Kling 4.0 vs Kling 3.0: Bản nâng cấp nằm ở dòng thời gian, không phải số điểm ảnh

Kling 4.0 đã chính thức ra mắt rộng rãi vào ngày 15 tháng 10 năm 2026, và điều đầu tiên đáng chú ý là những gì không thay đổi. Kling 3.0, phiên bản mà K​uaishou đã phát hành vào ngày 5 tháng 2 năm 2026, đã tạo được 4K gốc. Cả hai mô hình đều liệt kê 720p, 1080p và 4K. Cả hai đều nhận văn bản, hình ảnh và video làm đầu vào. Cả hai đều do cùng một công ty sản xuất, được bán qua cùng một trang sáng tạo và tạo ra những clip trông như thể đến từ cùng một dòng sản phẩm. Nếu bạn so sánh chúng ở dòng thông số kỹ thuật mà hầu hết mọi người kiểm tra đầu tiên, mô hình mới trông giống như một sai số làm tròn. Những lỗi AI và sự cố tác nhân được ghi nhận đằng sau các bản phát hành như bản này được tập hợp trong Kho lưu trữ sự cố AI OrcaRouter nơi mỗi mục đều có nguồn riêng, mức độ nghiêm trọng, xếp hạng độ tin cậy và cờ tranh chấp.

Không phải vậy. Sự khác biệt giữa hai thế hệ này nằm ở thời lượng — mô hình sẽ tạo ra bao nhiêu thời lượng trong một lần chạy, và bạn có thể chỉ đạo chính xác đến mức nào những gì diễn ra bên trong đó. Kling 4.0 tăng gấp đôi giới hạn tạo một lần từ 15 giây lên 30 giây, thay thế khung đầu và khung cuối bằng tối đa mười keyframe, và gần như tăng gấp đôi ngân sách tham chiếu. Đó là những thay đổi làm thay đổi quy trình làm việc. Còn nhãn 4K trên cả hai hộp sản phẩm là thay đổi làm thay đổi thông cáo báo chí.

Điều mà ghi chú phát hành thực sự tuyên bố, và điều đã thực sự được phát hành

Toàn bộ nội dung trong phần này đều đến từ ghi chú phát hành và trang tính năng của chính Kuaishou, được đọc vào ngày 22 tháng 10 năm 2026. Chưa có nội dung nào trong đó có điểm số độc lập phía sau, vì tính đến ngày đó, Kling 4.0 không xuất hiện trên bất kỳ bảng xếp hạng video nào trong ba bảng xếp hạng của Artificial Analysis — các bảng vẫn còn các dòng Kling 3.0 từ tháng Hai và không có gì mới hơn từ Kuaishou. Hãy coi những tuyên bố của nhà cung cấp chỉ là tuyên bố.

• Thời lượng — Kling 3.0: 3 đến 15 giây. Kling 4.0: 3 đến 30 giây trong một lần tạo, cùng tính năng gia hạn đa lần tạo lên tới 2 phút được ghi chú là sắp ra mắt.

• {{1}}Độ phân giải{{/1}} — cả hai: 720p, 1080p, 4K. {{2}}Kling 4.0{{/2}} bổ sung 21:9 bên cạnh 16:9, 1:1 và 9:16.

• Dải động — Kling 3.0: 8-bit SDR. Kling 4.0: 10-bit HDR ở 1080p và 4K, mà ghi chú phát hành đánh dấu là sắp ra mắt chứ chưa phát hành.

• Khung hình chính — Kling 3.0: chỉ khung đầu và khung cuối. Kling 4.0: tối đa 10 ảnh keyframe đặt ở bất kỳ vị trí nào trên dòng thời gian.

• Tham chiếu — Kling 3.0: tối đa 7 hình ảnh hoặc chủ thể mà không cần đầu vào video, hoặc 1 video cộng với 4 hình ảnh hoặc chủ thể, với video giới hạn tối đa 15 giây. Kling 4.0: tối đa 15 tài nguyên kết hợp — 10 hình ảnh, 5 video tổng cộng 30 giây, 7 yếu tố trong đó tối đa 3 yếu tố có thể dựa trên video, cùng với các tham chiếu giọng nói.

• Âm thanh — Kling 3.0: đơn kênh. Kling 4.0: stereo hai kênh, với thứ mà nhà cung cấp mô tả là đồng bộ khẩu hình khít hơn.

• Ngôn ngữ — Kling 3.0: tiếng Trung, tiếng Anh, tiếng Nhật, tiếng Hàn, tiếng Tây Ban Nha. Kling 4.0 bổ sung tiếng Bồ Đào Nha, tiếng Đức, tiếng Pháp và tiếng Hindi, cùng với các giọng vùng miền và phương ngữ cho tiếng Trung và tiếng Anh.

• Đầu vào prompt — Kling 4.0 nhận tối đa 8.000 token văn bản. Tài liệu tham chiếu API của chính Kling 3.0 giới hạn trường prompt ở 3.072 ký tự. Đó là các đơn vị khác nhau và nhà cung cấp chưa công bố cách quy đổi, nên đừng hiểu cặp số này là bội số trực tiếp.

Tại sao 30 giây lại thay đổi nhiều hơn độ dài clip

Mười lăm giây tương đương khoảng một hành động. Một cú xoay sản phẩm, một câu thoại, một cú máy, một phản ứng. Kling 3.0 được xây dựng dựa trên ràng buộc đó và khắc phục nó bằng cách lập kế hoạch đa cảnh: mô hình chia clip thành tối đa sáu cảnh và cắt chuyển giữa chúng, đó là cách bạn có được một chuỗi cảnh từ một phần tư phút.

30 giây của Kling 4.0 không thay thế mánh đó, nhưng nó thay đổi mục đích của mánh đó. Một cú máy dài giờ đây có thể chứa một nhịp thiết lập bối cảnh, một màn xuất hiện của nhân vật và một bước ngoặt mà không cần cắt, và chính khả năng điều khiển bằng mười keyframe là thứ khiến điều đó có thể đạo diễn được thay vì chỉ nhờ may mắn. Bài hướng dẫn của chính Kuaishou đặt các keyframe tại những thời điểm cố định — nhân vật bước vào ở giây thứ 4, sản phẩm ở giây 12, cú đẩy máy vào ở giây 20, chuyển cảnh ở giây 28 — đó là ngôn ngữ storyboard, chứ không phải ngôn ngữ prompt. Đó mới là nâng cấp thực sự: mô hình giờ tiếp nhận một kế hoạch quay phim thay vì một mô tả cú quay.

Nó cũng làm tăng chi phí của một lần quay hỏng. Một lần tạo 30 giây mà hỏng ở giây 24 sẽ lãng phí gấp đôi lượng tính toán so với một lần hỏng 15 giây, và K​uaishou chưa công bố chi phí của một lần tạo. Đó là điều thứ hai bạn nhận ra khi đọc thông cáo phát hành: không có bảng giá. API đang ở giai đoạn quyền truy cập sớm — bảng điều khiển nhà phát triển có một biểu ngữ ghi đúng như vậy — và không có giá công bố theo giây cho cả Kling 4.0 lẫn Kling 4.0 Flash. Bất kỳ con số nào bạn thấy được trích dẫn cho Kling 4.0 hôm nay đều là ước tính do ai đó suy ra, không phải mức giá của nhà cung cấp.

Ngân sách tham chiếu tăng lên, và phần chữ nhỏ cũng tăng theo.

"Tối đa 15 tham chiếu" là dòng tiêu đề, và giống như hầu hết các con số tròn, nó lan xa hơn các giới hạn trần bên dưới nó. Con số 15 là mức trần tổng hợp trên bốn loại tài nguyên, và các giới hạn theo từng danh mục không thể hoán đổi cho nhau: 10 hình ảnh, 5 video có tổng thời lượng không được vượt quá 30 giây, 7 phần tử bao gồm tối đa 3 phần tử dựa trên video, và các tham chiếu giọng nói gắn với phần tử. Bạn không thể dùng toàn bộ hạn mức cho hình ảnh.

Các giới hạn của Kling 3.0 chặt hơn theo cách có ý nghĩa đối với một công việc cụ thể: một video tham chiếu và chỉ bốn hình ảnh hoặc chủ thể đi kèm. Nếu quy trình của bạn là "tái hiện màn trình diễn này từ một clip và giữ bốn người này nhất quán", Kling 3.0 gần như có thể đáp ứng được. Nếu là "tái hiện màn trình diễn, giữ sáu người nhất quán, tái tạo sản phẩm này và địa điểm này", thì nó không thể, còn Kling 4.0 thì có thể.

Phần bổ sung còn lại là chỉnh sửa ngay trong mô hình. Kling 4.0 chấp nhận tối đa năm clip đầu vào cho một lần chỉnh sửa — một clip chính, mỗi clip từ 3 đến 30 giây, tổng cộng 30 giây — và nhà cung cấp tuyên bố có thể thay đổi có mục tiêu đối với biểu cảm, chuyển động cơ thể, vị trí camera, phong cách hoặc bối cảnh trong khi phần còn lại của khung hình vẫn được giữ nguyên. Kling 3.0 Omni có các quy trình làm việc dựa trên tham chiếu, nhưng chỉnh sửa là một chế độ riêng, không phải một phần của cùng một lần tạo. Liệu tuyên bố đó có đứng vững khi tiếp xúc với cảnh quay thực tế hay không lại chính là kiểu điều mà không trang nhà cung cấp nào có thể giải quyết.

Hôm nay bạn có thể gọi những gì và bằng phím nào

Đây là điểm mà hai mô hình không còn có thể thay thế cho nhau trên thực tế. Chúng tôi định tuyến Kling 3.0 chứ không phải Kling 4.0. Danh mục có kling/kling-v3 và kling/kling-v3-omni với mức giá cố định $0.084 mỗi yêu cầu, kling/kling-3-turbo ở mức $0.112, cùng các thế hệ 2.x và O1 cũ hơn; không có route Kling 4.0 và không có mã định danh nào để thêm cho đến khi API thoát khỏi giai đoạn truy cập sớm. Bất kỳ nội dung nào trong bài viết này mô tả Kling 4.0 là có thể gọi được đều đang mô tả nền tảng của chính K​uaishou, không phải của chúng tôi.

Đối với một đội muốn dùng thử mô hình mới mà không phải xây lại pipeline, sự bất đối xứng đó gợi ý cách tách rõ ràng: gọi Kling 3.0 qua router, nơi mô hình đã có giá và ổn định, và thử Kling 4.0 qua bề mặt truy cập sớm của nhà cung cấp cho đến khi có bảng giá. Khi có, cơ chế chuyển thẳng giá rất quan trọng — giá niêm yết của nhà cung cấp được chuyển thẳng qua mà không cộng thêm markup, nên thay đổi giá của K​uaishou hoặc ưu đãi ra mắt sẽ được áp lên hóa đơn của chúng ta ngay trong ngày thay vì vào lần gia hạn hợp đồng tiếp theo. Chuyển đổi dự phòng tự động là nửa còn lại: nếu một endpoint mới bị chập chờn khi chịu tải, yêu cầu sẽ được chuyển sang đường dẫn khỏe mạnh trước khi phản hồi bắt đầu thay vì hiện ra thành một tác vụ thất bại trong hàng đợi của bạn.

Quyết định, không cần đến tiếp thị

Chọn Kling 3.0 nếu cảnh quay của bạn có độ dài từ 15 giây trở xuống, hình ảnh tham chiếu của bạn chỉ gồm một vài ảnh, và bạn muốn một mức giá được công bố cùng một mô hình đã được đưa vào sản xuất được tám tháng. Nó hỗ trợ 4K nguyên bản, hỗ trợ nhiều cảnh quay, hỗ trợ âm thanh gốc, và với $0.084 mỗi yêu cầu trong danh mục của chúng tôi, đây là một trong những cách rẻ nhất để tạo ra một clip dùng được. Không có gì trong bản phát hành Kling 4.0 khiến nó kém hơn ở những công việc đó.

Chọn Kling 4.0 nếu ràng buộc mà bạn liên tục gặp phải là chuỗi cảnh: một cảnh quay dài 25 giây phải giữ được, một nhịp phải rơi đúng giây cụ thể, một cảnh cần sáu tham chiếu nhất quán và một sản phẩm. Đó là mục đích của thời lượng tăng thêm và dòng thời gian keyframe, và không lượng 4K nào bù đắp được việc không có chúng. Hãy dự trù cho mức giá chưa biết và cho việc 10-bit HDR, phần gia hạn 2 phút và bảng giá công bố vẫn đều đang được liệt kê là sắp ra mắt.

Câu hỏi mang tính thế hệ mà mọi người sẽ đặt ra — liệu 4.0 có tốt hơn 3.0 không — không thể trả lời từ một bảng điểm, vì mô hình mới không có điểm số độc lập. Điều có thể trả lời thì hẹp hơn và hữu ích hơn: hai mô hình giờ đây được xây dựng cho những độ dài cú đánh khác nhau, và mô hình có giá công bố là mô hình bạn có thể đưa vào pipeline ngay hôm nay. Đó không phải là một phán quyết về chất lượng. Đó là trạng thái của hồ sơ tính đến ngày 22 tháng 10 năm 2026.