Kling 4.0 vs ByteDance Seedance 2.0: Ba mươi giây không cắt, hay mười lăm giây với sáu lần cắt

Hai mô hình video đều có thể quảng cáo 15 giây nhưng lại mang ý nghĩa khác nhau. ByteDance Seedance 2.0 lấp đầy khung 15 giây bằng nhiều cảnh quay: một chuỗi kiểu storyboard, có cả các cú cắt, được tạo trong một lần chạy kèm âm thanh stereo. Kling 4.0, ra mắt ngày 15 tháng 10 năm 2026, nhân đôi khung lên 30 giây và giữ camera chạy liên tục: một cú máy không cắt, được giữ liền mạch nhờ tối đa 10 keyframe và ngân sách tham chiếu 15 tư liệu. So sánh độ dài là điều mà mọi bảng thông số đều đưa ra. Ngữ pháp cảnh quay mới là thứ quyết định mô hình nào phù hợp với bản dựng của bạn.

Có một sự bất đối xứng thứ hai nằm bên dưới. Seedance 2.0 đã được phát hành rộng rãi tại Trung Quốc từ tháng 2 năm 2026, xuất hiện trên bảng xếp hạng text-to-video của Artificial Analysis với hơn 20.000 phiếu bầu và công bố mức giá chuẩn hóa theo phút. Kling 4.0 đã có mặt được tám ngày kể từ khi phát hành rộng rãi trong ứng dụng dành cho người tiêu dùng, không có điểm Elo độc lập và không có mức giá mỗi giây từ nhà cung cấp. Một mô hình có vị thế được đo lường; mô hình còn lại cần thời gian dài hơn để đánh giá.

Con số trông như mang tính quyết định nhưng thật ra không phải vậy

Ba mươi so với mười lăm là mức gấp đôi rõ ràng, và điều đó là thật: Kling 4.0 tạo ra 3 đến 30 giây trong một lượt, trong khi Seedance 2.0 tạo ra 4 đến 15 giây với mặc định 5 giây. Nếu cảnh của bạn là một đoạn trình diễn sản phẩm liên tục 25 giây, Seedance 2.0 không thể tạo ra nó một cách nguyên bản, và không lượng kỹ thuật viết prompt nào thay đổi được giới hạn cứng. Tính năng gia hạn ở phía Kling được quảng cáo tới hai phút nhưng được đánh dấu là sắp ra mắt, nên so sánh ở bản phát hành là 30 giây so với 15.

Con số không còn mang tính quyết định ngay khi cảnh quay được cho là sẽ cắt. 15 giây của Seedance 2.0 được thiết kế để chứa nhiều cảnh quay: ByteDance mô tả đầu vào văn bản kiểu storyboard và lập kế hoạch máy quay ở cấp đạo diễn — thu phóng dolly, lấy nét chuyển, cảnh quay theo dấu, hoán đổi điểm nhìn — diễn ra bên trong quá trình tạo sinh thay vì trong khâu dựng. 30 giây của Kling 4.0 được thiết kế để chứa một cảnh. Ghi chú phát hành của Kuaishou mô tả keyframe như một cách để đặt trạng thái nhân vật, thay đổi bối cảnh và nhịp truyện, tức là kiểm soát tính liên tục, không phải ngân sách số lượng cảnh quay.

Vậy cách diễn đạt trung thực không phải là “Kling dài gấp đôi”. Mà là “Kling dài gấp đôi tính theo mỗi cảnh quay, còn Seedance cho bạn nhiều cảnh quay hơn trong mỗi lần tạo.” Một cú máy liền mạch 30 giây và một chuỗi sáu cảnh quay trong 15 giây là hai sản phẩm khác nhau, chỉ tình cờ có chung một cột thời lượng.

Ràng buộc tham chiếu: dàn diễn viên so với bảng phân cảnh

Omni Reference của Kling 4.0 chấp nhận tối đa 15 tài nguyên trong một tác vụ, với giới hạn 10 hình ảnh, 5 video tổng cộng 30 giây và 7 chủ thể, trong đó tối đa ba chủ thể có thể dựa trên video. Mỗi chủ thể có thể được gán một giọng nói cụ thể, và mô hình cũng nhận tối đa 10 hình ảnh keyframe. Đây là hạn mức tham chiếu hào phóng nhất trong so sánh này, nhằm duy trì danh tính, trang phục, bối cảnh và chuyển động xuyên suốt một cú máy dài.

Seedance 2.0 chấp nhận tối đa 9 hình ảnh, 3 clip video và 3 clip âm thanh, đồng thời sử dụng cú pháp định địa chỉ để gắn một tham chiếu có tên với một chủ thể cụ thể và định trọng số cho mức độ ảnh hưởng của nó. Đó là ngân sách nhỏ hơn với khả năng kiểm soát từng tham chiếu tinh vi hơn. Nếu vấn đề của bạn là “đây là nhân vật A, đây là nhân vật B, và áo khoác của A phải khớp với khung hình 1 tại khung hình 300,” thì cú pháp liên kết của Seedance là công cụ trực tiếp hơn. Nếu vấn đề của bạn là “giữ cho toàn bộ thế giới này gắn kết với nhau trong nửa phút,” thì ngân sách lớn hơn và đường keyframe của Kling là lựa chọn phù hợp hơn.

Âm thanh: cả hai đều nhận cùng một vùng đất

Tuyên bố mạnh nhất của Seedance 2.0 là bản mix stereo hai kênh — nhạc, âm thanh môi trường và lời thuyết minh dưới dạng các track riêng — được tạo đồng thời với video thay vì lồng tiếng sau, với khả năng khớp khẩu hình đa người, đa ngôn ngữ. Kling 4.0 tuyên bố có stereo hai kênh, khớp khẩu hình được cải thiện, hội thoại bằng chín ngôn ngữ, và chỉ rõ các giọng điệu cùng phương ngữ trong tiếng Anh và tiếng Quan Thoại. Cả hai đều là tuyên bố của nhà cung cấp. Không nhà cung cấp nào công bố số lượng track, và chưa có thử nghiệm độc lập nào so sánh hai pipeline âm thanh. Sự khác biệt trong marketing nằm ở mức độ tự tin; sự khác biệt trong tài liệu nhỏ hơn những gì marketing gợi ý.

Tài liệu ra mắt của chính ByteDance nêu rõ tình trạng đôi khi méo tiếng và những hạn chế về tính nhất quán giữa nhiều chủ thể và hiển thị văn bản. Tài liệu của Kuaishou không nêu điểm yếu tương đương, đây là khác biệt về mức độ công bố thông tin chứ không phải khác biệt về chất lượng. Hãy lên kế hoạch cho lần thử thứ hai ở phần hội thoại với một trong hai mô hình.

Sự bất đối xứng của benchmark

Trên bảng xếp hạng text-to-video của Artificial Analysis được ghi nhận vào ngày 18 tháng 9 năm 2026, Dreamina Seedance 2.0 720p đứng thứ năm với Elo 1.210, khoảng tin cậy 95% là ±6 trên 20.345 mẫu, với mức giá 9,07 USD mỗi phút. Nhóm năm vị trí dẫn đầu trải trên 23 điểm Elo, vì vậy vị trí thứ năm là một vị trí xếp hàng chứ không phải là một kết luận, nhưng phép đo là có thật và số lượng mẫu lớn.

Tính đến ngày 23 tháng 10 năm 2026, Kling 4.0 không có dòng nào trên bất kỳ bảng nào trong ba bảng xếp hạng video. Đó không phải là điểm thấp; đó là sự vắng mặt. Các dòng của thế hệ trước vẫn còn trên các bảng và không nên được mượn. Bất kỳ ai ngày nay đặt một con số Elo bên cạnh Kling 4.0 thì hoặc là đang trích dẫn Kling 3.0 hoặc là đang bịa ra một con số.

Hệ quả thực tiễn là mô hình có điểm số là lựa chọn mặc định an toàn hơn cho một đội ngũ phải biện minh cho một lựa chọn, còn mô hình không có điểm số là mô hình bạn nên thí điểm chứ không phải chuẩn hóa. Đó là một phát biểu về bằng chứng, không phải về chất lượng.

Khả năng tiếp cận, vị trí địa lý và chi phí

Seedance 2.0 đã khả dụng rộng rãi tại Trung Quốc kể từ ngày 12 tháng 2 năm 2026, với API đạt mức khả dụng chung đầy đủ vào ngày 14 tháng 4. Bên ngoài Trung Quốc, bức tranh chắp vá hơn. Con đường tiêu dùng thông qua CapCut trước tiên đã tiếp cận một nhóm thị trường hạn chế — Brazil, Indonesia, Malaysia, Mexico, Philippines, Thái Lan và Việt Nam — và Hoa Kỳ bị loại trừ rõ ràng khỏi đợt triển khai đó, cũng như phần lớn châu Âu. Con đường API doanh nghiệp có phạm vi hiện diện rộng nhất. ByteDance cũng áp đặt các hạn chế nội dung mà không có tương đương trực tiếp ở Kling: không tạo từ hình ảnh hoặc video chứa khuôn mặt thật nếu không xác minh danh tính hoặc có ủy quyền trước, cùng với đánh dấu mờ vô hình trên đầu ra.

Kling 4.0 đã chính thức có mặt trên ứng dụng và trang web Kling AI trên toàn cầu, với thông báo ra mắt toàn cầu ghi ngày 16 tháng 10 năm 2026. API đang ở giai đoạn truy cập sớm và chưa công bố mức giá theo giây nào từ nhà cung cấp. Điều đó khiến Kling dễ dùng thử hơn nhưng khó mua hơn, trong khi Seedance khó tiếp cận hơn ở một số thị trường nhưng dễ định giá hơn khi bạn đã có quyền truy cập.

Về chi phí, mức 9,07 USD mỗi phút của Seedance 2.0 là một chuẩn hóa của Artificial Analysis, không phải mức giá được báo: ByteDance tính phí theo token trên Volcano Engine, ở mức 46 nhân dân tệ mỗi triệu token cho tạo thuần túy và 28 nhân dân tệ mỗi triệu token khi có đầu vào video để chỉnh sửa. Một clip 15 giây tương đương khoảng 308.880 token, tức gần một nhân dân tệ mỗi giây — con số “một nhân dân tệ, một giây” mà truyền thông Trung Quốc đã thống nhất. Các biến thể Mini và Fast nằm trong cùng dòng mô hình với mức giá xấp xỉ một nửa giá của bản flagship cho công việc bản nháp. Kling 4.0 không có con số tương đương; ứng dụng vận hành bằng tín dụng, API chưa có giá, và các con số mỗi giây từ nhà bán lại không phải của nhà cung cấp.

Hiện nay, cả hai mô hình đều không phải là tuyến của OrcaRouter. Thế hệ Kling mà chúng tôi có cung cấp là Kling 3.0, ở mức $0.084 mỗi yêu cầu cho hạng flagship và Omni, $0.112 cho Turbo và $0.042 đến $0.28 cho các mô hình 2.x cũ hơn. Điều đó quan trọng nếu bạn đang thử nghiệm Kling 4.0: đường dự phòng đã tồn tại trên cùng khóa tương thích OpenAI như hơn 200 mô hình khác, ở giá niêm yết của nhà cung cấp mà không cộng thêm phụ phí, vì vậy một lệnh gọi truy cập sớm bị lỗi có thể chuyển sang một thế hệ production thay vì khiến cả lô thất bại.

Cái nào nằm trong dòng thời gian?

• Chọn Kling 4.0 nếu cảnh quay không được cắt: chuyển động camera liên tục, màn trình diễn quay một lần liền mạch, đoạn độc thoại phải giữ gương mặt trong 25 giây. Lượt 30 giây và track 10 keyframe được tạo ra chính xác cho việc đó, và không mô hình nào khác trong so sánh này có thời lượng như vậy.

• Chọn Seedance 2.0 nếu đơn vị công việc là một chuỗi: một phim ngắn, một quảng cáo được dựng từ sáu cảnh cắt, một storyboard cần ngôn ngữ máy quay trong quá trình tạo. Thiết kế đa cảnh và cú pháp định địa chỉ tham chiếu của nó phù hợp trực tiếp hơn.

• Chọn Seedance 2.0 nếu hôm nay bạn cần điểm đánh giá và mức giá. Nó có cả hai; Kling 4.0 không có cả hai.

• Chọn Kling 4.0 nếu bạn cần hạn mức tham chiếu lớn nhất và một rãnh keyframe riêng, đồng thời có thể chấp nhận API truy cập sớm trong khi bảng giá vẫn chưa có.

• Không chọn cả hai nếu bạn cần các stem âm thanh tách riêng với số lượng track được công bố. Cả hai đều tự nhận là stereo; không bên nào công bố kiến trúc kênh.

Điều cần để ý không phải cột thời lượng mà là điểm Kling 4.0 độc lập đầu tiên và mức giá API công bố đầu tiên. Nếu Kling 4.0 đạt gần Seedance 2.0 trên bảng xếp hạng, lựa chọn sẽ xoay quanh ngữ pháp cảnh quay và giá. Nếu nó đạt thấp hơn hẳn, cú máy 30 giây là một tính năng chuyên biệt chứ không phải lợi thế đa dụng. Dù thế nào, quyết định nên dựa trên hình dạng của bản dựng chứ không phải mô hình nào có con số lớn hơn trong một thông cáo báo chí.