ไทเทิลการ์ดสำหรับ Genie 4 กับ Kling 4.0 ในหัวข้อ “สองคำตอบสำหรับปัญหาแปดวินาที” โดยการ์ดใบหนึ่งอธิบาย Genie 4 ว่าเป็นโลกสดที่ความละเอียด 720p นานประมาณหนึ่งนาที และอีกใบอธิบาย Kling 4.0 ว่าเป็นเทคเดียวความยาว 3 ถึง 30 วินาที สูงสุดถึง 4K
Guides & Insights

Genie 4 vs Kling 4.0: สองคำตอบต่อโจทย์แปดวินาที

ผู้เขียน

jinhao.song

วันที่เผยแพร่

โมเดลล่าสุด · 20ดูโมเดลทั้งหมด →
เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน
กลับไปยังโพสต์ทั้งหมด

เป็นเวลาสองปี เพดานของวิดีโอที่สร้างขึ้นอยู่ที่ประมาณแปดวินาที และทุกแล็บก็เข้าโจมตีมันด้วยวิธีที่ต่างกัน Kling 4.0 ขยายคลิปออกไป: 3 ถึง 30 วินาทีในรอบเดียว ภาพคีย์เฟรมได้สูงสุดสิบภาพเพื่อยึดช็อตให้อยู่ด้วยกัน เสียงสองช่อง และราคาต่อวินาทีที่คุณคูณได้ Genie 4 ละทิ้งคลิปไปแทน เซสชันของมันยาวประมาณหนึ่งนาที แต่ไม่มีอะไรถูกเรนเดอร์ล่วงหน้าอยู่ตรงหน้าคุณ โลกถูกสร้างขึ้นขณะที่คุณเดินผ่านมัน ที่ 720p และสูงสุด 24 เฟรมต่อวินาที และคุณสามารถพิมพ์คำสั่งใหม่กลางเซสชันและดูสภาพอากาศเปลี่ยนได้ Kling 4.0 ตอบคำถามว่า "ฉันจะได้ช็อตที่ยาวขึ้นได้อย่างไร" Genie 4 ตอบว่า "ถ้าไม่มีช็อตเลยล่ะ"

ทั้งสองคำตอบไม่ได้เป็นผู้สืบทอดของกันและกัน และการกำหนดราคาก็พิสูจน์ให้เห็น K​ling ขายเป็นวินาทีตามตารางราคา: ประมาณ $0.157 ต่อวินาทีที่ 720p, $0.235 ที่ 1080p พร้อม API ที่มีเอกสารประกอบอยู่เบื้องหลังสามเอนด์พอยต์ Genie 4 ขายการสมัครสมาชิกรายเดือนราคา $99.99 สำหรับผลิตภัณฑ์บนเบราว์เซอร์ที่ไม่มี API ไม่มี model ID และไม่มีค่าธรรมเนียมต่อการสร้างแต่ละครั้งเลย อันหนึ่งคือรายการต้นทุนที่คุณคาดการณ์ได้ อีกอันคือที่นั่ง

สองวิธีผ่านพ้นแปดวินาที และแต่ละวิธีต้องแลกด้วยอะไร

แนวทางของ K​ling เป็นแบบอนุรักษ์นิยม: ทำให้คลิปยาวขึ้นโดยไม่เปลี่ยนว่าคลิปหนึ่งคืออะไร K​ling 4.0 เปิดให้ทุกคนใช้งานเมื่อวันที่ 15 ตุลาคม 2026 ด้วยการสร้างแบบเนทีฟความยาว 3 ถึง 30 วินาที และกลไกโดยรอบทั้งหมดล้วนเกี่ยวกับการควบคุมสิ่งที่เกิดขึ้นภายในหน้าต่างนั้น — ภาพคีย์เฟรมได้ถึงสิบภาพเพื่อตรึงองค์ประกอบภาพ ณ ช่วงเวลาที่เลือก สินทรัพย์อ้างอิงแบบรวมได้ถึงสิบห้ารายการ (ภาพสิบภาพ วิดีโอห้ารายการรวมความยาวสามสิบวินาที องค์ประกอบเจ็ดอย่างซึ่งรวมถึงองค์ประกอบที่อิงวิดีโอสามอย่าง พร้อมข้อมูลอ้างอิงเสียง) และพรอมต์ได้ถึง 8,000 โทเค็น เพื่อให้คุณอธิบายช็อตได้อย่างละเอียดเท่าที่การถ่ายเทคความยาวสามสิบวินาทีต้องใช้

เส้นทางของ Genie เปลี่ยนหน่วยของงานไปเลย ไม่มีขั้นตอนจากพรอมป์ไปเป็นไฟล์เลยแม้แต่ขั้นตอนเดียว คุณสร้างโลกตั้งต้นจากข้อความหรือภาพ แล้วสำรวจโลกนั้นด้วยคีย์บอร์ดและเมาส์ ขณะที่โมเดล G​emini เฝ้าดูเฟรมต่าง ๆ และโมเดลโลกสร้างสิ่งที่อยู่รอบมุมถัดไปขึ้นมา พรอมป์ระหว่างเซสชันคือฟีเจอร์ที่ G​oogle ชูเป็นจุดเด่น: เปลี่ยนสภาพอากาศ ใส่ตัวละครเข้าไป เปลี่ยนทิศทางการกระทำ แล้วฉากก็ปรับตามโดยไม่ต้องรีเซ็ต เซสชันจะจบลงหลังจากประมาณหนึ่งนาที — การ์ดโมเดลของ G​oogle ระบุว่า "ประมาณหนึ่งนาทีของการโต้ตอบต่อเนื่อง" และระบุ visual drift กับ object permanence เป็นโหมดความล้มเหลวที่ทราบกันในการรันที่ยาวนานขึ้นและหลังการแก้ไขซับซ้อนซ้ำ ๆ

• หน่วยของผลลัพธ์ — K​ling 4.0 ส่งมอบไฟล์วิดีโอความยาว 3 ถึง 30 วินาที ในขณะที่ Genie 4 ส่งมอบเซสชันสดประมาณหนึ่งนาทีโดยไม่มีไฟล์ เว้นแต่คุณจะบันทึกไว้

• ความละเอียด — K​ling 4.0 ที่ 720p, 1080p และ 4K ในสเปกเปิดตัว พร้อม 10-bit HDR ที่ 1080p และ 4K เทียบกับ Genie 4 ที่ 720p สูงสุด 24 fps แค่นั้น

• การควบคุม — Kling 4.0 ผ่านคีย์เฟรมสิบจุด เฟรมแรกและเฟรมสุดท้าย แอสเซ็ตอ้างอิงสิบห้ารายการ และคลิปอินพุตสูงสุดห้าคลิปสำหรับการตัดต่อ เทียบกับ Genie 4 ผ่านการนำทางสดพร้อมพรอมต์ที่พิมพ์ระหว่างเซสชัน

• เสียง — K​ling 4.0 ที่สเตอริโอสองช่องสัญญาณพร้อมลิปซิงก์และบทสนทนาในกว่าสิบภาษาและสำเนียงท้องถิ่น เทียบกับ Genie 4 ที่เสียงบรรยากาศ ดนตรี และบทสนทนาแบบโต้ตอบที่สร้างขึ้นควบคู่ไปกับเฟรม

• ราคา — {{1}}Kling 4.0{{/1}} ที่ {{2}}$0.157 ต่อวินาที{{/2}} สำหรับ {{3}}เอาต์พุต 720p{{/3}} และ {{4}}$0.235{{/4}} สำหรับ {{5}}1080p{{/5}} จาก {{6}}ตารางอัตราต่อหน่วยของ Kling เอง{{/6}} เทียบกับ {{7}}Genie 4{{/7}} ที่ {{8}}$99.99 ต่อเดือน{{/8}} สำหรับ {{9}}Google AI Ultra{{/9}} โดยมี {{10}}แพ็กเกจ $199.99{{/10}} ที่เพิ่มเพียงขีดจำกัดการใช้งาน

• การเข้าถึง — Kling 4.0 ผ่านเว็บแอปและ API ที่มีเอกสารประกอบซึ่งมีสามเอนด์พอยต์ เทียบกับ Genie 4 ผ่าน Project Genie ในเบราว์เซอร์ สำหรับสมาชิก Ultra ที่มีสิทธิ์ โดยมีรายชื่อรอ AI Pro และไม่มี API

• คะแนนอิสระ — ไม่มีใครวัดฝ่ายใดฝ่ายหนึ่งเทียบกับอีกฝ่าย K​ling ไม่เผยแพร่เบนช์มาร์กสำหรับ 4.0; G​oogle ไม่เผยแพร่เบนช์มาร์กใดสำหรับ Genie 4

บิลที่คำนวณออกมาอย่างละเอียด แทนที่จะเป็นเพียงการประมาณการ

อัตราค่าบริการของ K​ling คิดเป็น "หน่วย" ละ $0.157 และตัวเลขต่อวินาทีก็คำนวณออกมาจากจำนวนนี้โดยตรง ที่ 720p โดยไม่มีวิดีโออินพุต เอาต์พุต K​ling 4.0 หนึ่งวินาทีคิดเป็นหนึ่งหน่วย หรือ $0.157 ที่ 1080p คิดเป็นหนึ่งหน่วยครึ่ง หรือ $0.235 หากคุณนำฟุตเทจของคุณมาเอง อัตราที่ระบุไว้จะลดลงเหลือ 0.6 และ 0.9 หน่วย — แต่กฎการเรียกเก็บเงินอิงตามระยะเวลา และเมื่อคลิปอินพุตสั้นกว่าหรือเท่ากับเอาต์พุต คุณจะถูกคิดค่าบริการตามระยะเวลาของเอาต์พุตคูณสอง ซึ่งมากกว่าส่วนลดที่ได้รับเสียอีก

ดังนั้น K​ling 4.0 หนึ่งเทคความยาว 30 วินาที มีค่าใช้จ่ายประมาณ $4.71 ที่ 720p และประมาณ $7.05 ที่ 1080p สองเทค — สมมติว่าเทคหนึ่งไว้ทดสอบและอีกเทคไว้ใช้งาน — รวมแล้วประมาณ $9.42 และ $14.10 นั่นคือค่าใช้จ่ายทั้งหมดของฟุตเทจ K​ling ที่ใช้งานได้หนึ่งนาที และเป็นตัวเลขที่คุณใส่ในสเปรดชีตงบประมาณได้โดยไม่ต้องขออนุญาตใคร

Generated cost card headed What a 30-second shot costs, showing Kling 4.0 at $4.71 for one 30-second take at 720p and $9.42 for two, against Genie 4 at $99.99 for a month of sessions with no per-second price and no API to bill against.

Genie 4 ไม่มีตัวเลขที่เทียบเท่า และนั่นไม่ใช่ความมีเลศนัยในส่วนของ Google เท่าไรนัก แต่เป็นเพราะมันเป็นธุรกิจที่แตกต่างออกไปมากกว่า $99.99 ซื้อเซสชันหนึ่งเดือนภายใน Project Genie พร้อมเอเจนต์ใหม่ แกลเลอรีชุมชน และการอัปเกรดของ Genie 3 ควบคู่กัน — การรันครั้งละสามนาที การเชื่อมโลกต่อกัน และการเริ่มต้นด้วยภาพพาโนรามา 360 องศา สิ่งที่เงินจำนวนนี้ไม่ได้ซื้อคือความคาดเดาได้: ขีดจำกัดการใช้งานของระดับ Ultra ไม่ได้เผยแพร่ในหน่วยที่นักวางแผนการผลิตสามารถแปลงเป็นจำนวนเซสชันต่อสัปดาห์ได้ ดังนั้นเซสชันที่สิบของวันจึงฟรีไปเรื่อย ๆ จนกว่าจะไม่ฟรี

ลองเทียบทั้งสองบนงานที่ต้องส่งมอบเพียงชิ้นเดียว แล้วช่องว่างจะชัดเจนจนน่าตกใจ ช็อต 30 วินาทีพร้อมเสียง: K​ling 4.0 ราคา $4.71 ไฟล์เดียว จบ ส่วน Genie 4 ต้องจ่ายค่าสมาชิก $99.99 และได้เพียงการอัดหน้าจอของเซสชันที่คุณไม่สามารถรันซ้ำให้เหมือนเดิมได้ นั่นไม่ใช่ดีลที่แย่กว่า — มันคือผลิตภัณฑ์ที่แตกต่างกัน และการตั้งราคาราวกับว่ามันเป็นproductเดียวกันนี่แหละ คือหนทางที่ทำให้ทีมต่างๆ ลงเอยด้วยการซื้อของผิดชิ้น

จุดที่ข้อมูลจำเพาะของ Kling 4.0 แข็งแกร่งกว่าความพร้อมใช้งานจริง

อ่านเอกสารเปิดตัวอย่างละเอียดแล้ว มีสิ่งหนึ่งที่เด่นชัด: Kling 4.0 โฆษณาความสามารถ 4K ขณะที่เอกสาร API สำหรับ endpoint ประจำเดือนตุลาคมระบุ 720p และ 1080p พร้อมอัตราส่วน 21:9 และอัตราส่วนแบบปรับได้ ส่วน 4K และ 10-bit HDR ที่ 1080p และ 4K นั้นอยู่ในตารางความสามารถของโมเดล ไม่ใช่สิ่งที่นักพัฒนาที่เรียก /text-to-video/kling-4.0 กำลังเลือกจาก enum ความละเอียดในปัจจุบัน เรื่องนี้สำคัญเพราะ 4K เป็นรายการเดียวที่ Kling เหนือกว่า Genie 4 ถึงเก้าเท่าในด้านจำนวนพิกเซล และเป็นรายการที่คุณยังไม่สามารถคิดค่าบริการได้

ความไม่สมมาตรอีกอย่างคือเสียง เสียงของ K​ling 4.0 เป็นแอสเซ็ตหลังการผลิต: เป็นสเตอริโอ ซิงก์ปาก อยู่ในรายการภาษาที่มีชื่อเรียกพร้อมสำเนียงภูมิภาคที่มีชื่อเรียก ผูกติดกับคลิปที่จะไม่เปลี่ยนแปลง ส่วนเสียงของ Genie 4 คือการแสดง — มันปรับตัวขณะที่คุณเคลื่อนไหว ซึ่งน่าสนใจกว่าและควบคุมได้น้อยลงอย่างมาก และ G​oogle ระบุว่าความแม่นยำของเสียงแบบเรียลไทม์เป็นหนึ่งในปัญหาการวิจัยที่ยังเปิดอยู่ในตัวรีลีสเอง หากคุณกำลังพากย์ตัวละคร สิ่งที่ K​ling มีคือสเปกที่คุณต้องการ หากคุณกำลังออกแบบพื้นที่และอยากได้ยินมัน Genie เป็นเพียงตัวเดียวในสองตัวนี้ที่ทำได้

วันนี้มีอะไรที่เรียกใช้งานได้จริงบ้างในแต่ละฝ่าย

K​ling 4.0 มี API ที่มีเอกสารประกอบ โดยมีสามเอนด์พอยต์ — text-to-video, image-to-video และ omni-video — ซึ่งแต่ละอันเป็นพาธคำขอแยกกัน แทนที่จะเป็นเอนด์พอยต์เดียวที่มีแฟล็กโหมด ถ้าคุณกำลังสร้างตัวเลือกขึ้นมา นั่นหมายถึงสาขาการเชื่อมต่อสามสาขาและการตรวจสอบอินพุตสามชุด พรอมป์ต์บน API ยาวได้ถึง 26,000 ตัวอักษรภาษาอังกฤษ ซึ่งเป็นหน่วยที่แตกต่างจาก 8,000 โทเค็นที่เอกสารเปิดตัวระบุไว้ ตัวเลขทั้งสองจึงใช้แทนกันไม่ได้

Genie 4 ไม่มี API เลย การพูดให้ตรงไปตรงมาจึงเป็นเรื่องที่ควรทำ เพราะบทความเปรียบเทียบที่ทำให้เข้าใจเป็นอย่างอื่นจะทำให้นักพัฒนาเสียเวลาช่วงบ่ายไปเปล่าๆ ไม่มี model ID ไม่มี endpoint ไม่มีอัตราค่าใช้จ่ายต่อการสร้าง และแพลตฟอร์มของบุคคลที่สามทุกรายก็อยู่ในสถานะเดียวกัน รวมถึงของเราด้วย เราไม่ได้ให้บริการ Genie 4 และไม่สามารถ route ไปที่ Genie 4 ได้

สิ่งที่เราให้บริการคือรุ่นก่อนหน้านั้น K​ling 3.0 และ K​ling 3.0 Turbo อยู่ในแค็ตตาล็อกของเราในชื่อ kling/kling-v3 และ kling/kling-3-turbo ในราคา $0.084 และ $0.112 ต่อคำขอ พร้อมกับ K​ling 3.0 Omni และ K​ling O1 — คีย์เดียว ไม่ต้องมีสัญญาที่สอง หากคุณกำลังทดสอบต้นทุนว่าการเคลื่อนไหวและเสียงของ K​ling ใช้งานกับไปป์ไลน์ของคุณได้หรือไม่ ก่อนตัดสินใจผูกมัดกับอัตราคิดค่าต่อวินาทีของ 4.0 นี่คือวิธีที่ประหยัดในการหาคำตอบ และราคาต่อคำขอเป็นราคาของผู้ให้บริการ ส่งผ่านโดยไม่มีการบวกเพิ่มใด ๆ

Screenshot of the OrcaRouter catalogue page for Kling 3.0, showing it listed as a flagship text-to-video model with per-request pricing and a video generations endpoint path.

ใครควรเลือกอันไหน

เลือก K​ling 4.0 หากสิ่งที่ต้องส่งมอบคือช็อตที่ต้องส่งต่อให้คนอื่น โดยมีเรตการ์ด มี API มีการควบคุมภาพอ้างอิงที่ลึกพอจะรักษาคาแรกเตอร์ให้ต่อเนื่องได้ตลอด 30 วินาที มีเสียงสเตอริโอพร้อมการขยับปากที่ตรงกับภาษาที่คุณต้องการ และมีบันไดความละเอียดที่อย่างน้อยก็อ้างว่าถึง 4K เดโมเปิดตัว ทั้งภาพยนตร์แคมเปญของ K​ling เองและหนังสั้นที่ได้รับการยอมรับจาก Cannes ในแกลเลอรี ล้วนเป็นช็อตที่จัดองค์ประกอบไว้แล้ว ซึ่งเป็นการโฆษณาอย่างตรงไปตรงมาว่ามันมีไว้เพื่ออะไร

เลือก Genie 4 หากสิ่งที่ต้องส่งมอบคือการตัดสินใจ และหากหนึ่งนาทีก็เพียงพอที่จะไปถึงจุดนั้น การบล็อกฉาก การทดสอบว่าฉากหนึ่งสื่อความได้จากกล้องมุมต่ำหรือไม่ การปล่อยให้ลูกค้าเดินชมพื้นที่ที่ยังไม่มีอยู่จริง สิ่งเหล่านี้เป็นงานที่ความสามารถในการโต้ตอบมีค่ามากกว่าความละเอียด และไม่มีใครคาดหวังไฟล์มาสเตอร์ในตอนท้าย ความร่วมมือสองรายที่ G​oogle เปิดตัวไปพร้อมกับแกลเลอรี คือ "Villa Giallo" และ "The Life of Ants" ทั้งคู่ถูกจัดโครงสร้างให้เป็นการสำรวจมากกว่าภาพยนตร์ ซึ่งเป็นสัญญาณเดียวกันจากอีกทิศทางหนึ่ง

เลือกไม่เอาทั้งคู่ถ้าสิ่งที่คุณต้องการคือปริมาณการใช้งาน โมเดลทั้งสองไม่ได้ตั้งราคาหรือถูกออกแบบมาสำหรับการเรียกใช้หนึ่งพันครั้งต่อวัน และผู้ให้บริการทั้งสองรายต่างบรรยายผลลัพธ์ของตนว่าเป็นระดับงานวิจัยไม่ทางใดก็ทางหนึ่ง — G​oogle ระบุไว้อย่างชัดเจนเกี่ยวกับ drift และ physics ของ Genie 4 และ 4K ของ K​ling ยังคงเป็นเพียงข้อกำหนดทางเทคนิค ไม่ใช่ตัวเลือกบน endpoint ที่คุณจะเรียกใช้งาน

อะไรจะทำให้เรื่องนี้ยุติลง

พัฒนาการสองอย่าง ซึ่งอย่างใดอย่างหนึ่งก็เพียงพอจะยุติข้อโต้แย้งนี้ได้ อย่างแรกคือ Genie 4 ที่มี API และมีราคาคิดเป็นรายวินาที โมเดลโลกที่เรียกใช้ได้จากคิวในอัตราที่ประกาศไว้จะเทียบได้กับ K​ling บนแกนเดียวที่เคยชี้ขาดเรื่องนี้มาโดยตลอด นั่นคือต้นทุนต่อวินาทีที่ใช้งานได้ อย่างที่สองคือ K​ling ที่ส่งมอบ 4K และ 10-bit HDR บนเอนด์พอยต์ที่ได้จัดทำเอกสารไว้แล้ว ซึ่งเปลี่ยนตารางความสามารถให้กลายเป็นสิ่งที่ส่งมอบได้จริง และกำจัดจุดเดียวที่การโต้ตอบของ Genie 4 ต้องแข่งขันกับความว่างเปล่าโดยสิ้นเชิงออกไป

จนกว่าหนึ่งในนั้นจะเกิดขึ้นจริง การเปรียบเทียบนี้จะซื่อตรงก็ต่อเมื่อคุณไม่ให้คะแนนตัดสินมัน K​ling 4.0 เป็นเครื่องมือที่ดีกว่าสำหรับการสร้างฟุตเทจ Genie 4 เป็นตัวเดียวในสองตัวนี้ที่ทำให้คุณเข้าไปยืนอยู่ในฟุตเทจได้ขณะที่มันกำลังถูกสร้าง ประมาณหนึ่งนาที ที่ 720p นั่นคือคนละประโยค และไม่ว่าจะใส่กรอบอย่างไรก็เปลี่ยนประโยคหนึ่งให้เป็นอีกประโยคไม่ได้

Generated two-column scoreboard comparing Genie 4 and Kling 4.0 across output, length, control, audio, price and access, with Genie 4 at 720p for about a minute in a browser only and Kling 4.0 up to 4K for 3 to 30 seconds at $0.157 a second with ten keyframes and fifteen reference assets.
© 2026 OrcaRouter

สำหรับผู้ให้บริการ

ให้บริการแพลตฟอร์มการอนุมานอยู่หรือไม่ นำโมเดลของคุณขึ้น OrcaRouter

[email protected]

เข้าร่วมคอมมูนิตี้ของเรา

Discord[email protected]XLinkedInGitHubYouTube