Kling 4.0 vs Vidu Q4 Preview: En av dem kan inte ta emot en textprompt

Öppna Vidu Q4 Previews produktsida och räkna antalet genereringslägen. Det finns två: bild-till-video och referens-till-video. Det finns ingen flik för text-till-video, och API-dokumentationen stämmer överens – ändpunkterna är /ent/v2/img2video och /ent/v2/reference2video, och ingen av dem accepterar enbart en prompt. Kling 4.0 är däremot en modell som utgår från text och som även tar bilder, första och sista bildrutan samt upp till tio nyckelbildrutor. Innan någon jämförelse av Elo, upplösning eller pris är det faktumet avgörande för de flesta projekt: en av dessa modeller kan börja från en mening, och den andra behöver en bild.

Allt annat i den här jämförelsen följer av det. Vidu Q4 Preview är ett riktat instrument för tagningar som börjar med en bild. Kling 4.0 är en generell generator med en regissörs kontrollpanel. De överlappar när det gäller bild-till-video och skiljer sig kraftigt åt på alla andra områden.

Vad Shengshu släppte den 7 oktober

Vidu Q4 Preview är den första offentliga förhandsversionen av Vidus nästa generations flaggskepp, medvetet släppt före den fullständiga Q4-modellen så att feedback kan forma den slutliga versionen. Den genererar video med inbyggt ljud – på som standard, med dialog och ljudeffekter – och dess specifikation är ovanligt generös i referensänden.

• Lägen – Bild-till-video, 3 till 16 sekunder; Referens-till-video, 1 till 16 sekunder. Ingen text-till-video.

• Upplösning – en stege med 540p, 720p, 1080p, 2K och 4K, där 2K och 4K har 10-bitars färgdjup.

• Referenser – upp till 15 referensbilder och upp till 3 referensljudklipp på tre till tolv sekunder vardera.

• Promptlängd — upp till 20 000 tecken på image-to-video-slutpunkten.

• Ljud — inbyggt, med standardvärdet true. Du stänger av det medvetet i stället för att slå på det.

• URL:er som returneras – URL:er för skapande är giltiga i 24 timmar, vilket spelar roll om du kör i batch och renderar senare.

Leverantörens effektivitetsanspråk – "upp till fem gånger så mycket utdata för samma budget" vid jämförbara specifikationer – är en marknadsföringskonstruktion tills någon reproducerar det, och Shengshus eget lanseringsmaterial innehåller en reservation om att slutligt pris, upplösningar som stöds, funktionstillgänglighet och användarvillkor kan variera beroende på plan och region.

Vad Kling 4.0 erbjuder på samma axel

Kling 4.0 har varit tillgänglig för alla sedan den 15 oktober 2026. På bild-till-video-axeln är den flexiblare av de två: upp till 10 nyckelbilder som du kan placera för att definiera karaktärstillstånd och scenbyten, en referensbudget på 15 poster fördelad över 10 bilder, 5 videor med en sammanlagd längd på högst 30 sekunder, röstreferenser och 7 element, samt en varaktighet per enskilt pass på 3 till 30 sekunder.

Längdgapet är det som syns i redigeringen. Vidu Q4 Preview stannar vid 16 sekunder. Kling 4.0 klarar 30 i ett svep, med förlängning mot 2 minuter listad som kommande. För en 20-sekunderstagning behöver Vidu en sammanfogning, medan Kling inte gör det. För en 10-sekunderstagning – den faktiska enheten i det mesta arbetet med sociala medier och reklam – försvinner skillnaden.

Upplösningen ligger närmare än marknadsföringen antyder. Båda hävdar 4K. Vidus 2K- och 4K-nivåer levereras med 10 bitars färgdjup i dag; Klings 10-bitars HDR vid 1080p och 4K är markerat som "kommer snart" i Kuaishous eget versionsmeddelande och på funktionssidan, tillsammans med inbyggd 4K med 21:9. Om en tio-bitars leverans är ett hårt krav det här kvartalet är det Vidus påstående som faktiskt levereras nu, med förbehåll för begränsningen avseende plan och region.

Styrelserna säger något snävare än lanseringstexten

Artificial Analysis driver videotopplistor med separata Elo-skalor och separata röstpooler, och de är versionshanterade. Vid sin oktoberdebut på v1.0-tavlan för bild-till-video — bild-till-video, med ljudet kvar — Vidu Q4 Preview gick in på tredje plats på Elo 1 179 ±10 över 5 543 prover, till ett spårat pris av 7,20 USD per minut. Ovanför låg MiniMax H3 Max på 1 195 och MiniMax H3 på 1 181; Gemini Omni Flash var fyra på 1 178. Tiopunktsintervallen från tredje till sjätte överlappade nästan helt, så "tredje" var en position inom bruset redan då.

Klyftan som inte låg inom {{1}}bruset{{/1}} var den till {{2}}Vidus föregångare{{/2}}. I den mätningen låg {{3}}Vidu Q3 Pro{{/3}} på nittonde plats med 1 056. En förflyttning på 123 poäng i ett enda släpp är större än hela spridningen bland topplistans sex bästa, och det är det starkaste beviset på att den här förhandsversionen är ett verkligt generationskliv snarare än ett varumärkesbyte.

Sedan ändrades tavlan. Versionen jag läste den 23 oktober är AA-Video-I2V v1.1, och den listar 24 modeller: MiniMax H3 på första plats med 1 140, FLUX 3 Max på andra plats med 1 138, Dreamina Seedance 2.5 på tredje plats med 1 138, MiniMax H3 Max på sjätte plats med 1 125 och Vidu Q3 Pro på sjuttonde plats med 1 016. Vidu Q4 Preview förekommer inte någonstans i den listan. Anteckningen högst upp på tavlan säger att tre modeller har lagts till under de senaste 30 dagarna, och den anger inte någon av dem som Vidus förhandsversion.

Jag tänker inte låtsas att det betyder att modellen blev sämre, och jag kan inte säga varför den saknas – om den drogs tillbaka, omklassificerades eller helt enkelt inte följde med till den nya versionen av resultattavlan. Vad det betyder är att varje påstående om att den här modellen är "tredje i världen", inklusive det som den här artikeln inleddes med, är ett uttalande om en specifik mätning på en specifik version av resultattavlan, och att resultattavlan för närvarande inte bekräftar det. Behandla placeringen som historia och produktsidan som det bestående faktumet.

På text-till-video-tavlan har Vidu Q4 Preview aldrig förekommit – och den frånvaron är inte ett problem med poängsättningen. Det bästa Vidu-bidraget där är Vidu Q3 Pro, i mitten av tabellen, medan Wan 3.0 leder. Det stämmer överens med produktsidan: detta är en bild- och referensmodell, och text-till-video-tavlan mäter den inte.

Kling 4.0 förekommer inte på någon av dessa resultattavlor heller, åtta dagar efter den allmänna tillgängligheten. Det är inte en låg poäng; det är ingen poäng alls, i någon riktning. Så jämförelsen av kvalitet mellan dessa två modeller existerar inte i någon gemensam enhet, och det enda oberoende numret i den här artikeln tillhör en modell som den aktuella resultattavlan inte längre listar.

De två prisnumren – och det du bör budgetera utifrån

Shengshu marknadsför Vidu Q4 Preview "från $0,014 per sekund", vilket är $0,84 per minut. I oktobermätningen från Artificial Analysis registrerades samma modell till $7,20 per minut. Det är inte samma produkt: lanseringssiffran är ett kampanjprisgolv, nästan säkert längst ned i upplösningsstegen, och den registrerade siffran var en uppmätt taxa vid en produktionsupplösning. Leverantören säger också rakt ut att prissättningen är kampanjbaserad och kan variera beroende på plan och region. Budgetera utifrån den högre siffran och betrakta den lägre som ett erbjudande för att vinna kunder.

Kling 4.0:s publicerade förhandsvisningspriser är 0,157 USD per sekund vid 720p och 0,235 USD vid 1080p – 9,42 USD respektive 14,10 USD per minut – utan någon 4K-taxa alls, och sidan markerar fortfarande modellen som Kommer snart. Med de siffrorna ligger de två modellerna i samma prisintervall vid produktionsupplösning, där Vidu är billigare och Kling ger dig 14 extra sekunder per generering.

• Per 10-sekunders 1080p-klipp — Vidu till det spårade priset $7,20/min kostar cirka $1,20. Kling 4.0 till $0,235/s kostar $2,35.

• Per 30 sekunder färdigt filmmaterial — Vidu behöver två genereringar och en sammanfogning, ungefär $3.60 plus redigeringstid. Kling 4.0 behöver en, till $7.05.

Per 100 klipp på tio sekunder — Vidu cirka 120 USD; Kling cirka 235 USD; basvarianten MiniMax H3 som nämns nedan kostar cirka 80 USD.

Åtkomst: en är anropbar, den andra är under pågående utrullning.

Ingen av modellerna är något självklart självbetjäningsval. Vidu Q4 Preview har ett riktigt API med dokumenterade slutpunkter, vilket gör den lättare att bygga på i dag än Kling 4.0, vars API började öppnas stegvis från och med den 21 oktober, medan utvecklarens prislista fortfarande anger att modellen ännu inte är tillgänglig. Men Vidus version är uttryckligen en förhandsversion: kampanjpriser, funktionstillgänglighet som kan komma att ändras och till och med ett felstavat modellalias – viduq4-previerw – vid sidan av det korrekta i dokumentationen. Det är en liten detalj som säger något sant om var den här versionen befinner sig.

För ett team som behöver både en textförst- och en bildförstväg är den praktiska lösningen att lägga valet i routningslagret i stället för i applikationskoden. OrcaRouter hostar inte någon av modellerna – det finns ingen Vidu-identifierare i katalogen och ingen Kling 4.0-rutt – men den hostar Kling 3.0 för 0,084 USD per begäran och MiniMax H3 för 0,08 USD per sekund genererad video, på en OpenAI-kompatibel slutpunkt med över 200 modeller till leverantörens listpris med 0 % påslag. Routnings-DSL:en är delen som passar just den här matchningen: den låter dig sätta en textförstmodell och en bildförstmodell bakom ett enda gränssnitt så att beslutet blir en parameter, och automatisk failover innebär att en förhandsvisningsrutt som går ner inte tar batchen med sig.

Att välja mellan dem handlar mest om din första bildruta

Om din tagning börjar med en mening är Vidu Q4 Preview fel verktyg, och ingen mängd Elo ändrar på det. Du skulle generera en stillbild någon annanstans och sedan överlämna den – vilket är en legitim pipeline, och en som många team medvetet kör med, eftersom det ger dem kontroll över den inledande bildrutan.

Om din tagning börjar med ett fotografi, en produktbild, ett karaktärsblad eller en storyboardruta är Vidu Q4 Preview det mer välunderbyggda valet av de två: det ligger trea på listan, det förbättrades med 123 Elo jämfört med sin egen föregångare, det tar 15 referensbilder och 3 ljudklipp, och dess 10-bitars 4K levereras i stället för att bara utlovas. Taket på 16 sekunder är priset.

Om du behöver längd, keyframe-koreografi eller en text-till-video-väg med en referensbudget, Kling 4.0 är den enda av de två som erbjuder dem – och du bör betrakta dess pris som provisoriskt tills Kuaishou publicerar ett 4K-pris och tar bort Coming Soon-bannern.

Det som skulle förändra den här bilden är inte ännu en specifikation. Det är en Kling 4.0-post på image-to-video-tavlan — den enda plats där dessa två modeller faktiskt skulle kunna jämföras i samma enhet — och en fullständig Vidu Q4-lansering som antingen behåller referensbudgeten på 15 bilder och 10-bitars 4K eller tyst snävar in dem när kampanjprissättningen tar slut. Tills båda finns är den ärliga rankningen den som tavlorna stöder den dag du läser dem: Vidu Q4 Preview var en uppmätt tredjeplats i oktober och listas för närvarande inte, Kling 4.0 är omätt överallt, och din första bildruta avgör vilken fråga du ens ställer.