Kling 4.0 vs Grok Imagine Video: Mô hình rẻ nhất có số phiếu bầu cao nhất

Mô hình được đo lường nhiều nhất trong so sánh này không phải là mô hình mới nhất, và mô hình mới nhất thậm chí chưa được đo lường. Grok Imagine Video là một họ gồm ba mục trên bảng image-to-video của Artificial Analysis: bản gốc tháng 1 năm 2026 ở Elo 1.072 với 14.371 phiếu bầu, Grok Imagine Video 1.5 ở 1.098 với 5.267 phiếu, và biến thể Lite trên bảng text-to-video. Kling 4.0, ra mắt ngày 15 tháng 10 năm 2026, không có dòng nào trên bất kỳ bảng xếp hạng nào, không có mức giá mỗi giây được công bố, và bảng thông số kỹ thuật vượt cả ba mục Grok về thời lượng, độ phân giải và số lượng tham chiếu. Khoảng cách giữa bằng chứng và mức trần chính là toàn bộ cuộc so tài.

Dạng mô hình đó phổ biến hơn trong thị trường này so với mức mà định dạng bảng xếp hạng thừa nhận. Một mô hình có lịch sử bình chọn dài là một nhân tố đã rõ mặt, không nhất thiết là tốt nhất. Một mô hình mới tám ngày tuổi với một lượt chạy 30 giây là một lời hứa kèm theo một đoạn demo. Câu hỏi là dự án của bạn có thể hấp thụ được kiểu không chắc chắn nào.

Ba mô hình Grok, một Kling

Grok Imagine Video không phải là một sản phẩm duy nhất, và các số phiên bản không xếp hạng theo cách bạn sẽ mong đợi. Hãy đọc tiếp trên bảng image-to-video với âm thanh bật, như được ghi lại vào ngày 10 tháng 10 năm 2026:

• Grok Imagine Video original — đứng thứ 13 với Elo 1.072 ±7 trên 14.371 mẫu, tháng 1 năm 2026, $4,20 mỗi phút.

• Grok Imagine Video 1.5 — đứng thứ 9 với Elo 1.098 ±8 trên 5.267 mẫu, tháng 5 năm 2026, $8,40 mỗi phút.

• Grok Imagine Video 1.5 Lite — đứng thứ 16 trên bảng xếp hạng chuyển văn bản thành video với 993 ±10 trên 5.715 mẫu, phát hành ngày 26 tháng 8 năm 2026, 8,40 USD mỗi phút.

• Kling 4.0 — không có dòng nào trên bất kỳ bảng nào tính đến ngày 23 tháng 10 năm 2026.

Bản gốc là lựa chọn rẻ nhất và được đo lường kỹ nhất. Bản làm mới 1.5 đạt điểm Elo cao hơn 26 và tốn gấp đôi mỗi phút, nhưng chỉ dựa trên một phần ba số phiếu. Biến thể Lite nằm trên một bảng xếp hạng hoàn toàn khác, nên so sánh nó với hai bản kia thực chất đã là so sánh các tác vụ khác nhau. Đây là một dòng sản phẩm đã được lặp đi lặp lại theo nhịp của một nền tảng tiêu dùng, và thang giá phản ánh điều đó: bạn có thể mua bản cơ sở rẻ, có bằng chứng tốt, bản tinh chỉnh đắt hơn, hoặc hạng Lite rẻ hơn theo giây, và mỗi lựa chọn đều đòi bạn đánh đổi bằng chứng lấy điểm số.

Kling 4.0 không có bất kỳ lựa chọn nội bộ nào như vậy. Chỉ có một mô hình, một mức giá chưa công bố và một giới hạn thời lượng. Sự đơn giản đó là ưu điểm nếu bạn muốn kết quả tốt nhất hiện có, và là điểm bất lợi nếu bạn muốn một quyết định mua sắm có thể biện luận bằng một con số.

Số phiếu bầu mang lại cho bạn điều gì

Số lượng mẫu thường bị coi là một chi tiết kỹ thuật. Trên bảng xếp hạng này, nó là ranh giới giữa một tuyên bố và một phỏng đoán. Khoảng ±7 của điểm kiểm tra Grok tháng 1 có cùng độ rộng với khoảng của Gemini Omni Flash, mẫu có 12.327 phiếu phía sau; 14.371 so sánh là đủ để bảng xếp hạng đưa ra quan điểm với một mức độ tin cậy nhất định. Khoảng ±8 của Grok 1.5 rộng hơn vì nó có ít phiếu hơn, không phải vì nó là một mô hình kém hơn. Khoảng của Kling 4.0 vẫn chưa tồn tại.

Điều đó có hệ quả thực tiễn với bất kỳ ai lựa chọn dựa trên chất lượng. Nếu bạn chọn Grok Imagine Video original, bạn biết đại khái mình đang nhận được gì: một mô hình tầm trung với nền tảng bằng chứng vững chắc và mức giá thấp nhất trong so sánh này. Nếu bạn chọn Kling 4.0, bạn đang chấp nhận những tuyên bố của nhà cung cấp về một mô hình mà các đơn vị đánh giá độc lập chưa chấm điểm. Cả hai lựa chọn đều không phi lý. Chúng là những canh bạc khác nhau.

Mức trần thông số kỹ thuật

Trên lý thuyết, Kling 4.0 là cỗ máy có năng lực vượt trội hơn với khoảng cách rõ rệt.

• Thời lượng — Kling 4.0 tạo 3 đến 30 giây trong một lần chạy, với tính năng gia hạn hai phút được ghi là sắp ra mắt. Grok Imagine Video 1.5 tạo 1 đến 15 giây, với tính năng gia hạn tự hồi quy từ khung hình cuối; bản gốc được giới hạn ở 8,7 giây cho công việc chỉnh sửa và gia hạn.

• Độ phân giải — Kling 4.0 liệt kê 720p, 1080p và 4K, với 10-bit HDR ở 1080p và 4K được đánh dấu là sắp ra mắt. Grok 1.5 xuất 480p, 720p và 1080p ở dạng native. Bản gốc có mức tối đa thấp hơn.

• Tài liệu tham chiếu — Kling 4.0 hỗ trợ tối đa 15 tài nguyên trên hình ảnh, video, chủ thể và giọng nói, với giới hạn 10 hình ảnh, 5 video, 7 chủ thể và tối đa 3 chủ thể dựa trên video. Grok 1.5 nhận tối đa 14 hình ảnh tham chiếu, tối đa 3 tham chiếu giọng nói và tối đa 4 khung hình chính giữa video cùng khung hình đầu và cuối.

• Keyframes — Kling 4.0 nhận tối đa 10 hình ảnh keyframe. Grok 1.5 nhận khung đầu, khung cuối và tối đa 4 khung giữa video.

• Âm thanh — cả hai đều tạo âm thanh gốc với giọng nói khớp khẩu hình; Kling tuyên bố âm thanh stereo hai kênh và chín ngôn ngữ cùng các phương ngữ, Grok tuyên bố tạo âm thanh-video đồng thời với tối đa 3 giọng tham chiếu đặt trước.

• Lời nhắc — Kling 4.0 chấp nhận tối đa 8,000 token. Tài liệu của Grok không công bố giới hạn lời nhắc tương đương.

Hai bên gần nhau hơn ở phần tham chiếu so với những gì các con số tiêu đề gợi ra: 15 tài sản so với 14 hình ảnh cộng 3 giọng nói không phải là một thất bại thảm hại. Khoảng cách thực sự nằm ở thời lượng và độ phân giải. Ba mươi giây ở 4K so với mười lăm giây ở 1080p là một đẳng cấp sản phẩm bàn giao khác, và đó là lý do Kling 4.0 đáng được cân nhắc dù thiếu bằng chứng.

Giá: bảng giá bậc thang đã công bố so với ô trống

Giá của Grok Imagine Video được công bố theo giây theo độ phân giải. Model 1.5 có giá $0.08 mỗi giây ở 480p, $0.14 ở 720p và $0.25 ở 1080p, bao gồm âm thanh và đầu vào hình ảnh với giá $0.01 mỗi ảnh. Biến thể Lite có giá $0.02 ở 480p, $0.03 ở 720p và $0.14 ở 1080p. Bản gốc kế thừa có giá $0.05 ở 480p và $0.07 ở 720p. Artificial Analysis chuẩn hóa hàng 1.5 thành $8.40 mỗi phút và bản gốc thành $4.20, nhất quán với mức giá 720p.

Tính đến ngày 23 tháng 10 năm 2026, Kling 4.0 không có mức giá theo giây từ nhà cung cấp. Ứng dụng vận hành bằng tín dụng thông qua các gói của Kling AI; API đang trong giai đoạn truy cập sớm. Các niêm yết của nhà bán lại báo giá theo giây, nhưng đó không phải giá của Kuaishou và chúng biến động đủ rộng đến mức dùng một mức giá làm mục ngân sách sẽ chỉ là phỏng đoán.

Để có một mốc so sánh thực tế, thế hệ Kling trước đã được định giá và đang được triển khai trong sản xuất. Trên OrcaRouter, kling/kling-v3 và kling/kling-v3-omni có giá $0.084 mỗi yêu cầu, kling/kling-3-turbo là $0.112, và các gói 2.x cũ hơn có giá từ $0.042 đến $0.28. Đó là giá theo yêu cầu chứ không phải mức giá theo giây, nên chúng không khớp một-một với bảng giá của Grok, nhưng đây là những con số mà người mua Kling thực sự có thể dùng ngay hôm nay.

Truy cập và bề mặt chỉnh sửa

Grok Imagine Video có thể truy cập thông qua API của xAI và sản phẩm Grok dành cho người tiêu dùng. Mô hình 1.5 hoạt động bất đồng bộ: gửi yêu cầu, thăm dò một ID yêu cầu, tải xuống. Dòng mô hình này đã được cung cấp đủ lâu để schema yêu cầu của nó được ghi tài liệu và các kiểu lỗi của nó đã được biết rõ. Phiên bản gốc xử lý công việc chỉnh sửa và kéo dài, giới hạn ở 720p và nguồn 8,7 giây; mô hình 1.5 tập trung vào tạo sinh và theo tài liệu không hỗ trợ chỉnh sửa hoặc kéo dài video như các tính năng được ghi tài liệu.

Kling 4.0 đã ra mắt trên ứng dụng và trang web Kling AI trên toàn cầu, với thông báo ra mắt toàn cầu vào ngày 16 tháng 10 năm 2026. API đang ở giai đoạn truy cập sớm, với hỗ trợ MCP và CLI được liệt kê. Phạm vi chỉnh sửa của nó được ghi nhận bao gồm các chỉnh sửa có mục tiêu đối với biểu cảm, chuyển động cơ thể, vị trí camera, phong cách và nền trên tối đa năm clip đầu vào trong một cửa sổ tổng cộng 30 giây — rộng hơn hỗ trợ chỉnh sửa được ghi nhận của Grok 1.5, nhưng hẹp hơn một trình biên tập video đa dụng.

Hiện nay cả hai mô hình đều không phải là tuyến của OrcaRouter, vì vậy không có nội dung nào ở đây ngụ ý rằng chúng tôi trực tiếp lưu trữ một trong hai. Thế hệ Kling mà chúng tôi thực sự cung cấp là Kling 3.0, đây là phương án dự phòng thiết thực nếu bạn đang thử nghiệm Kling 4.0 trong giai đoạn truy cập sớm. Rộng hơn, lý do để đặt một gateway phía trước ngăn xếp video là các mô hình này lỗi theo những cách khác nhau: một mô hình bị giới hạn tốc độ, một mô hình khác hết thời gian chờ khi tạo dài, mô hình thứ ba trả về trạng thái kết thúc không phải là thành công. Một điểm cuối tương thích OpenAI duy nhất với chuyển đổi dự phòng tự động và giá niêm yết của nhà cung cấp được truyền thẳng với mức phụ phí 0% không làm cho các mô hình tốt hơn, nhưng nó ngăn một endpoint tồi duy nhất biến thành cả một lô bị lỗi.

Ai nên chọn cái nào

• Chọn Grok Imagine Video original nếu bạn muốn mức giá công bố thấp nhất và nền tảng bằng chứng mạnh nhất. Với $4.20 mỗi phút và 14,371 phiếu bầu, đây là lựa chọn ít gây bất ngờ nhất trong so sánh, và đủ rẻ để dùng cho bản nháp.

Chọn Grok Imagine Video 1.5 nếu bạn cần độ phân giải gốc 1080p, các cảnh quay dài 15 giây, tối đa 14 ảnh tham chiếu và 3 giọng nói tham chiếu, cùng mức giá theo giây được công bố rõ ràng. Đây là Grok được trang bị tốt nhất cho một cảnh quay nhân vật có kiểm soát.

• Chọn Kling 4.0 nếu bạn cần một lượt chạy duy nhất 30 giây, 4K, 10 keyframe hoặc sản phẩm đầu ra 21:9, và bạn sẵn sàng dùng thử một API truy cập sớm chưa được chấm điểm, chưa định giá.

• Chọn Grok nếu bộ phận thu mua cần một con số trong tuần này; chọn Kling nếu cảnh quay cần cú máy dài hơn và bạn có thể chờ bảng giá.

Kết luận trung thực là hai mô hình này thực sự chưa cạnh tranh trong cùng một nhóm mua hàng. Grok Imagine Video là một dòng sản phẩm trưởng thành, được tính toán kỹ lưỡng, giá rẻ và được bán theo bảng giá công khai. Kling 4.0 là mô hình có trần cao hơn trong tuần đầu tiên được phát hành rộng rãi, còn bằng chứng và giá cả thì vẫn chưa có. Bước đi đúng đắn cho hầu hết các đội là giữ mô hình đã được tính toán kỹ trong môi trường sản xuất và thử nghiệm mô hình mới trên những cảnh quay thực sự cần 30 giây — đồng thời đọc lại cả bảng so sánh lẫn bảng giá sau một tháng, khi cột trống cuối cùng có thể đã có một con số.