Thẻ tiêu đề cho Genie 4 vs Kling 4.0 mang tiêu đề Hai câu trả lời cho bài toán tám giây, với một thẻ mô tả Genie 4 là một thế giới trực tiếp ở 720p trong khoảng một phút và thẻ còn lại mô tả Kling 4.0 là một cú máy liên tục từ 3 đến 30 giây, tối đa 4K.
Guides & Insights

Genie 4 vs Kling 4.0: Hai lời giải cho bài toán tám giây

Tác giả

jinhao.song

Ngày đăng

Mô hình mới nhất · 20Xem tất cả mô hình →
Benchmark: Artificial Analysis · cập nhật hằng ngày
Quay lại tất cả bài viết

Trong hai năm, giới hạn trên của video được tạo ra là khoảng tám giây, và mỗi phòng thí nghiệm tiếp cận nó theo một cách khác nhau. K​ling 4.0 kéo dài clip: 3 đến 30 giây trong một lượt, tối đa mười ảnh keyframe để giữ cảnh liền mạch, âm thanh hai kênh, và mức giá theo giây mà bạn có thể nhân lên. Genie 4 thì từ bỏ clip. Các phiên của nó kéo dài khoảng một phút, nhưng không có gì được kết xuất trước mặt bạn — thế giới được tạo ra khi bạn bước qua nó, ở 720p và tối đa 24 khung hình mỗi giây, và bạn có thể gõ một chỉ dẫn mới giữa phiên và xem thời tiết thay đổi. K​ling 4.0 trả lời câu hỏi "làm sao để có một cảnh quay dài hơn." Genie 4 trả lời "điều gì sẽ xảy ra nếu không có cảnh quay nào."

Không câu trả lời nào là bản kế nhiệm của câu trả lời kia, và cách định giá chứng minh điều đó. K​ling bán theo giây từ một bảng giá: khoảng 0,157 đô la một giây ở 720p, 0,235 đô la ở 1080p, với một API được ghi tài liệu đằng sau ba endpoint. Genie 4 bán gói đăng ký hàng tháng 99,99 đô la cho một sản phẩm trình duyệt không có API, không có ID mô hình và hoàn toàn không tính phí theo từng lần tạo. Một bên là một dòng chi phí bạn có thể dự báo. Bên kia là một ghế sử dụng.

Hai cách để vượt qua tám giây, và mỗi cách khiến bạn phải trả giá những gì

Cách tiếp cận của Kling là hướng bảo thủ: làm clip dài hơn mà không thay đổi bản chất của clip. Kling 4.0 ra mắt cho tất cả mọi người vào ngày 15 tháng 10 năm 2026 với khả năng tạo gốc dài 3 đến 30 giây, và toàn bộ hệ thống xoay quanh việc kiểm soát những gì diễn ra bên trong khoảng thời gian đó — tối đa mười ảnh keyframe để ghim bố cục tại những thời điểm đã chọn, tối đa mười lăm tài nguyên tham chiếu kết hợp (mười ảnh, năm video tổng cộng ba mươi giây, bảy phần tử bao gồm ba phần tử dựa trên video, cộng với tham chiếu giọng nói), và lời nhắc lên đến 8.000 token để bạn có thể mô tả một cảnh quay với mức chi tiết mà một cú máy ba mươi giây cần.

Lộ trình của Genie thay đổi đơn vị công việc. Không hề có bước từ lời nhắc đến tệp nào cả. Bạn khởi tạo một thế giới từ văn bản hoặc hình ảnh, rồi điều hướng nó bằng bàn phím và chuột trong khi một mô hình G​emini theo dõi các khung hình và một mô hình thế giới tự phát minh ra những gì ở phía sau góc. Lời nhắc giữa phiên là tính năng mà G​oogle dẫn đầu: thay đổi thời tiết, thả vào một nhân vật, chuyển hướng hành động, và cảnh sẽ thích ứng mà không cần đặt lại. Phiên kết thúc sau khoảng một phút — thẻ mô hình của G​oogle nói rằng "khoảng một phút tương tác liên tục," và liệt kê độ trôi hình ảnh và tính thường tồn của vật thể là các dạng lỗi đã biết trong các lần chạy dài hơn và sau các chỉnh sửa phức tạp lặp lại.

• Đơn vị đầu ra — Kling 4.0 cung cấp một tệp video dài từ 3 đến 30 giây, trong khi Genie 4 cung cấp một phiên trực tiếp khoảng một phút và không có tệp trừ khi bạn ghi lại.

• Độ phân giải — K​ling 4.0 ở 720p, 1080p và 4K trong thông số ra mắt, với HDR 10-bit ở 1080p và 4K so với Genie 4 ở 720p, tối đa 24 fps, chấm hết.

• Kiểm soát — K​ling 4.0 thông qua mười khung hình chính, khung đầu và khung cuối, mười lăm tài nguyên tham chiếu và tối đa năm clip đầu vào để chỉnh sửa, so với Genie 4 thông qua điều hướng trực tiếp cùng các lời nhắc được nhập trong phiên.

• Âm thanh — Kling 4.0 với stereo hai kênh, khớp khẩu hình và hội thoại bằng hơn mười ngôn ngữ cùng các giọng vùng miền, so với Genie 4 ở khả năng tạo âm thanh môi trường, âm nhạc và hội thoại tương tác song song với các khung hình.

• Giá — Kling 4.0 ở mức 0,157 USD mỗi giây cho đầu ra 720p và 0,235 USD cho 1080p, theo bảng đơn giá của chính Kling so với Genie 4 ở mức 99,99 USD một tháng cho Google AI Ultra, với gói 199,99 USD chỉ làm tăng giới hạn sử dụng.

• Truy cập — K​ling 4.0 qua ứng dụng web và API có tài liệu với ba điểm cuối, so với Genie 4 qua Project Genie trong trình duyệt, dành cho người đăng ký Ultra đủ điều kiện, với danh sách chờ AI Pro và không có API.

Điểm số độc lập — không ai đo bên này so với bên kia. K​ling không công bố điểm chuẩn nào cho 4.0; G​oogle không công bố điểm chuẩn nào cho Genie 4.

Hóa đơn, được tính toán chứ không phải ước tính.

Bảng giá của K​ling được tính theo "đơn vị" trị giá $0.157, và các con số theo giây suy ra trực tiếp từ đó. Ở 720p không có video đầu vào, một giây đầu ra của K​ling 4.0 là một đơn vị, tức $0.157. Ở 1080p là một đơn vị rưỡi, tức $0.235. Nếu bạn tự cung cấp cảnh quay thì mức giá danh nghĩa giảm xuống 0.6 và 0.9 đơn vị — nhưng quy tắc tính phí dựa trên thời lượng, và khi clip đầu vào ngắn hơn hoặc bằng đầu ra, bạn bị tính phí theo thời lượng đầu ra nhân đôi, điều này nhiều hơn đủ để xóa bỏ khoản giảm giá.

Vậy một lần quay K​ling 4.0 dài 30 giây tốn khoảng 4,71 USD ở 720p và khoảng 7,05 USD ở 1080p. Hai lần quay — ví dụ một lần để thử và một lần để giữ — rơi vào khoảng 9,42 USD và 14,10 USD. Đó là toàn bộ chi phí cho một phút cảnh quay K​ling dùng được, và đó là con số bạn có thể đưa vào bảng tính ngân sách mà không cần xin phép bất kỳ ai.

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 không có một con số tương đương, và đó không phải là sự úp mở từ phía Google mà đúng hơn là một cách kinh doanh khác. $99.99 mua một tháng phiên trong Project Genie cùng tác nhân mới, thư viện cộng đồng và các nâng cấp Genie 3 đi kèm — phiên chạy ba phút, nối chuỗi thế giới, khởi tạo từ ảnh toàn cảnh 360 độ. Thứ nó không mua được là khả năng dự đoán: giới hạn sử dụng của gói Ultra không được công bố theo đơn vị mà nhà lập kế hoạch sản xuất có thể quy đổi thành số phiên mỗi tuần, nên phiên thứ mười trong ngày là miễn phí cho đến đúng lúc không còn miễn phí nữa.

So sánh hai bên trên cùng một sản phẩm bàn giao và khoảng cách rõ rệt đến mức chói mắt. Một cảnh quay ba mươi giây có âm thanh: K​ling 4.0, 4,71 USD, một tệp, xong. Genie 4, một gói đăng ký 99,99 USD và một bản ghi màn hình của một phiên bạn không thể chạy lại y hệt. Đó không phải là một thỏa thuận tồi hơn — đó là một sản phẩm khác, và định giá nó như thể là cùng một sản phẩm chính là cách các đội kết thúc bằng việc mua nhầm thứ.

Nơi mà thông số kỹ thuật của K​ling 4.0 vượt trội hơn khả năng sẵn có của nó

Đọc kỹ tài liệu ra mắt và một điều nổi bật: K​ling 4.0 quảng cáo 4K, còn tài liệu API cho các endpoint tháng Mười liệt kê 720p và 1080p, với tỷ lệ 21:9 và tỷ lệ thích ứng. 4K và HDR 10-bit ở 1080p và 4K nằm trong bảng năng lực của mô hình; chúng không phải là thứ mà một nhà phát triển gọi /text-to-video/kling-4.0 đang chọn từ một enum độ phân giải hôm nay. Điều đó quan trọng vì 4K là dòng duy nhất mà K​ling đánh bại Genie 4 với hệ số chín lần về số điểm ảnh, và đó là dòng mà bạn chưa thể tính phí.

Sự bất đối xứng còn lại là âm thanh. Âm thanh của Kling 4.0 là một tài sản hậu kỳ: stereo, đồng bộ khẩu hình, nằm trong danh sách các ngôn ngữ được đặt tên cùng các giọng vùng miền được đặt tên, gắn với một clip sẽ không thay đổi. Âm thanh của Genie 4 là một màn trình diễn — nó thích ứng trong khi bạn di chuyển, điều thú vị hơn và khó kiểm soát hơn đáng kể, và Google liệt kê độ chính xác âm thanh thời gian thực trong số các bài toán nghiên cứu mở ngay trong bản phát hành. Nếu bạn đang lồng tiếng cho một nhân vật, thì của Kling là đặc tả mà bạn muốn. Nếu bạn đang thiết kế một không gian và muốn nghe thử nó, thì của Genie là cái duy nhất trong hai cái có thể làm được.

Hôm nay thực sự có thể gọi được là gì, ở cả hai bên

Kling 4.0 có API đã được ghi tài liệu. Ba endpoint — text-to-video, image-to-video và omni-video — mỗi endpoint là một đường dẫn yêu cầu riêng thay vì một endpoint duy nhất với cờ chế độ, nghĩa là ba nhánh tích hợp và ba bộ kiểm tra đầu vào nếu bạn đang xây dựng một trình chọn. Trên API, prompt chạy tới 26.000 ký tự tiếng Anh, một đơn vị khác với 8.000 token mà bản công bố ra mắt đã nêu, nên hai con số này không thể hoán đổi cho nhau.

Genie 4 hoàn toàn không có API. Điều đó đáng nói thẳng, vì một bài so sánh ngụ ý ngược lại sẽ làm mất cả buổi chiều của một lập trình viên. Không có ID mô hình, không có endpoint, không có mức phí cho mỗi lần tạo, và mọi nền tảng bên thứ ba đều ở trong tình trạng tương tự — kể cả nền tảng của chúng tôi. Chúng tôi không cung cấp Genie 4 và không thể định tuyến đến nó.

Điều chúng tôi cung cấp là thế hệ trước nó. K​ling 3.0 và K​ling 3.0 Turbo có trong danh mục của chúng tôi tại kling/kling-v3 và kling/kling-3-turbo, với giá $0.084 và $0.112 mỗi yêu cầu, cùng với K​ling 3.0 Omni và K​ling O1 — một khóa, không cần hợp đồng thứ hai. Nếu bạn đang kiểm tra chi phí để xem chuyển động và âm thanh của K​ling có phù hợp với pipeline của bạn hay không trước khi cam kết mức giá theo giây của 4.0, thì đó là cách rẻ để kiểm chứng, và giá mỗi yêu cầu là giá của nhà cung cấp, được chuyển tiếp nguyên vẹn, không cộng thêm gì.

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.

Ai nên chọn cái nào

Chọn Kling 4.0 nếu sản phẩm bàn giao là một cảnh quay phải được giao cho ai đó. Nó có bảng giá, API, khả năng kiểm soát tham chiếu đủ sâu để duy trì một nhân vật xuyên suốt ba mươi giây, âm thanh stereo với khớp môi ở ngôn ngữ bạn cần, và một thang độ phân giải mà ít nhất cũng tuyên bố 4K. Các bản demo ra mắt — những phim quảng cáo của chính Kling, những phim ngắn được Cannes công nhận trong thư viện của nó — đều là cảnh quay được dàn dựng, đó là lời quảng cáo trung thực về mục đích sử dụng của nó.

Chọn Genie 4 nếu kết quả bàn giao là một quyết định, và nếu chỉ một phút là đủ để đi đến quyết định đó. Dàn cảnh một cảnh quay, kiểm tra xem một bối cảnh có hiển thị rõ từ góc máy thấp không, cho khách hàng đi qua một không gian chưa tồn tại: đây là những công việc mà tính tương tác đáng giá hơn độ phân giải và không ai mong đợi một tệp master ở cuối. Hai dự án hợp tác có tên mà G​oogle tung ra cùng phòng trưng bày, "Villa Giallo" và "The Life of Ants," đều được xây dựng như trải nghiệm khám phá hơn là phim, cũng là tín hiệu tương tự từ hướng ngược lại.

Không chọn mô hình nào trong hai mô hình nếu điều bạn cần là khối lượng lớn. Cả hai mô hình đều không được định giá hay thiết kế cho một nghìn lượt gọi mỗi ngày, và cả hai nhà cung cấp đều mô tả đầu ra của họ là cấp độ nghiên cứu theo cách này hay cách khác — G​oogle nói rõ như vậy về độ trôi và vật lý của Genie 4, còn 4K của K​ling vẫn chỉ là một thông số kỹ thuật chứ không phải một tùy chọn trên endpoint mà bạn sẽ gọi.

Điều gì sẽ giải quyết được chuyện đó?

Hai diễn biến, mà chỉ cần một trong hai cũng đủ chấm dứt cuộc tranh luận. Thứ nhất là việc Genie 4 có API và mức giá theo giây; một mô hình thế giới mà bạn có thể gọi từ hàng đợi, với mức giá được công bố, sẽ trở nên so sánh được với Kling trên trục duy nhất từng quyết định chuyện này, đó là chi phí trên mỗi giây sử dụng được. Thứ hai là việc Kling phát hành 4K và HDR 10-bit trên các endpoint mà nó đã tài liệu hóa — điều đó biến một bảng năng lực thành một thứ có thể bàn giao và loại bỏ điểm duy nhất nơi tính tương tác của Genie 4 cạnh tranh với hư không.

Cho đến khi một trong số đó ra mắt, cuộc so sánh này chỉ trung thực nếu bạn từ chối chấm điểm nó. K​ling 4.0 là công cụ tốt hơn để tạo ra cảnh quay. Genie 4 là lựa chọn duy nhất trong hai có thể cho bạn đứng bên trong cảnh quay khi nó đang được tạo ra, trong khoảng một phút, ở 720p. Đó là những câu khác nhau, và không cách đóng khung nào có thể biến câu này thành câu kia.

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.