Kling 4.0 vs Flux 3 Video: Một bên có bảng giá, bên kia có mức trần

Cả Kling 4.0 và Flux 3 Video đều nhận văn bản, hình ảnh và video, cả hai đều cam kết đầu ra 4K, và cả hai đều tạo âm thanh trong cùng một lượt với hình ảnh. Khác biệt là bạn có thể định giá một trong hai. Flux 3 Video, của Black Forest Labs, đã chính thức ra mắt rộng rãi vào ngày 4 tháng 8 năm 2026 với bảng giá theo giây được công bố và một dòng có điểm trên bảng xếp hạng text-to-video của Artificial Analysis. Kling 4.0 đã có trong ứng dụng dành cho người tiêu dùng từ ngày 15 tháng 10 năm 2026, tạo tối đa 30 giây trong một lượt, và không có mức giá theo giây từ nhà cung cấp lẫn điểm Elo độc lập. Vì vậy, so sánh không chỉ đơn thuần là tính năng với tính năng; đó là một sản phẩm mà bạn có thể dự toán ngân sách dựa vào ngay hôm nay so với một sản phẩm có mức trần cao hơn trên giấy tờ.

Việc đó khiến quyết định trở nên rất rõ ràng nếu bạn tách thành hai câu hỏi. Mô hình nào có thể thực hiện được cảnh quay? Và mô hình nào bạn thực sự có thể cam kết triển khai trong quý này? Câu trả lời không giống nhau, và hầu hết các trang so sánh trực tiếp đều gộp chúng thành một.

Hai bảng, không có cột chung

Artificial Analysis đưa Flux 3 Video vào bảng xếp hạng text-to-video, ở vị trí thứ sáu với Elo 1.128, khoảng tin cậy 95% là ±9 trên 6.179 mẫu, với mức giá chuẩn hóa 17,40 USD mỗi phút, và ngày phát hành được ghi nhận vào tháng 7 năm 2026. Black Forest Labs ghi ngày phát hành công khai là 4 tháng 8 năm 2026, sau giai đoạn truy cập sớm từ ngày 23 tháng 7; sự khác biệt này là một sai lệch trong ghi nhận của bảng xếp hạng, không phải mâu thuẫn về mô hình.

Kling 4.0 vắng mặt trên bảng đó và trên các bảng image-to-video và chỉnh sửa tính đến ngày 23 tháng 10 năm 2026. Thế hệ trước, Kling 3.0, có các hàng; mô hình mới thì không. Một trang so sánh đặt Elo bên cạnh Kling 4.0 là đang trích dẫn mô hình cũ. Tuyên bố trung thực duy nhất là một bên của cặp đấu này có vị trí được đo lường và bên kia thì để trống.

Hàng của Flux 3 Video cũng hẹp hơn so với sản phẩm của nó. Nhà cung cấp tài liệu về văn bản thành video, hình ảnh thành video, video thành video và nối tiếp video, với các chuyển cảnh được điều khiển bằng khung hình chính. Artificial Analysis chỉ chấm điểm cấu hình văn bản thành video, vì vậy con số trên bảng điểm chỉ mô tả một chế độ của một mô hình đa phương thức, không phải toàn bộ phạm vi. Đó là giới hạn của bảng điểm, không phải của mô hình.

Cái gì được đưa vào

Flux 3 Video là một mô hình video đa phương thức với danh sách đầu vào rộng hơn những gì hàng tương ứng trên bảng của nó cho thấy: lời nhắc văn bản, ảnh tĩnh làm khung hình đầu tiên, video cho video sang video và nối tiếp, và khung hình chính cho các chuyển cảnh được kiểm soát. Thời lượng lên tới 20 giây trong một lần tạo, với 5 đến 20 giây cho văn bản sang video và ảnh sang video, và 5 đến 15 giây cho nối tiếp. Độ phân giải được bán theo dải điểm ảnh thay vì tỷ lệ khung hình cố định — HD ở khoảng 1 megapixel mỗi khung hình, FHD ở 2, QHD/2K ở 4 và UHD/4K ở 8 — và nhà cung cấp cung cấp âm thanh gốc tùy chọn với hội thoại đa ngôn ngữ, giọng nói đồng bộ, hiệu ứng âm thanh và âm thanh nền, được bao gồm mà không tính thêm phí.

Câu chuyện đầu vào của Kling 4.0 được xây dựng xoay quanh một ngân sách thay vì danh sách chế độ. Omni Reference nhận tối đa 15 tài nguyên trong một tác vụ, giới hạn ở 10 hình ảnh, 5 video tổng cộng 30 giây và 7 đối tượng, trong đó tối đa ba đối tượng có thể dựa trên video; mỗi đối tượng có thể mang một giọng nói được chỉ định. Ngoài ra, nó chấp nhận tối đa 10 hình ảnh keyframe, prompt tối đa 8.000 token và xuất ra 3 đến 30 giây ở 720p, 1080p hoặc 4K, với 21:9 trong số các tỷ lệ khung hình. Ghi chú phát hành cũng liệt kê chỉnh sửa nhắm mục tiêu trên tối đa năm clip đầu vào trong cửa sổ tổng hợp 30 giây.

Sự khác biệt không nằm ở việc “một bên nhận hình ảnh còn bên kia thì không.” Mà là Flux 3 Video đưa các đầu vào dưới dạng những chế độ riêng biệt với thời lượng riêng biệt, trong khi Kling 4.0 đưa chúng dưới dạng một tác vụ với hạn mức chung. Một lần tạo Flux 20 giây và một lần tạo Kling 30 giây đều là một lượt chạy duy nhất; lượt Kling có thể mang nhiều tham chiếu danh tính và chuyển động hơn, còn lượt Flux có giá được công bố.

Độ phân giải và lưu ý về HDR

Cả hai nhà cung cấp đều quảng cáo 4K, và cả hai đều đáng được soi xét như nhau. Black Forest Labs bán độ phân giải theo dải điểm ảnh và liệt kê HD, FHD, QHD/2K và UHD/4K là các bậc bảng giá; một số bản tóm tắt của bên thứ ba báo cáo rằng 2K và 4K mới được công bố hoặc đang dần triển khai chứ không phải có sẵn phổ biến, vì vậy hãy coi các bậc cao nhất là câu hỏi về lộ trình ở cấp tài khoản của bạn chứ không phải mặc định. Kling 4.0 liệt kê 720p, 1080p và 4K là các cài đặt đầu ra, nhưng HDR 10-bit ở 1080p và 4K được đánh dấu rõ ràng là “coming soon” trên ghi chú phát hành và trang tính năng của Kuaishou. 4K gốc không có HDR là tuyên bố đã được tung ra; HDR thì không.

Cả hai mô hình đều không công bố so sánh chất lượng độc lập đã chuẩn hóa theo độ phân giải. Các bảng xếp hạng chuẩn hóa giá theo một phút 1080p, đó là lý do mức $17.40 mỗi phút của Flux 3 Video có thể so sánh với các hàng khác nhưng không thể so với con số còn thiếu của Kling 4.0.

Giá: yếu tố thực sự quyết định quý này

Bảng giá của Flux 3 Video rất cụ thể. Chuyển văn bản thành video và chuyển hình ảnh thành video có giá $0,06 mỗi giây ở bản HD nháp, $0,17 ở HD/720p, $0,29 ở FHD/1080p, $0,40 ở QHD/2K và $0,80 ở UHD/4K. Chuyển video thành video và video tiếp nối có giá cao hơn: $0,12 cho bản nháp, khoảng $0,41 đến $0,43 cho HD, $0,53 đến $0,54 cho FHD, $0,65 cho 2K và $0,95 cho 4K. Đã bao gồm âm thanh. Một clip HD dài năm giây có giá khoảng $0,85 theo mức giá tiêu chuẩn, trước khi áp dụng bất kỳ thỏa thuận nào về khối lượng hoặc nền tảng.

Kling 4.0 không có mức giá mỗi giây từ nhà cung cấp tính đến ngày 23 tháng 10 năm 2026. Ứng dụng hoạt động bằng tín dụng thông qua các gói đăng ký của Kling AI. API nằm sau biểu ngữ truy cập sớm và Kuaishou chưa công bố bảng giá. Các nền tảng bên thứ ba liệt kê con số theo giây, nhưng đó là giá của nhà bán lại, không phải của nhà cung cấp và chúng biến động độc lập. So sánh chi phí giữa hai mô hình hôm nay sẽ là so sánh giữa một mức giá đã công bố và một ước tính.

Để có một mức cơ sở khả dụng, thế hệ Kling trước đây đã được định giá. Trên OrcaRouter, kling/kling-v3 và kling/kling-v3-omni được niêm yết ở mức $0.084 mỗi yêu cầu, kling/kling-3-turbo ở mức $0.112, và các hạng 2.x cũ hơn ở mức $0.042 đến $0.28. Đó là giá niêm yết theo yêu cầu chứ không phải mức giá theo giây, nên chúng không chuẩn hóa trực tiếp so với bảng giá của Flux, nhưng chúng là những con số thực tế bạn có thể đưa vào ngân sách trong khi mức giá của Kling 4.0 vẫn chưa được biết.

Âm thanh và câu hỏi về số lượng bản nhạc

Âm thanh của Flux 3 Video là tùy chọn, nguyên bản và đã được tính trong giá theo giây, với hội thoại đa ngôn ngữ, lời nói đồng bộ, hiệu ứng âm thanh và âm thanh môi trường. Kling 4.0 tạo stereo hai kênh, với khớp môi và hội thoại được cải thiện trên chín ngôn ngữ cùng các giọng tiếng Anh và tiếng Quan Thoại được nêu tên. Cả hai đều là tuyên bố của nhà cung cấp, và không nhà cung cấp nào công bố số lượng track. Nếu bạn cần hội thoại, nhạc và hiệu ứng dưới dạng các stem có thể tách riêng, không có bảng thông số nào cho bạn biết liệu bạn có nhận được chúng hay không. Hãy dự trù một lượt xử lý thứ hai trong DAW hoặc tạo lại, chứ không phải cho một bản xuất multitrack sạch.

Trọng số, quyền truy cập và tích hợp

Cả hai mô hình đều không phải trọng số mở. Dòng trên bảng của Flux 3 Video không có liên kết trọng số, và Black Forest Labs cung cấp nó qua API và bảng điều khiển của họ; Kling 4.0 là mô hình được lưu trữ qua ứng dụng và nền tảng mở của Kuaishou. Nếu tự lưu trữ là yêu cầu bắt buộc, thì cả hai đều không phải câu trả lời, và danh tiếng phát hành mở của Black Forest Labs không làm thay đổi giấy phép của checkpoint này.

Flux 3 Video đã được cung cấp rộng rãi từ đầu tháng 8, nên hợp đồng yêu cầu của nó đã có một quý để ổn định. API của Kling 4.0 đang trong giai đoạn truy cập sớm, mà theo lịch sử điều này có nghĩa là phải đăng ký và chờ đợi thay vì có bảng giá công khai; hỗ trợ MCP và CLI được liệt kê, giúp ích cho các tác nhân và script build nhưng không làm cho endpoint được cung cấp rộng rãi.

Hiện nay, cả hai mô hình đều không phải là tuyến của OrcaRouter và bài viết này cũng không nhằm khẳng định rằng chúng tôi lưu trữ một trong hai. Điều chúng tôi thực sự cung cấp là dòng Kling 3.0 cùng hơn 200 mô hình văn bản và đa phương thức trên một endpoint tương thích OpenAI, theo giá niêm yết của nhà cung cấp với 0% phụ phí. Đối với một nhóm đang thử nghiệm Kling 4.0 trong khi vẫn duy trì đường chạy production trên Flux hoặc Kling 3.0, kiến trúc hữu ích là một tên mô hình ổn định ở phía trước lệnh gọi và cơ chế chuyển đổi dự phòng tự động ở phía sau nó, để một endpoint truy cập sớm bị giới hạn tần suất hoặc biến mất không kéo theo cả lô. Đó cũng là lý lẽ tương tự cho việc duy trì hai nhà cung cấp video: cái thứ hai là bảo hiểm, không phải là biện pháp phòng hộ về chất lượng.

Ai nên chọn cái nào

• Chọn Flux 3 Video nếu bạn cần mức giá công bố theo giây, một dòng chuyển văn bản thành video có điểm số, giới hạn tối đa 20 giây và âm thanh gốc được bao gồm. Đây là lựa chọn duy nhất trong hai lựa chọn mà bạn có thể phê duyệt trong cuộc họp ngân sách tuần này.

• Chọn Kling 4.0 nếu cảnh quay cần 30 giây mà không cắt, cần nhiều hơn một vài tham chiếu nhận dạng, hoặc cần một track keyframe riêng. Giới hạn trần cao hơn và giá thì chưa rõ.

• Chọn Flux 3 Video cho video-to-video và nối tiếp với mức giá đã biết; tính năng chỉnh sửa của Kling 4.0 được ghi nhận trên các clip do nó tạo ra, trong cửa sổ tổng cộng 30 giây, chứ không phải là một chế độ chỉnh sửa cảnh quay thông thường.

• Chọn Kling 4.0 cho sản phẩm bàn giao tỷ lệ 21:9 với 10 keyframe và dàn 15 tài nguyên. Hãy gác kỳ vọng về HDR ở ngoài cửa.

• Không chọn bên nào nếu việc tách riêng các stem âm thanh là yêu cầu bắt buộc, cho đến khi một nhà cung cấp có tài liệu mô tả kiến trúc kênh.

Điều có thể giải quyết chuyện này là bảng giá Kling 4.0 và một dòng đầu tiên trên Artificial Analysis. Cho đến khi cả hai cùng tồn tại, Flux 3 Video là lựa chọn mua an toàn hơn và Kling 4.0 là phương án thí điểm có năng lực hơn. Khoảng cách giữa hai câu đó chính là toàn bộ quyết định.