.

Потолок памяти — это ещё одно число, которое определяет, реален ли для вас самостоятельный хостинг. Запуск Pro SD достигает пика в 72,8 GiB — больше, чем у любой потребительской видеокарты. 16-ГБ пресет из репозитория потоково загружает блоки трансформера из памяти хоста и квантует текстовый энкодер до NF4 — и в статье прямо указано, что это единственное изменение пресета, которое затрагивает сам CLIP. Если вы воспроизводите чей-то результат на 16-ГБ видеокарте и он не совпадает, эту настройку следует проверить в первую очередь.

Что можно назвать сегодня и как это влияет на решение

Вот асимметрия, которая важнее любого бенчмарка: Kling 4.0 доступен через собственное приложение Kuaishou и, всё чаще, через его API, тогда как Kandinsky 6.0 Video доступен путём скачивания. Ни один из них не является вызовом «из коробки» из слоя маршрутизации.

Что OrcaRouter действительно маршрутизирует, так это поколение, которое Kling 4.0 заменяет. Kling 3.0 есть в каталоге по цене $0.084 за запрос, а MiniMax H3 доступен там по $0.08 за секунду сгенерированного видео, оба — на той же конечной точке, совместимой с OpenAI, что и более 200 моделей, по цене из прайс-листа провайдера с наценкой 0%. Это важно для самостоятельно развёрнутой модели иначе, чем для модели, размещённой у провайдера: этап расширения промпта, который превращает описание кадра в длинную подпись, на которой обучалась Kandinsky, работа с подписями и транскриптами, которая подаёт данные на вход изображения, сводки проверки, определяющие, какое из четырёх поколений сохранить, — всё это обычные текстовые вызовы, и они могут использовать один ключ и одну политику отказоустойчивости, пока основная работа с видео выполняется там, где вы её разместите. Сама Kandinsky не является маршрутом OrcaRouter, и ничто здесь не следует воспринимать как утверждение, что это так.

Какой из них должен быть в вашем стеке

Решение зависит не от качества, потому что никто не измерил его беспристрастно. Оно зависит от трёх вопросов, на которые вы можете ответить сами.

Нужен ли вам кадр длиннее пяти секунд? Тогда Kandinsky 6.0 Video для этого кадра не подходит, и лицензия MIT здесь ничего не меняет — вам пришлось бы сшивать фрагменты, а сшивание лишает вас той временной согласованности, в которой модель сильна.

Вам нужно владеть весами, работать офлайн, дообучать модель или поставлять её в составе продукта, где неприемлема оплата поставщику за каждый вызов? Тогда Kling 4.0 выбывает из игры независимо от его спецификаций, потому что закрытый API — это зависимость, а не актив.

Вам нужно принять решение на этой неделе с бюджетом, который кто-то утвердит? Тогда ни один из вариантов не будет чистым. API Kling 4.0 находится в процессе поэтапного запуска с предварительными ценами, а истинная стоимость Kandinsky — это показатель в GPU-часах, который вам придётся пересчитать в стоимость собственной инфраструктуры. Модели, которые можно оценить и вызвать уже сегодня, — это предыдущее поколение у обеих сторон: Kling 3.0 через Kuaishou или роутер, Kandinsky 6.0 Video из Hub.

Смотреть нужно не на спецификацию. А на то, запустит ли кто-нибудь обе модели на одних и тех же промптах и опубликует результат — независимую запись в арене, лабораторию, которой не принадлежит ни одна из моделей, или убедительный набор клипов бок о бок с приложенными промптами. Пока этого нет, любая страница, которая ставит Kling 4.0 против Kandinsky 6.0 Video с указанием победителя, экстраполирует на основе сравнения с Kling 2.6 и надеется, что вы этого не заметите. Полезная работа тем временем более узкая: выберите ограничение, которое не можете сдвинуть, и пусть оно выберет модель.