การ์ดชื่อเรื่องที่สร้างขึ้นซึ่งอ่านว่า 'Kling Image 4.0 vs HY-Image 3.5' พร้อมคำบรรยายใต้ภาพว่า 'ช่องว่าง 208 พอยต์ กับ 91 พอยต์' มีแถบแนวนอนสองแถบเรียงจากซ้ายไปขวา: แถบที่ระบุว่า text-to-image ถูกแบ่งเป็นส่วนสีเทาสั้น ๆ ที่ทำเครื่องหมาย 208 และส่วนสีน้ำเงินที่ยาวกว่า ส่วนแถบที่ระบุว่าการแก้ไขภาพแสดงการแบ่งที่สั้นกว่าซึ่งทำเครื่องหมาย 91 ด้านล่าง แถวราคาระบุ 6.1 เซนต์ เทียบกับ 2.4 เซนต์ต่อภาพ 2K
Guides & Insights

Kling Image 4.0 vs HY-Image 3.5: ช่องว่าง 208 คะแนน และอีก 91 คะแนน

ผู้เขียน

jinhao.song

วันที่เผยแพร่

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

อัตราส่วนราคาระหว่าง Kling Image 4.0 และ HY-Image 3.5 อยู่ที่ 2.6 ต่อ 1 ส่วนอัตราส่วนคุณภาพไม่ใช่ตัวเลขเดียวเลย: Artificial Analysis ระบุว่ามีส่วนต่าง 208 Elo ระหว่างทั้งคู่เมื่อทั้งสองสร้างภาพขึ้นมาใหม่ตั้งแต่ต้น และ 91 Elo เมื่อทั้งคู่ถูกขอให้แก้ไขภาพที่มีอยู่แล้ว โมเดลคู่เดียวกัน บอร์ดเดียวกัน เดือนที่วัดเดียวกัน แต่ได้คำตอบสองค่าที่ต่างกันเกินกว่าสองเท่า ใครก็ตามที่อ้างคะแนนเดียวสำหรับการเปรียบเทียบคู่นี้ ก็กำลังอ้างเพียงครึ่งเดียวของมัน

วันที่เหล่านี้สำคัญต่อกรอบการวิเคราะห์ Kling Image 4.0 เปิดให้ใช้งานมาตั้งแต่ 17 พฤศจิกายน 2026 โดยขายตามบันไดหน่วยของ Kuaishou ที่ 16 หน่วยต่อภาพนิ่ง 2K — ประมาณ 6.1 เซนต์ในอัตราแพ็กเกจเริ่มต้น หรือ 63 ดอลลาร์ต่อพันภาพในรายการของ Artificial Analysishy-image-v3.5-preview โดย HY-Image 3.5 เก่ากว่าและเกาะอยู่กับคำที่ต่างออกไป: Tencent เปิดตัวเมื่อ 22 กันยายน 2026 ในชื่อนี้ ในราคา ¥0.15 หรือ US$0.024 ต่อภาพ 2K และคณะจัดอันดับอิสระเพิ่งเริ่มให้คะแนนเมื่อไม่นานมานี้ Elo 972 ของมันไม่ใช่ข้อกล่าวอ้างตอนเปิดตัว แต่เป็นการวัดจากภายนอกครั้งแรกของโมเดล และอยู่ต่ำกว่ารุ่นก่อนของ Tencent เอง

A screenshot of Kling's release-notes page in English, headed Release Notes, with the newest entry dated 2026-11-17 marked Major and titled 'Kling Image 4.0 Is Here!', described as stunningly realistic and sharp with results from a single image to a cohesive series, above an older 2026-10-15 entry for the Kling 4.0 video model and a 2026-06-17 entry for the Kling 3.0 series.

ช่องว่างทั้งสอง และเหตุใดจึงแตกต่างกัน

ทั้งสองโมเดลได้รับการให้คะแนนบนกระดาน Artificial Analysis สองกระดานเดียวกัน ซึ่งเป็นสิ่งที่ทำให้การแยกความแตกต่างนี้อ่านได้จริงมากกว่าจะเป็นเพียงสำนวนโวหาร เมื่อเทียบกับภาพรวมในวันที่ 18 พฤศจิกายน 2026:

• Elo สำหรับการสร้างภาพจากข้อความ — Kling Image 4.0 1,179.93 อันดับที่ 7 จาก 115; HY-Image 3.5 972.12 อันดับที่ 75 จาก 115

• Elo ด้านการแก้ไขภาพ — Kling Image 4.0 1,182.89 อันดับที่ 6 จาก 87; HY-Image 3.5 1,091.87 อันดับที่ 28 จาก 87

• ช่วงความเชื่อมั่น — Kling 1,166.93 ถึง 1,192.93 เทียบกับ HY 960.12 ถึง 984.12 ในการสร้าง และ 1,168.89 ถึง 1,196.89 เทียบกับ 1,078.87 ถึง 1,104.87 ในการแก้ไข

• ราคาตั้ง — Kling $63.00 ต่อพันภาพสำหรับการสร้าง และ $66.00 สำหรับการแก้ไข; HY $24.00 ทั้งสองบอร์ด

• อัตราต่อหน่วยที่ประกาศไว้ — Kling 16 หน่วยต่อภาพนิ่ง 2K, 24 ที่ 4K, 40 ที่ 8K ในอัตราประมาณ $0.00384 ต่อหน่วย; HY $0.024 ต่อภาพ 2K โดยคิดค่าบริการเฉพาะผลลัพธ์ที่ส่งมอบเท่านั้น

• เพดานเอาต์พุต — Kling ระบุว่ามีระดับ 8K แบบเนทีฟ; HY ระบุ 2K เป็นเพดาน

• อินพุตอ้างอิง — Kling คิดค่าบริการ 0.8 หน่วยต่อภาพอ้างอิงหรือองค์ประกอบอ้างอิงหนึ่งรายการ ซึ่งเพิ่งเริ่มมีค่าใช้จ่ายในเวอร์ชัน 4.0; HY รองรับภาพอ้างอิงสูงสุดห้าภาพต่อคำขอ และไม่ประกาศค่าธรรมเนียมการอ้างอิงแยกต่างหาก

• น้ำหนักโมเดลและตัวระบุ — ทั้งสองเป็นกรรมสิทธิ์เฉพาะ; HY ไม่มีตัวระบุที่พร้อมใช้งานทั่วไปและไม่มีเช็กพอยต์แบบเปิด

ทั้งสองช่วงไม่ทับซ้อนกัน ดังนั้นทั้งสองลำดับจึงรอดพ้นจากข้อโต้แย้งที่ชัดเจนว่าตัวเลขมีความคลาดเคลื่อน ส่วนที่น่าสนใจคือขนาด ช่องว่าง 208 คะแนนบนสเกล Elo 400 คะแนนบ่งชี้ว่าโมเดลที่แข็งแกร่งกว่าชนะประมาณสามในสี่ของการเปรียบเทียบแบบคู่ ช่องว่าง 91 คะแนนบ่งชี้ประมาณสามในห้า ทั้งสองเป็นข้อได้เปรียบจริง มีเพียงหนึ่งในนั้นที่ทำนายความแตกต่างที่มองเห็นได้บนชุดพรอมต์ของคุณเองได้โดยส่วนใหญ่

ลักษณะของการแยกคะแนนแบบนั้นคือคำบอกเล่าว่าแต่ละโมเดลมีไว้เพื่ออะไร HY-Image 3.5 อยู่ในหนึ่งในสามอันดับล่างของบอร์ดสร้างภาพที่มี 115 โมเดล และอยู่ในหนึ่งในสามอันดับบนของบอร์ดแก้ไขภาพที่มี 87 โมเดล นั่นไม่ใช่ภาพรวมของโมเดลที่อ่อนกว่าโดยทั่วไป แต่เป็นภาพรวมของโมเดลที่ปรับมาเพื่องานอย่างที่สอง และควรเปลี่ยนว่าคนซื้อคือใคร: ถ้างานของคุณคือการแก้ไขเฟรมที่มีอยู่ — ภาพสินค้า ชีตตัวละคร หรือเลย์เอาต์ของลูกค้า — โมเดลที่ถูกกว่าจะตามหลังอยู่ 91 คะแนน ไม่ใช่ 208 คะแนน

รุ่นก่อนหน้าของ Tencent เองได้คะแนนสูงกว่า

ตัวเลขที่ทำให้ Tencent อึดอัดที่สุดในการจับคู่นี้ไม่ใช่ 1,179 ของ Kling แต่คือ 991.90: คะแนนที่ Artificial Analysis มอบให้ HunyuanImage 3.0 (Tencent Cloud) ซึ่งเป็นรุ่นก่อนหน้าของซีรีส์เดียวกัน HY-Image 3.5 preview ได้คะแนน 972.12 บนตารางเดียวกัน รุ่นใหม่มีคะแนน 20 Elo ต่ำกว่ารุ่นเก่าในการสร้างภาพจากข้อความ โดยมีช่วงความเชื่อมั่นที่ไม่ทับซ้อนกัน

สิ่งที่ Tencent อ้างตอนเปิดตัวกลับเป็นทิศทางตรงกันข้าม หลักฐานของบริษัทคือการศึกษาเปรียบเทียบความชอบแบบ blind ที่จัดทำภายในบริษัทกับนักออกแบบของตนเองหลายร้อยคน ซึ่งรายงานว่ามีส่วนได้เปรียบราว 30% เมื่อเทียบกับ Hy Image 3.0 เทียบเท่ากับ Seedream 5.0 Pro และได้เปรียบเล็กน้อยเหนือ Nano-Banana Pro และ Qwen-Image-3.0 Pro การศึกษาดังกล่าวไม่เคยถูกเผยแพร่เป็นชุดข้อมูลที่ใครก็สามารถรันซ้ำได้ และคณะกรรมการอิสระในตอนนี้ไม่เห็นด้วยกับผลการศึกษาดังกล่าวในด้านการสร้างภาพ

ความไม่สอดคล้องกันนั้นแคบกว่าที่เห็นในตอนแรก เพราะกระดานจัดอันดับด้านการแก้ไขภาพบอกอีกครึ่งหนึ่งของเรื่องราว ในการแก้ไขภาพ HY-Image 3.5 ได้ 1,091.87 คะแนน เทียบกับ 1,028.30 ของ HunyuanImage 3.0 (Tencent Cloud) และ 1,063.62 ของรุ่น Instruct — เพิ่มขึ้น 64 คะแนนเมื่อเทียบกับตัวที่ดีกว่าของสองตัวนั้น ดังนั้นการปรับปรุงที่ Tencent วัดได้นั้นมีจริง มันอยู่ในการแก้ไขภาพเท่านั้น และครึ่งหนึ่งของข้อกล่าวอ้างที่เกี่ยวกับการสร้างภาพไม่ได้ไปด้วย มีข้อควรระวังหนึ่งข้อที่ควรบันทึกไว้: แถว Hunyuan บนกระดานเป็นรายการแยกกัน และการเปลี่ยนแปลงรายการสามารถทำให้คะแนนเปลี่ยนได้ด้วยเหตุผลที่ไม่เกี่ยวข้องกับ weights ควรมองการถอยหลัง 20 คะแนนเป็นสัญญาณที่ชี้ว่าควรทดสอบตรงไหน ไม่ใช่คำตัดสินเกี่ยวกับ checkpoint

สิ่งที่ 2.6x ให้ได้ในฝั่งของ Kling

คำตอบของ Kling ต่อคำถามที่ว่า "ทำไมราคา 2.6 เท่า" ไม่ใช่ตารางอันดับ ซึ่งมันอยู่อันดับเจ็ด แต่เป็นขั้นบันไดของรูปแบบ HY-Image 3.5 หยุดอยู่ที่ 2K ส่วน Kling Image 4.0 ขาย 4K ในราคา 24 หน่วย และ 8K ในราคา 40 หน่วย อีกทั้งยังขายรูปแบบเอาต์พุตอีกสองแบบที่ Tencent ไม่ได้ระบุไว้เลยในเอกสาร: ชุดภาพที่สอดคล้องกันจากพรอมป์เดียว และภาพยาวทรงหน้าเพจ — 140 หน่วยสำหรับคอมพ์หน้าเว็บที่ 1K และ 152 หน่วยที่ 2K หรือหน้า รายละเอียดสินค้าอีคอมเมิร์ซที่ 60, 120 หรือ 200 หน่วย ขึ้นอยู่กับความยาว และรองรับเฉพาะแบบภาพเป็นภาพเท่านั้น

ถ้าสิ่งที่คุณต้องส่งมอบคือภาพขนาดย่อสินค้า 900 พิกเซล บันไดระดับนั้นก็เป็นสเปกชีตของคุณสมบัติที่คุณจะไม่มีวันได้ใช้ และการจ่าย 6.1 เซนต์แทน 2.4 เซนต์ ก็คือการจ่ายเพื่อเพดานที่ไม่ได้ใช้ ถ้ามันเป็นแอสเซ็ตงานพิมพ์ เลย์เอาต์เต็มหน้า หรือชุดแคมเปญ 12 เฟรมที่ต้องดูเหมือนมาจากการถ่ายครั้งเดียวกัน การเปรียบเทียบก็จบลงก่อนที่จะพูดถึงคุณภาพเสียอีก: รุ่นหนึ่งมีระดับนั้นให้ขาย อีกรุ่นไม่มี นั่นคือความแตกต่างด้านความสามารถ และไม่มีช่องว่าง Elo ใดจะสะท้อนสิ่งนั้นได้

ค่าใช้จ่ายด้านภาพอ้างอิงกลับคิดไปในทางตรงกันข้าม และเป็นสิ่งที่มองข้ามได้ง่าย Kling Image 4.0 เป็นโมเดลแรกในสายนี้ที่คิดค่าภาพอ้างอิงและองค์ประกอบอ้างอิง ในอัตราอย่างละ 0.8 หน่วย เพิ่มจากราคาเอาต์พุต ชุดงานที่ใช้ภาพอ้างอิงหนาแน่นซึ่งสร้างจากอินพุตสี่รายการจะขยับจากเอาต์พุต 192 หน่วยเป็นทั้งหมด 230 หน่วย — มากขึ้นประมาณหนึ่งในห้า โดยเพิ่มตามระดับที่งานพึ่งพาภาพอ้างอิง อัตราค่าบริการของ HY-Image 3.5 คิดเฉพาะภาพเอาต์พุตที่ส่งมอบ และไม่ได้ประกาศค่าธรรมเนียมเพิ่มสำหรับภาพอ้างอิง ในเวิร์กโฟลว์ที่ใช้ภาพอ้างอิงหนาแน่นที่สุด อัตราส่วนราคา 2.6 เท่าไม่ใช่อัตราส่วนที่แท้จริง

A generated two-column comparison scoreboard titled 'Kling Image 4.0 vs HY-Image 3.5 — the scoreboard'. The Kling column reads: text-to-image Elo 1,180, rank 7 of 115, image-editing Elo 1,183, rank 6 of 87, price $63 per 1,000 images, ceiling native 8K tier, references billed 0.8 units each, sets and long-page modes yes. The HY-Image column reads: text-to-image Elo 972, rank 75 of 115, image-editing Elo 1,092, rank 28 of 87, price $24 per 1,000 images, ceiling 2K, references up to five per request with no separate fee, sets and long-page modes none documented. A footer reads 'Scores per Artificial Analysis, read 18 November 2026. Prices per each vendor rate card.'

ป้ายพรีวิวถือเป็นความเสี่ยงด้านการจัดซื้อ

มีความแตกต่างประการที่สองในการเปรียบเทียบนี้ซึ่งไม่เกี่ยวกับพิกเซลเลย และเป็นประเด็นที่การตรวจสอบด้านการเงินหรือกฎหมายจะยกขึ้นมา Kling Image 4.0 เป็นโมเดลที่วางจำหน่ายแล้ว โดยมีรายการในบันทึกประจำรุ่น มีราคาต่อหน่วยที่เผยแพร่ และมีหมายเลขเวอร์ชันที่บ่งชี้ว่าตัวสืบทอดจะถูกกำหนดหมายเลข ไม่ใช่เปลี่ยนชื่อ HY-Image 3.5 มีอยู่เพียงในชื่อ hy-image-v3.5-preview เท่านั้น Tencent ยังไม่ได้เผยแพร่ตัวระบุสำหรับการใช้งานทั่วไป ไม่มีวันที่สำหรับการเปิดให้ใช้งานทั่วไป ไม่มีเช็กพอยต์แบบเปิด และไม่มีเส้นทางแบบออฟไลน์ ทุกวิธีที่จัดทำเป็นเอกสารเพื่อเข้าถึงโมเดลคืออินเทอร์เฟซ TokenHub ของ Tencent Cloud หรือแอปพลิเคชันหนึ่งของ Tencent เอง

นั่นไม่ใช่เหตุผลที่จะเลี่ยงโมเดลนี้ และราคาต่างหากคือเหตุผลที่ไม่ควรเลี่ยงมัน มันเป็นเหตุผลที่จะกำหนดขอบเขตการผสานรวม: อะไรก็ตามที่ผูกไว้กับตัวระบุพรีวิวควรอยู่เบื้องหลังอินเทอร์เฟซที่คุณควบคุม เพราะชื่อที่คุณเขียนลงในไฟล์คอนฟิกคือสิ่งเดียวเกี่ยวกับโมเดลนี้ที่ Tencent ยังไม่ให้คำมั่น ความเสี่ยงที่เทียบเท่ากันของ Kling คือการปรับราคา ซึ่งอย่างน้อยก็ปรากฏบนเรตการ์ดก่อนจะปรากฏบนใบแจ้งหนี้

กำลังรันการทดสอบแบบ bake-off บนคีย์เดียว

เพื่อให้ชัดเจนเกี่ยวกับแคตตาล็อกของเราเองก่อนการแนะนำ: OrcaRouter ไม่ได้ให้บริการ Kling Image 4.0 และก็ไม่ได้ให้บริการ HY-Image 3.5 เช่นกัน การทดสอบทั้งคู่นี้ใด ๆ จะหมายถึง API ของ Kling และ Tencent Cloud ตามลำดับ และราคาข้างต้นเป็นราคาของผู้จำหน่ายเอง ไม่ใช่ราคาที่เราเสนอ สิ่งที่ OrcaRouter เปลี่ยนคือรูปแบบของการทดลองโดยรอบโมเดลเหล่านี้ โมเดลรูปภาพที่เราให้บริการนั้นให้บริการผ่านเอนด์พอยต์เดียวที่เข้ากันได้กับ OpenAI ในราคาตามรายการของผู้ให้บริการ โดยบวกเพิ่ม 0% ดังนั้นอัตราที่คุณตั้งงบประมาณไว้จึงเป็นอัตราที่ผู้จำหน่ายประกาศ และการลดราคาของผู้จำหน่ายจะมีผลในวันเดียวกัน แทนที่จะมีผลในรอบการปรับราคาครั้งถัดไป ด้วยโมเดลมากกว่า 200 โมเดลบนคีย์เดียว เส้นทางของผู้ครองตลาดและผู้ท้าชิงสามารถถูกเรียกจากเส้นทางการเขียนโค้ดเดียวกันได้ และการสลับสำรองอัตโนมัติช่วยให้แบตช์ดำเนินต่อไปได้เมื่อเส้นทางหนึ่งปฏิเสธคำขอระหว่างการรัน.

เรื่องนี้สำคัญตรงนี้ เพราะการทดสอบที่ซื่อตรงคือการเปรียบเทียบใบแจ้งหนี้ ไม่ใช่การเปรียบเทียบภาพ การรันพรอมป์ยี่สิบรายการผ่านทั้งสองโมเดลที่ 2K พร้อมแนบภาพอ้างอิงสามภาพชุดเดียวกัน จะช่วยคลี่คลายสามเรื่องได้เร็วกว่ากระทู้เปิดตัวใด ๆ: ว่าช่องว่างด้านการสร้างภาพ 208 คะแนนมองเห็นได้ในเนื้อหาของคุณหรือไม่ ช่องว่างด้านการแก้ไข 91 คะแนนมองเห็นได้หรือไม่ และค่าธรรมเนียมเพิ่มสำหรับภาพอ้างอิงส่งผลต่อการคำนวณตัวเลขบนชุดที่คุณสร้างจริงอย่างไร

A screenshot of the OrcaRouter pricing page in English, headed 'We never mark up the tokens you buy', with a Zero Markup Guarantee panel stating that routing is free and that the rate paid is the provider's rate, and a rate table listing models with input, cached input, cache write and output prices per million tokens beside an OrcaRouter fee column reading $0.00.

สิ่งที่ควรทดสอบก่อนตัดสินใจ

เริ่มจากงานก่อน ไม่ใช่จากคะแนน หากสิ่งที่ต้องส่งมอบคืองานแก้ไขภาพ — ไม่ว่าจะเป็นภาพสินค้าที่ผ่านการรีทัช ตัวละครที่ต้องคงความสม่ำเสมอตลอดทั้งชุดงาน หรือเลย์เอาต์ของลูกค้าที่เปลี่ยนแปลงเพียงองค์ประกอบเดียว — HY-Image 3.5 คือตัวเลือกที่คุ้มค่าในคู่นี้ และช่องว่าง 91 คะแนนก็เล็กพอที่ภาพอ้างอิงของคุณเองอาจปิดช่องว่างนั้นได้ ราคาเพียงหนึ่งในสี่ และคิดเงินเฉพาะสิ่งที่ส่งมอบจริงเท่านั้น ไม่คิดค่าภาพอ้างอิงที่งานต้องพึ่งพา

หากสิ่งที่ต้องส่งมอบเป็นภาพนิ่งที่ต้องมีขนาดใหญ่ หรือเป็นชุดภาพที่ต้องดูราวกับถ่ายจากงานเดียวกัน ช่องว่างด้านการสร้างภาพคือปัจจัยที่ชี้ขาด และ 208 คะแนนไม่ใช่ส่วนต่างที่คุณจะปรับทิ้งได้ด้วยการออกแบบพรอมต์ Kling Image 4.0 เป็นเครื่องมือที่แพงกว่า และเป็นเพียงตัวเดียวในคู่นี้ที่มีระดับที่คุณต้องการ

ค่าที่อ่านได้ซึ่งต้องทิ้งไปคือค่าของผู้ขาย ข้อกล่าวอ้าง 30% ของ Tencent ชี้ไปที่กระดานคะแนนที่โมเดลใหม่กว่าของบริษัทเองวัดได้ต่ำกว่ารุ่นก่อนหน้า 20 คะแนนในด้านการสร้าง และสูงกว่า 64 คะแนนในด้านการแก้ไข และแผนใด ๆ ที่สร้างจากค่าเฉลี่ยของตัวเลขสองตัวนั้นก็สร้างบนตัวเลขที่ไม่มีใครเผยแพร่

© 2026 OrcaRouter

สำหรับผู้ให้บริการ

ให้บริการแพลตฟอร์มการอนุมานอยู่หรือไม่ นำโมเดลของคุณขึ้น OrcaRouter

[email protected]

เข้าร่วมคอมมูนิตี้ของเรา

Discord[email protected]XLinkedInGitHubYouTube