Kling 4.0 vs Vidu Q4 Preview: หนึ่งในนั้นไม่สามารถรับข้อความพรอมต์ได้

เปิดVidu Q4 Previewหน้าเพจผลิตภัณฑ์แล้วนับจำนวนโหมดการสร้าง จะเห็นว่ามีสองโหมด ได้แก่ Image-to-Video และ Reference-to-Video ไม่มีแท็บ text-to-video และเอกสาร API ก็สอดคล้องกัน เอนด์พอยต์คือ /ent/v2/img2video และ /ent/v2/reference2video ซึ่งทั้งสองไม่รับเฉพาะพรอมต์อย่างเดียว Kling 4.0ในทางกลับกัน เป็นโมเดลที่ให้ความสำคัญกับข้อความเป็นหลัก และยังรับภาพ เฟรมแรกและเฟรมสุดท้าย และคีย์เฟรมได้สูงสุดสิบเฟรม ก่อนจะเปรียบเทียบ Elo ความละเอียด หรือราคา นี่คือข้อเท็จจริงที่ใช้ตัดสิน большинствоโปรเจกต์: หนึ่งในโมเดลเหล่านี้เริ่มต้นจากประโยคได้ ส่วนอีกโมเดลต้องมีภาพ

ทุกอย่างอื่นในการเปรียบเทียบนี้ล้วนเป็นผลสืบเนื่องมาจากประเด็นนั้น Vidu Q4 Preview เป็นเครื่องมือเฉพาะทางสำหรับช็อตที่เริ่มต้นด้วยภาพ Kling 4.0 เป็นเครื่องมือสร้างสรรค์อเนกประสงค์ที่มีชุดควบคุมแบบผู้กำกับ ทั้งสองมีจุดทับซ้อนกันในงานภาพเป็นวิดีโอ และแตกต่างกันอย่างชัดเจนในด้านอื่น ๆ ทั้งหมด

Shengshu เปิดตัวอะไรเมื่อวันที่ 7 ตุลาคม

Vidu Q4 Preview คือตัวอย่างสาธารณะครั้งแรกของเรือธงรุ่นถัดไปจาก Vidu ซึ่งเปิดตัวล่วงหน้าอย่างจงใจก่อนโมเดล Q4 ฉบับสมบูรณ์ เพื่อให้ข้อเสนอแนะจากผู้ใช้มีส่วนกำหนดเวอร์ชันสุดท้ายได้ ตัวแบบจำลองนี้สร้างวิดีโอพร้อมเสียงในตัว โดยเปิดใช้งานเป็นค่าเริ่มต้น รวมถึงบทสนทนาและเอฟเฟกต์เสียง และสเปกของมันก็มีความเอื้อเฟื้ออย่างผิดปกติในระดับอ้างอิง

• โหมด — Image-to-Video, 3 ถึง 16 วินาที; Reference-to-Video, 1 ถึง 16 วินาที ไม่มี text-to-video

• ความละเอียด — ตัวเลือกระดับต่างๆ ได้แก่ 540p, 720p, 1080p, 2K และ 4K โดย 2K และ 4K รองรับความลึกสี 10 บิต

• ข้อมูลอ้างอิง — รูปภาพอ้างอิงสูงสุด 15 รูป และคลิปเสียงอ้างอิงสูงสุด 3 คลิป โดยแต่ละคลิปมีความยาว 3 ถึง 12 วินาที

• ความยาวพรอมต์ — สูงสุด 20,000 อักขระบนเอนด์พอยต์ image-to-video

• เสียง — เป็นแบบเนทีฟ โดยค่าเริ่มต้นคือ true คุณจะปิดมันอย่างตั้งใจแทนที่จะเปิด

• URL ที่ส่งคืน — URL สำหรับการสร้างจะยังใช้งานได้ 24 ชั่วโมง ซึ่งสำคัญหากคุณประมวลผลเป็นชุดแล้วค่อยเรนเดอร์ภายหลัง

คำกล่าวอ้างด้านประสิทธิภาพของผู้จำหน่ายที่ว่า "ได้ผลลัพธ์มากถึงห้าเท่าด้วยงบประมาณเท่าเดิม" ภายใต้สเปกที่เทียบเคียงกันได้นั้น เป็นเพียงการสร้างภาพทางการตลาดจนกว่าจะมีใครทำซ้ำได้จริง และสื่อเปิดตัวของ Shengshu เองก็มีข้อสังเกตกำกับไว้ว่าราคาสุดท้าย ความละเอียดที่รองรับ การมีอยู่ของฟีเจอร์ และข้อกำหนดการใช้งานอาจแตกต่างกันไปตามแพ็กเกจและภูมิภาค

สิ่งที่ Kling 4.0 นำเสนอในแกนเดียวกัน

Kling 4.0 เปิดให้ทุกคนใช้งานได้แล้วตั้งแต่ 15 ตุลาคม 2026 ในด้านการแปลงภาพเป็นวิดีโอ ถือเป็นตัวเลือกที่ยืดหยุ่นกว่าจากทั้งสองตัว โดยรองรับภาพคีย์เฟรมได้สูงสุด 10 ภาพซึ่งคุณสามารถวางเพื่อกำหนดสถานะของตัวละครและการเปลี่ยนฉากได้ มีโควตาการอ้างอิง 15 รายการแบ่งเป็นภาพ 10 ภาพ วิดีโอ 5 คลิปโดยรวมกันไม่เกิน 30 วินาที การอ้างอิงเสียงและ 7 องค์ประกอบ และความยาวต่อการสร้างหนึ่งครั้ง 3 ถึง 30 วินาที

ช่องว่างด้านระยะเวลาคือสิ่งที่เห็นได้ชัดในการตัดต่อ Vidu Q4 Preview หยุดที่ 16 วินาที Kling 4.0 ทำได้ถึง 30 วินาทีในครั้งเดียว โดยมีฟีเจอร์ขยายไปถึง 2 นาทีที่ระบุว่าเร็ว ๆ นี้ สำหรับช็อต 20 วินาที Vidu ต้องต่อคลิป แต่ Kling ไม่ต้อง สำหรับช็อต 10 วินาที — หน่วยจริงของงานโซเชียลและงานโฆษณาส่วนใหญ่ — ความแตกต่างนี้หายไป

ความละเอียดใกล้เคียงกันกว่าที่การตลาดสื่อ ทั้งสองอ้างว่าเป็น 4K ระดับ 2K และ 4K ของ Vidu มาพร้อมความลึกสี 10-bit ในปัจจุบัน ส่วน 10-bit HDR ที่ 1080p และ 4K ของ Kling ถูกระบุว่า "เร็ว ๆ นี้" ในบันทึกการเปิดตัวและหน้าคุณสมบัติของ Kuaishou เอง พร้อมกับ 4K แบบเนทีฟที่ 21:9 หากสิ่งที่ส่งมอบแบบ 10-bit เป็นข้อกำหนดที่เข้มงวดในไตรมาสนี้ ข้อกล่าวอ้างของ Vidu คือสิ่งที่มีการส่งมอบจริงในขณะนี้ ภายใต้ข้อจำกัดด้านแพ็กเกจและภูมิภาค

ข้อความบนป้ายระบุสิ่งที่แคบกว่าข้อความเปิดตัว

Artificial Analysis จัดทำลีดเดอร์บอร์ดวิดีโอที่มีมาตราส่วน Elo แยกกันและพูลโหวตแยกกัน และมีการกำหนดเวอร์ชัน ในการเปิดตัวครั้งแรกในเดือนตุลาคมบนบอร์ด image-to-video v1.0 — แบบ image-to-video ที่เก็บเสียงไว้ — Vidu Q4 Previewเข้าสู่อันดับสามที่ Elo 1,179 ±10 จาก 5,543 ตัวอย่าง โดยมีราคาติดตามที่ 7.20 ดอลลาร์ต่อนาที เหนือขึ้นไปมี MiniMax H3 Max ที่ 1,195 และ MiniMax H3 ที่ 1,181; Gemini Omni Flash อยู่อันดับสี่ที่ 1,178 ช่วงสิบคะแนนจากอันดับสามถึงอันดับหกทับซ้อนกันเกือบทั้งหมด ดังนั้น “อันดับสาม” จึงเป็นตำแหน่งที่อยู่ภายในความคลาดเคลื่อนอยู่แล้วแม้ในตอนนั้น

ช่องว่างที่ไม่ได้อยู่ในเกณฑ์ noise คือช่องว่างเมื่อเทียบกับรุ่นก่อนหน้าของ Vidu ในการเก็บข้อมูลครั้งนั้น Vidu Q3 Pro อยู่อันดับที่ 19 ด้วยคะแนน 1,056 การขยับ 123 คะแนนในการเปิดตัวครั้งเดียวมากกว่าช่วงกระจายคะแนนทั้งหมดของหกอันดับแรกบนลีดเดอร์บอร์ด และเป็นหลักฐานที่แข็งแกร่งที่สุดว่าพรีวิวนี้เป็นก้าวกระโดดเชิงรุ่นอย่างแท้จริง ไม่ใช่เพียงการรีแบรนด์

จากนั้นบอร์ดก็เปลี่ยนไป เวอร์ชันที่ฉันอ่านเมื่อวันที่ 23 ตุลาคมคือ AA-Video-I2V v1.1 และมีโมเดล 24 รายการ: MiniMax H3 อยู่อันดับหนึ่งที่ 1,140, FLUX 3 Max อันดับสองที่ 1,138, Dreamina Seedance 2.5 อันดับสามที่ 1,138, MiniMax H3 Max อันดับหกที่ 1,125 และ Vidu Q3 Pro อันดับสิบเจ็ดที่ 1,016Vidu Q4 Preview ไม่ปรากฏอยู่ที่ใดในรายการนั้นเลย หมายเหตุที่ด้านบนของบอร์ดระบุว่ามีสามโมเดลที่ถูกเพิ่มใน 30 วันที่ผ่านมา และไม่ได้ระบุชื่อโมเดลใดในนั้นว่าเป็นพรีวิวของ Vidu

ผมจะไม่แกล้งทำเป็นว่านั่นหมายความว่าโมเดลนี้แย่ลง และผมบอกคุณไม่ได้ว่าทำไมมันถึงหายไป ไม่ว่าจะถูกถอนออก ถูกจัดประเภทใหม่ หรือเพียงแค่ไม่ถูกนำเข้าสู่บอร์ดเวอร์ชันใหม่ สิ่งที่มันหมายความก็คือ ทุกคำกล่าวอ้างเรื่อง "อันดับสามของโลก" เกี่ยวกับโมเดลนี้ รวมถึงคำกล่าวอ้างที่บทความนี้เปิดเรื่องด้วย เป็นข้อความเกี่ยวกับการบันทึกผลครั้งหนึ่งบนบอร์ดเวอร์ชันหนึ่งโดยเฉพาะ และบอร์ดในขณะนี้ไม่ได้ยืนยันสนับสนุนคำกล่าวอ้างนั้น ให้ถือว่าอันดับนั้นเป็นประวัติ และหน้าสินค้าเป็นข้อเท็จจริงที่คงทน

บนกระดานจัดอันดับ text-to-video Vidu Q4 Previewไม่เคยปรากฏขึ้นเลย — และการที่ไม่มีชื่อนั้นไม่ได้เกิดจากปัญหาการให้คะแนน รายการ Vidu ที่ดีที่สุดบนกระดานนั้นคือ Vidu Q3 Pro ซึ่งอยู่กลางตาราง ขณะที่ Wan 3.0 นำอยู่ สอดคล้องกับหน้าสินค้า: นี่คือโมเดลแบบ image-and-reference และกระดาน text-to-video ไม่ได้วัดโมเดลนี้

Kling 4.0 ก็ไม่ปรากฏบนกระดานใด ๆ เหล่านี้เช่นกัน แปดวันหลังจากการเปิดให้ใช้งานทั่วไป นั่นไม่ใช่คะแนนต่ำ แต่เป็นคะแนนที่ไม่มีเลยในทั้งสองทิศทาง ดังนั้นการเปรียบเทียบคุณภาพระหว่างสองโมเดลนี้จึงไม่มีอยู่ในหน่วยร่วมใด ๆ และตัวเลขอิสระเพียงตัวเดียวในบทความนี้เป็นของโมเดลที่กระดานผู้นำปัจจุบันไม่ได้ระบุอีกต่อไป

ตัวเลขราคาสองตัว และตัวเลขที่คุณควรใช้ตั้งงบประมาณ

Shengshu โฆษณา Vidu Q4 Preview ว่า "เริ่มต้น $0.014 ต่อวินาที" ซึ่งเท่ากับ $0.84 ต่อนาที บันทึกของ Artificial Analysis ในเดือนตุลาคมบันทึกโมเดลเดียวกันไว้ที่ $7.20 ต่อนาที สิ่งเหล่านี้ไม่ใช่ผลิตภัณฑ์เดียวกัน: ตัวเลขตอนเปิดตัวเป็นราคาพื้นขั้นโปรโมชัน ซึ่งเกือบแน่นอนว่าอยู่ล่างสุดของบันไดความละเอียด ส่วนตัวเลขที่ติดตามได้เป็นอัตราที่วัดได้ ณ ความละเอียดระดับโปรดักชัน ผู้ขายยังระบุตรงๆ ว่า ราคาเป็นโปรโมชันและอาจแตกต่างตามแพ็กเกจและภูมิภาค ตั้งงบประมาณจากตัวเลขที่สูงกว่า และมองตัวเลขที่ต่ำกว่าเป็นข้อเสนอเพื่อดึงดูดลูกค้า

ราคาพรีวิวที่เผยแพร่ของ Kling 4.0 อยู่ที่ 0.157 ดอลลาร์ต่อวินาทีที่ 720p และ 0.235 ดอลลาร์ที่ 1080p — 9.42 และ 14.10 ดอลลาร์ต่อนาที — โดยไม่มีราคา 4K เลย และหน้ายังคงระบุว่าโมเดลนี้ Coming Soon อยู่ เมื่อดูจากตัวเลขเหล่านี้ ทั้งสองโมเดลอยู่ในช่วงเดียวกันที่ความละเอียดระดับโปรดักชัน โดย Vidu ถูกกว่า และ Kling ให้คุณได้เวลาเพิ่มอีก 14 วินาทีต่อการสร้างหนึ่งครั้ง

• ต่อคลิป 1080p ความยาว 10 วินาที — Vidu ในราคาที่ติดตามอยู่ที่ $7.20/นาที จะอยู่ที่ประมาณ $1.20 ส่วน Kling 4.0 ที่ $0.235/วินาที จะอยู่ที่ $2.35

• ต่อฟุตเทจที่เสร็จแล้ว 30 วินาที — Vidu ต้องเจนสองครั้งและต่อเข้าด้วยกัน ประมาณ $3.60 บวกเวลาตัดต่อ ส่วน Kling 4.0 ใช้ครั้งเดียว ที่ $7.05

• ต่อคลิปความยาว 10 วินาที 100 คลิป — Vidu ประมาณ $120; Kling ประมาณ $235; เส้นทางพื้นฐาน MiniMax H3 ที่กล่าวถึงด้านล่างอยู่ที่ประมาณ $80

การเข้าถึง: ตัวหนึ่งเรียกใช้ได้ ส่วนอีกตัวอยู่ระหว่างการทยอยเปิดใช้งาน

ไม่มีโมเดลใดเป็นค่าเริ่มต้นแบบเซลฟ์เซอร์วิสที่ลงตัว Vidu Q4 Preview มี API จริงพร้อมเอนด์พอยต์ที่มีเอกสารกำกับ ซึ่งทำให้ปัจจุบันพัฒนาได้ง่ายกว่า Kling 4.0 ที่ API เริ่มเปิดเป็นระลอกตั้งแต่วันที่ 21 ตุลาคม ขณะที่ตารางราคาสำหรับนักพัฒนาของโมเดลยังระบุว่าโมเดลนี้ยังไม่พร้อมใช้งาน แต่บิลด์ของ Vidu เป็นพรีวิวอย่างชัดเจน: ราคาโปรโมชัน ความพร้อมของฟีเจอร์อาจเปลี่ยนแปลงได้ และแม้แต่นามแฝงโมเดลที่พิมพ์ผิด — viduq4-previerw — ปรากฏคู่กับนามแฝงที่ถูกต้องในเอกสาร นี่เป็นเรื่องเล็ก ๆ ที่บอกความจริงบางอย่างเกี่ยวกับสถานะของบิลด์นี้

สำหรับทีมที่ต้องการทั้งเส้นทางที่เน้นข้อความเป็นหลักและเส้นทางที่เน้นภาพเป็นหลัก แนวทางที่ใช้ได้จริงคือเก็บตัวเลือกไว้ที่ชั้นการกำหนดเส้นทางแทนที่จะไว้ในโค้ดแอปพลิเคชัน OrcaRouter ไม่ได้โฮสต์โมเดลทั้งสองนี้ — ไม่มีตัวระบุ Vidu ในแคตตาล็อก และไม่มีเส้นทาง Kling 4.0 — แต่โฮสต์Kling 3.0 ในราคา $0.084 ต่อคำขอ และ MiniMax H3 ในราคา $0.08 ต่อวินาทีของวิดีโอที่สร้างขึ้น บนเอนด์พอยต์เดียวที่เข้ากันได้กับ OpenAI ครอบคลุมกว่า 200 โมเดล ในราคาตามรายการของผู้ให้บริการโดยคิดมาร์กอัป 0% DSL สำหรับการกำหนดเส้นทางคือส่วนที่เข้ากับการจับคู่นี้โดยเฉพาะ: ช่วยให้คุณวางโมเดลที่เน้นข้อความเป็นหลักและโมเดลที่เน้นภาพเป็นหลักไว้เบื้องหลังอินเทอร์เฟซเดียว เพื่อให้การตัดสินใจกลายเป็นพารามิเตอร์ และการ failover อัตโนมัติหมายความว่าหากเส้นทางพรีวิวล่ม จะไม่ทำให้ทั้งแบตช์ล่มไปด้วย

การเลือกระหว่างทั้งสองมักเป็นคำถามที่ขึ้นอยู่กับเฟรมแรกของคุณ

หากช็อตของคุณเริ่มต้นด้วยประโยค Vidu Q4 Previewก็เป็นเครื่องมือที่ผิด และค่า Elo จะสูงแค่ไหนก็ไม่อาจเปลี่ยนความจริงข้อนี้ได้ คุณจะต้องสร้างภาพนิ่งจากที่อื่นแล้วค่อยส่งต่อเข้ามา ซึ่งเป็นไปป์ไลน์ที่ถูกต้องตามหลักการ และเป็นวิธีที่หลายทีมเลือกทำกันอย่างตั้งใจ เพราะมันทำให้พวกเขาควบคุมเฟรมเปิดได้

หากคลิปของคุณเริ่มต้นด้วยภาพถ่าย ภาพสินค้า character sheet หรือเฟรมสตอรีบอร์ด Vidu Q4 Preview คือตัวเลือกที่มีหลักฐานหนุนหลังมากกว่าในสองตัวนี้: มันอยู่อันดับสามบนตารางคะแนน เพิ่มขึ้น 123 Elo เมื่อเทียบกับรุ่นก่อนของตัวเอง รองรับภาพอ้างอิง 15 ภาพและคลิปเสียง 3 คลิป และ 4K 10-bit ของมันส่งมอบได้จริงแล้ว ไม่ใช่แค่สัญญาไว้ ราคาที่ต้องจ่ายคือเพดานความยาว 16 วินาที

หากคุณต้องการความยาว การจัดวางคีย์เฟรม หรือเส้นทางแปลงข้อความเป็นวิดีโอที่มีงบประมาณอ้างอิง Kling 4.0เป็นเพียงตัวเดียวในสองตัวเลือกที่มอบสิ่งเหล่านี้ให้ — และคุณควรถือว่าราคาของมันเป็นเพียงราคาชั่วคราวจนกว่า Kuaishou จะประกาศอัตราราคา 4K และปลดแบนเนอร์ Coming Soon

สิ่งที่ทำให้ภาพรวมนี้เปลี่ยนไปไม่ใช่สเปกอีกตัวหนึ่ง แต่เป็นการที่ Kling 4.0 ปรากฏอยู่บนกระดานจัดอันดับสาย image-to-video — จุดเดียวที่สองโมเดลนี้จะถูกเปรียบเทียบในหน่วยเดียวกันได้จริง — และการเปิดตัว Vidu Q4 แบบเต็มรูปแบบ ซึ่งไม่ว่าจะรักษาโควตาภาพอ้างอิง 15 ภาพและ 10-bit 4K ไว้ หรือค่อยๆ ลดสิ่งเหล่านี้ลงอย่างเงียบๆ เมื่อราคาโปรโมชันสิ้นสุด ตราบใดที่ยังไม่มีทั้งสองอย่าง อันดับที่ซื่อสัตย์ก็คืออันดับที่กระดานจัดอันดับรองรับ ณ วันที่คุณอ่านมัน: Vidu Q4 Preview ถูกวัดได้เป็นอันดับสามในเดือนตุลาคม และปัจจุบันไม่อยู่ในรายการ ส่วน Kling 4.0 ยังไม่ถูกวัดที่ไหนเลย และเฟรมแรกของคุณเป็นตัวกำหนดว่าคุณกำลังถามคำถามอะไรอยู่ตั้งแต่แรก