Kling 4.0 vs Vidu Q4 Preview: Một trong hai không thể nhận lời nhắc văn bản

Mở Vidu Q4 Preview - trang sản phẩm - và đếm các chế độ tạo. Có hai: Image-to-Video và Reference-to-Video. Không có tab text-to-video, và tài liệu API cũng khớp — các endpoint là /ent/v2/img2video và /ent/v2/reference2video, và cả hai đều không chấp nhận chỉ một prompt. Kling 4.0, ngược lại, là một mô hình ưu tiên văn bản nhưng cũng nhận hình ảnh, khung đầu và cuối, và tối đa mười keyframe. Trước mọi so sánh về Elo, độ phân giải hay giá, đó là yếu tố quyết định phần lớn dự án: một trong hai mô hình có thể bắt đầu từ một câu, còn mô hình kia cần một bức ảnh.

Mọi thứ khác trong màn so tài này đều là hệ quả của điều đó. Vidu Q4 Preview là một công cụ chuyên biệt cho những cảnh quay bắt đầu bằng một hình ảnh. Kling 4.0 là một trình tạo đa dụng với giao diện điều khiển dành cho đạo diễn. Hai công cụ này trùng nhau ở khả năng chuyển ảnh thành video và khác biệt rõ rệt ở mọi điểm còn lại.

Shengshu đã phát hành gì vào ngày 7 tháng 10

Vidu Q4 Preview là bản xem trước công khai đầu tiên của mẫu flagship thế hệ tiếp theo của Vidu, được phát hành có chủ đích trước mô hình Q4 đầy đủ để các phản hồi có thể định hình bản phát hành cuối cùng. Nó tạo video kèm âm thanh gốc — bật theo mặc định, bao gồm cả hội thoại và hiệu ứng âm thanh — và thông số kỹ thuật của nó tỏ ra hào phóng một cách bất thường ở phía tham chiếu.

• Chế độ — Image-to-Video, 3 đến 16 giây; Reference-to-Video, 1 đến 16 giây. Không có text-to-video.

• Độ phân giải — một thang từ 540p, 720p, 1080p, 2K đến 4K, trong đó 2K và 4K có độ sâu màu 10-bit.

• Tham chiếu — tối đa 15 hình ảnh tham chiếu và tối đa 3 clip âm thanh tham chiếu, mỗi clip dài từ ba đến mười hai giây.

• Độ dài lời nhắc — tối đa 20.000 ký tự trên endpoint image-to-video.

• Âm thanh — native, mặc định là true. Bạn chủ động tắt nó thay vì bật.

• URL trả về — URL tạo vẫn có hiệu lực trong 24 giờ, điều này rất quan trọng nếu bạn xử lý hàng loạt rồi mới kết xuất sau.

Tuyên bố về hiệu quả của nhà cung cấp — “cho ra sản lượng gấp tới năm lần với cùng ngân sách” trong các thông số kỹ thuật tương đương — chỉ là một chiêu tiếp thị cho đến khi có ai đó tái lập được kết quả đó, và tài liệu ra mắt của chính Shengshu có kèm lưu ý rằng giá cuối cùng, độ phân giải được hỗ trợ, tính khả dụng của tính năng và điều khoản sử dụng có thể khác nhau tùy theo gói và khu vực.

Kling 4.0 cung cấp những gì trên cùng một trục

Kling 4.0 đã có mặt cho tất cả mọi người kể từ ngày 15 tháng 10 năm 2026. Trên khía cạnh hình ảnh sang video, đây là lựa chọn linh hoạt hơn trong hai: tối đa 10 ảnh keyframe mà bạn có thể đặt để xác định trạng thái nhân vật và thay đổi cảnh, ngân sách tham chiếu 15 mục được chia trên 10 ảnh, 5 video với tổng thời lượng tối đa 30 giây, tham chiếu giọng nói và 7 phần tử, cùng thời lượng một lượt từ 3 đến 30 giây.

Khoảng cách về thời lượng là điều lộ rõ khi dựng. Vidu Q4 Preview dừng ở 16 giây. Kling 4.0 chạy tới 30 giây trong một lần, với tính năng kéo dài tới 2 phút được ghi là sắp ra mắt. Với cảnh quay 20 giây, Vidu cần ghép nối còn Kling thì không. Với cảnh quay 10 giây — đơn vị thực tế của phần lớn công việc mạng xã hội và quảng cáo — khác biệt này biến mất.

Độ phân giải gần nhau hơn những gì tiếp thị gợi ý. Cả hai đều tuyên bố 4K. Các gói 2K và 4K của Vidu hiện đã được cung cấp với độ sâu màu 10-bit; 10-bit HDR ở 1080p và 4K của Kling được đánh dấu là sắp ra mắt trên ghi chú phát hành và trang tính năng của chính Kuaishou, cùng với 4K gốc với 21:9. Nếu đầu ra 10-bit là yêu cầu bắt buộc trong quý này, thì tuyên bố của Vidu là tuyên bố hiện đang được cung cấp, tùy thuộc vào lưu ý về gói dịch vụ và khu vực.

Các tấm biển nói điều gì đó hẹp hơn nội dung quảng cáo khi ra mắt.

Artificial Analysis vận hành các bảng xếp hạng video với thang Elo riêng và nhóm phiếu bầu riêng, và chúng được đánh phiên bản. Tại lần ra mắt hồi tháng 10 trên bảng xếp hạng image-to-video v1.0 — image-to-video, giữ nguyên âm thanh — Vidu Q4 Previewđã vào vị trí thứ ba với Elo 1.179 ±10 trên 5.543 mẫu, ở mức 7,20 USD mỗi phút được theo dõi. Phía trên nó là MiniMax H3 Max với 1.195 và MiniMax H3 với 1.181; Gemini Omni Flash đứng thứ tư với 1.178. Các khoảng mười điểm từ vị trí thứ ba đến thứ sáu gần như chồng lấn hoàn toàn, nên "thứ ba" khi đó vẫn chỉ là một vị trí nằm trong vùng nhiễu.

Khoảng cách không nằm trong vùng nhiễu chính là khoảng cách tới người tiền nhiệm của Vidu. Trong lần ghi nhận đó, Vidu Q3 Pro đứng thứ mười chín với 1,056. Mức dịch chuyển 123 điểm chỉ trong một bản phát hành còn lớn hơn toàn bộ khoảng trải điểm trong top sáu của bảng xếp hạng, và đây là bằng chứng mạnh nhất cho thấy bản xem trước này là một bước tiến thực sự mang tính thế hệ chứ không phải chỉ là một màn đổi thương hiệu.

Sau đó bảng xếp hạng đã thay đổi. Phiên bản tôi đọc ngày 23 tháng 10 là AA-Video-I2V v1.1, và nó liệt kê 24 mô hình: MiniMax H3 đứng đầu với 1,140, FLUX 3 Max đứng thứ hai với 1,138, Dreamina Seedance 2.5 đứng thứ ba với 1,138, MiniMax H3 Max đứng thứ sáu với 1,125, và Vidu Q3 Pro đứng thứ mười bảy với 1,016. Vidu Q4 Preview không xuất hiện ở bất kỳ đâu trong danh sách đó. Ghi chú ở đầu bảng cho biết ba mô hình đã được thêm trong 30 ngày qua, và không nêu mô hình nào trong số đó là bản xem trước của Vidu.

Tôi sẽ không giả vờ rằng điều đó có nghĩa là mô hình đã trở nên tệ hơn, và tôi cũng không thể nói cho bạn biết vì sao nó bị thiếu — liệu nó đã bị rút, bị phân loại lại, hay đơn giản là không được đưa sang phiên bản bảng mới. Điều đó có nghĩa là mọi tuyên bố “thứ ba thế giới” về mô hình này, kể cả tuyên bố mà bài viết này mở đầu, đều là phát biểu về một lần ghi nhận cụ thể trên một phiên bản bảng cụ thể, và hiện tại bảng đó không xác nhận điều ấy. Hãy coi thứ hạng là lịch sử và trang sản phẩm là sự thật bền vững.

Trên bảng xếp hạng văn bản-thành-video, Vidu Q4 Preview chưa từng xuất hiện — và việc vắng mặt đó không phải là vấn đề điểm số. Mục Vidu tốt nhất ở đó là Vidu Q3 Pro, ở giữa bảng, trong khi Wan 3.0 dẫn đầu. Điều này khớp với trang sản phẩm: đây là một mô hình hình ảnh và tham chiếu, và bảng xếp hạng văn bản-thành-video không đo lường nó.

Kling 4.0 cũng không xuất hiện trên bất kỳ bảng nào trong số này, tám ngày sau khi phát hành rộng rãi. Đó không phải là điểm thấp; mà là không có điểm, theo cả hai hướng. Vì vậy, việc so sánh chất lượng giữa hai mô hình này không tồn tại trong bất kỳ đơn vị chung nào, và con số độc lập duy nhất trong bài viết này thuộc về một mô hình mà bảng xếp hạng hiện tại không còn liệt kê.

Hai con số về giá, và con số bạn nên dựa vào để lập ngân sách

Shengshu quảng cáo Vidu Q4 Preview “từ $0.014 mỗi giây”, tức $0.84 mỗi phút. Bản ghi tháng 10 của Artificial Analysis ghi nhận cùng mô hình ở mức $7.20 mỗi phút. Đó không phải là cùng một sản phẩm: con số ra mắt là mức giá khuyến mại thấp nhất, gần như chắc chắn nằm ở cuối thang độ phân giải, còn con số được theo dõi là mức giá đo được ở độ phân giải sản xuất. Nhà cung cấp cũng nói thẳng rằng giá là khuyến mại và có thể thay đổi theo gói và khu vực. Hãy lập ngân sách theo con số cao hơn và coi con số thấp hơn là ưu đãi thu hút khách hàng.

Giá xem trước được công bố của Kling 4.0 là $0.157 mỗi giây ở 720p và $0.235 ở 1080p — tức $9.42 và $14.10 mỗi phút — không có mức giá 4K nào cả và trang vẫn đánh dấu mô hình là Coming Soon. Với những con số đó, hai mô hình nằm cùng một dải ở độ phân giải sản xuất, với Vidu rẻ hơn và Kling mang lại cho bạn thêm 14 giây mỗi lần tạo.

• Mỗi clip 1080p dài 10 giây — Vidu ở mức $7,20/phút được theo dõi tương đương khoảng $1,20. Kling 4.0 ở mức $0,235/giây là $2,35.

• Tính trên mỗi 30 giây cảnh quay hoàn chỉnh — Vidu cần hai lần tạo và một lần ghép, khoảng 3,60 USD cộng thời gian chỉnh sửa. Kling 4.0 chỉ cần một lần, với giá 7,05 USD.

• Tính trên mỗi 100 clip dài mười giây — Vidu khoảng 120 USD; Kling khoảng 235 USD; phương án cơ bản MiniMax H3 được đề cập bên dưới khoảng 80 USD.

Quyền truy cập: một cái có thể gọi được, cái còn lại đang trong quá trình triển khai dần.

Cả hai mô hình đều không phải là lựa chọn mặc định tự phục vụ gọn gàng. Vidu Q4 Preview có API thực sự với các endpoint được tài liệu hóa, khiến nó dễ xây dựng hơn hiện nay so với Kling 4.0, mà API của mô hình này bắt đầu mở theo từng đợt từ ngày 21 tháng 10 trong khi bảng giá dành cho nhà phát triển vẫn ghi rằng mô hình chưa khả dụng. Nhưng bản dựng của Vidu rõ ràng là bản xem trước: giá khuyến mại, tính năng khả dụng có thể thay đổi, và thậm chí một bí danh mô hình bị gõ sai — viduq4-previerw — nằm cạnh bí danh đúng trong tài liệu. Đó là một chi tiết nhỏ nhưng cho bạn biết một điều đúng về vị thế của bản dựng này.

Đối với một nhóm cần cả lộ trình ưu tiên văn bản lẫn lộ trình ưu tiên hình ảnh, cách làm thực tế là giữ lựa chọn ở lớp định tuyến thay vì trong mã ứng dụng. OrcaRouter không lưu trữ mô hình nào trong hai mô hình này — không có mã định danh Vidu trong danh mục và không có tuyến Kling 4.0 — nhưng nó có Kling 3.0 với $0.084 mỗi yêu cầu và MiniMax H3 với $0.08 mỗi giây video được tạo, trên một endpoint tương thích OpenAI trên hơn 200 mô hình theo giá niêm yết của nhà cung cấp với mức markup 0%. DSL định tuyến là phần phù hợp với sự kết hợp cụ thể này: nó cho phép bạn đặt một mô hình ưu tiên văn bản và một mô hình ưu tiên hình ảnh sau một giao diện để quyết định trở thành một tham số, và chuyển đổi dự phòng tự động nghĩa là một tuyến xem trước bị ngừng hoạt động không kéo theo cả lô.

Việc chọn giữa chúng chủ yếu là vấn đề về khung hình đầu tiên của bạn.

Nếu cảnh quay của bạn mở đầu bằng một câu, Vidu Q4 Preview là công cụ sai và không mức Elo nào thay đổi được điều đó. Bạn sẽ tạo một ảnh tĩnh ở nơi khác rồi chuyển nó sang — đó là một quy trình hợp lệ, và nhiều đội nhóm cố ý áp dụng vì nó cho họ quyền kiểm soát khung hình mở đầu.

Nếu cảnh quay của bạn bắt đầu bằng một bức ảnh, ảnh sản phẩm, bảng thiết kế nhân vật hay khung phân cảnh, Vidu Q4 Preview là lựa chọn có nhiều bằng chứng hơn trong hai: nó đứng thứ ba trên bảng xếp hạng, cải thiện 123 Elo so với chính phiên bản tiền nhiệm, nhận 15 ảnh tham chiếu và 3 đoạn âm thanh, và 10-bit 4K của nó đang được phát hành thực tế chứ không chỉ là lời hứa. Trần 16 giây là cái giá phải trả.

Nếu bạn cần thời lượng, dàn dựng keyframe hoặc một lộ trình text-to-video với ngân sách tham chiếu, Kling 4.0 là lựa chọn duy nhất trong hai công cụ cung cấp những tính năng đó — và bạn nên coi giá của nó là tạm thời cho đến khi Kuaishou công bố mức giá 4K và gỡ biểu ngữ Coming Soon.

Điều có thể thay đổi bức tranh này không phải là một thông số kỹ thuật khác. Mà là một mục Kling 4.0 trên bảng image-to-video — nơi duy nhất hai mô hình này thực sự có thể được so sánh theo cùng một đơn vị — và một bản phát hành Vidu Q4 đầy đủ, bản này hoặc giữ nguyên hạn mức tham chiếu 15 ảnh và 4K 10-bit, hoặc âm thầm thu hẹp chúng khi giá khuyến mãi kết thúc. Cho đến khi cả hai cùng tồn tại, thứ hạng trung thực chính là thứ hạng mà các bảng xếp hạng hỗ trợ vào ngày bạn đọc chúng: Vidu Q4 Preview từng được đo ở vị trí thứ ba vào tháng 10 và hiện không có trong danh sách, Kling 4.0 chưa được đo ở bất cứ đâu, và khung hình đầu tiên của bạn quyết định câu hỏi bạn đang đặt ra là gì.