Genie 4 对比 Kling 4.0 的标题卡,标题为“八秒难题的两种答案”:一张卡将 Genie 4 描述为约一分钟的 720p 实时世界,另一张卡将 Kling 4.0 描述为单次生成 3 至 30 秒、最高 4K。
Guides & Insights

Genie 4 与 Kling 4.0:八秒难题的两种解法

作者

jinhao.song

发布日期

最新模型 · 20查看全部模型 →
基准测试:Artificial Analysis · 每日更新
返回全部文章

两年来,生成视频的时长上限大约为八秒,而每家实验室攻克它的方式各不相同。K​ling 4.0 选择延长片段:单次生成可达 3 到 30 秒,最多可用十张关键帧图像维持镜头连贯,支持双声道音频,并且价格可按秒相乘计算。Genie 4 则干脆放弃了“片段”这一概念。它的会话持续约一分钟,但你前方不会有任何内容被预先渲染——世界会在你行走时生成,分辨率为 720p、最高每秒 24 帧,而且你可以在会话中途输入新指令,看着天气发生变化。K​ling 4.0 回答的是“我怎样才能得到更长的镜头”。Genie 4 回答的是“如果没有镜头会怎样”。

两个答案都不是彼此的后继方案,定价也证明了这一点。K​ling 按价目表按秒出售:720p 每秒约 $0.157,1080p 每秒 $0.235,并提供有文档记录的 API,背后有三个端点。Genie 4 以每月 $99.99 的订阅费出售一个浏览器产品,没有 API、没有模型 ID,也完全没有按次生成费用。一个是你可以预测的成本项。另一个是一个席位。

突破八秒的两种方法,以及每种方法会让你付出什么代价

K​ling 的路线是保守的:让片段更长,却不改变片段的本质。K​ling 4.0 于 2026 年 10 月 15 日面向所有人推出,支持 3 至 30 秒原生生成;围绕它的整套机制都旨在控制这一时间窗内发生的内容——最多十张关键帧图像,用于在选定时刻固定构图;最多十五个组合参考素材(十张图像、五段总计三十秒的视频、七个元素,其中三个基于视频,外加语音参考);以及最高 8,000 个 token 的提示词,让你能按三十秒镜头所需的细致程度来描述一个镜头。

Genie 的路线改变了工作单元。根本不存在从提示到文件的步骤。你从文本或图像中播种一个世界,然后用键盘和鼠标在其中导航,同时 Gemini 模型观察画面帧,而世界模型会凭空生成转角之外的内容。会话中途提示是 Google 主推的功能:改变天气、加入一个角色、改变动作走向,场景无需重置即可适应。会话在约一分钟后结束——Google 的模型卡称“约一分钟的连续交互”,并将视觉漂移和物体恒存性列为较长运行以及反复复杂编辑后已知的失败模式。

• 输出单位 — K​ling 4.0 交付一个 3 至 30 秒长的视频文件,而 Genie 4 则交付约一分钟的实时会话;除非你录制,否则不提供文件。

分辨率——K​ling 4.0 在发布规格中支持 720p、1080p 和 4K,并在 1080p 和 4K 下支持 10-bit HDR,而 Genie 4 为 720p、最高 24 fps,仅此而已。

• 控制 — Kling 4.0 通过十个关键帧、首帧和尾帧、十五个参考素材以及最多五个输入片段进行编辑,而 Genie 4 则通过实时导航以及会话期间键入的提示词实现控制。

• 音频 — Kling 4.0 支持双声道立体声,具备唇形同步与对话能力,覆盖十余种语言及地区口音;相比之下,Genie 4 则擅长生成与画面同步的环境音、音乐和互动对话。

• 价格——K​ling 4.0 的 720p 输出为每秒 $0.157,1080p 为 $0.235,依据 K​ling 自己的单价表;相比之下,Genie 4 包含在 Google AI Ultra 每月 $99.99 的订阅中,另有 $199.99 档位仅提高使用限额。

• 访问方式——通过 Web 应用和提供三个端点的有文档 API 使用 Kling 4.0,而 Genie 4 则通过浏览器中的 Project Genie 使用;Genie 4 面向符合条件的 Ultra 订阅者,设有 AI Pro 候补名单且不提供 API。

• 独立评分——没有任何人将两者相互对照衡量。K​ling 未发布 4.0 的基准测试;G​oogle 也未发布 Genie 4 的基准测试。

账单是算出来的,而非估算的

Kling 的价目表以每“单位”0.157 美元计价,每秒价格直接由此得出。在 720p 且无输入视频时,Kling 4.0 输出一秒为一个单位,即 0.157 美元。1080p 下则为 1.5 个单位,即 0.235 美元。自带素材时,名义费率降至 0.6 和 0.9 个单位——但计费规则基于时长,当输入片段短于或等于输出时,按输出时长的两倍计费,这远远抵消了折扣。

因此,一条 30 秒的 K​ling 4.0 生成镜头在 720p 下大约花费 4.71 美元,在 1080p 下大约花费 7.05 美元。两条镜头——比如一条用于测试、一条用于保留——总计约为 9.42 美元和 14.10 美元。这就是一分钟可用 K​ling 素材的全部成本,而且这是一个你可以直接放进预算表格、无需征得任何人许可的数字。

Generated cost card headed What a 30-second shot costs, showing Kling 4.0 at $4.71 for one 30-second take at 720p and $9.42 for two, against Genie 4 at $99.99 for a month of sessions with no per-second price and no API to bill against.

Genie 4 并没有对应的数字,这并非 Google 在故弄玄虚,而更像是另一门生意。花 99.99 美元可以买到 Project Genie 内一个月的会话,附带新智能体、社区画廊以及 Genie 3 升级——三分钟运行、世界串联、360 度全景种子。它买不到的是可预测性:Ultra 层级的使用限制并未以生产规划者能换算成每周会话数的单位公布,因此一天中的第十次会话是免费的,直到它不再免费为止。

在单一交付物上比较两者,差距非常悬殊。一段带声音的三十秒镜头:K​ling 4.0,4.71 美元,一个文件,搞定。Genie 4,99.99 美元的订阅,外加一段无法以完全相同方式重跑的会话录屏。这不是更差的交易——而是另一种产品;把它当作同一种产品来定价,正是团队最终买错东西的原因。

Kling 4.0 的规格强于其可用性之处

仔细阅读发布材料后,有一点很突出:K​ling 4.0 宣传的是 4K,而 10 月端点的 API 文档列出的是 720p 和 1080p,以及 21:9 和自适应比例。4K,以及 1080p 和 4K 下的 10-bit HDR,都列在模型的能力表中;但它们并不是开发者如今调用 /text-to-video/kling-4.0 时从分辨率枚举中选择的内容。这一点很重要,因为 4K 正是 K​ling 在像素数上以九倍优势胜过 Genie 4 的那一项,而这也是你目前还无法据以计费的那一项。

另一种不对称在于音频。K​ling 4.0 的音频是后期制作资产:立体声、口型同步、属于一组具名语言并带有具名地区口音,附着在一段不会变化的片段上。Genie 4 的音频则是一种表演——它会随着你的移动而自适应,这更有趣,也可控性低得多,而 G​oogle 在发布说明本身中就把实时音频精度列为开放研究问题之一。如果你是在为角色配音,K​ling 的就是你想要的规格。如果你是在设计一个空间并想听到它,Genie 是两者中唯一能做到的那个。

今天,双方各自实际可调用的是什么?

K​ling 4.0 已有文档化的 API。三个端点——文生视频、图生视频和全模态视频——各自是独立的请求路径,而不是一个带模式标志的端点;如果你要构建选择器,这就意味着三条集成分支和三套输入校验。API 上的提示词最长可达 26,000 个英文字符,这与发布稿中引用的 8,000 个 token 是不同单位,因此这两个数字不可互换。

Genie 4 完全没有 API。这一点值得直说,因为一篇暗示并非如此的对比文章会白白浪费开发者一个下午。没有模型 ID,没有端点,没有按次生成计费,而且每个第三方平台都处于同样的境地——包括我们。我们不提供 Genie 4,也无法将其路由。

我们实际提供的是它的上一代。K​ling 3.0 和 K​ling 3.0 Turbo 已收录在我们的目录中,分别为 kling/kling-v3 和 kling/kling-3-turbo,每次请求 $0.084 和 $0.112,与 K​ling 3.0 Omni 和 K​ling O1 并列——一个密钥,无需第二份合同。如果你要在承诺 4.0 的按秒费率之前,先做成本测试,看看 K​ling 的运动和音频是否适用于你的流水线,这就是低成本的验证方式;请求价格是供应商的价格,原样转付,不额外加价。

Screenshot of the OrcaRouter catalogue page for Kling 3.0, showing it listed as a flagship text-to-video model with per-request pricing and a video generations endpoint path.

谁应该选哪个

如果交付物是要交给别人的镜头,就选 K​ling 4.0。它有价目表、API、足以在三十秒内保持角色一致性的参考控制、带有所需语言口型同步的立体声音频,以及至少声称达到 4K 的分辨率阶梯。发布演示——K​ling 自己的宣传片、其作品库中获戛纳认可的那些短片——全都是经过构图的镜头,这正是对它用途的诚实广告。

如果交付物是一项决策,而且一分钟足以得出这项决策,就选 Genie 4。为场景做调度、测试布景从低机位看是否成立、让客户穿行于一个尚不存在的空间:这些工作里,交互性比分辨率更有价值,而且没人指望最终得到一个母版文件。G​oogle 随该画廊推出的两个具名合作项目——“Villa Giallo”和“The Life of Ants”——都被组织成探索,而非影片,这也是从另一个方向传来的同一信号。

如果你需要的是大规模调用量,那就两个都别选。这两款模型在定价和构建上都不是为了每天上千次调用,而且两家厂商都在某种程度上把各自的输出描述为研究级——G​oogle 明确这样形容 Genie 4 的漂移和物理表现,而 K​ling 的 4K 在你实际会调用的端点上仍只是一项规格,而不是一个可选项。

怎样才能了结此事?

两项进展,任何一项都足以终结这场争论。第一项是 Genie 4 获得 API 和按秒计价;一个可以从队列中调用、按公开费率计费的世界模型,在唯一真正决定过胜负的维度上——即每可用秒的成本——变得与 K​ling 可比。第二项是 K​ling 在其已经记录的端点上交付 4K 和 10 位 HDR——这使能力表变成可交付之物,并消除了 Genie 4 的交互性唯一一处可以毫无对手地竞争的地方。

在其中任何一个真正落地之前,只有拒绝给它们打分,这个比较才是诚实的。Kling 4.0 是更适合制作视频素材的工具。Genie 4 是两者中唯一能让你在素材生成过程中置身其中约一分钟、分辨率 720p 的那个。这是两句不同的话,无论怎样措辞,都不能把一句变成另一句。

Generated two-column scoreboard comparing Genie 4 and Kling 4.0 across output, length, control, audio, price and access, with Genie 4 at 720p for about a minute in a browser only and Kling 4.0 up to 4K for 3 to 30 seconds at $0.157 a second with ten keyframes and fifteen reference assets.