Kling 4.0 与 Flux 3 Video 对比：一个有价目表，另一个有天花板

这两款Kling 4.0和Flux 3 Video都接受文本、图像和视频，都承诺输出 4K，并且在生成画面的同一轮中生成音频。区别在于，其中一款你能算出价格。来自 Black Forest Labs 的 Flux 3 Video 于 2026 年 8 月 4 日全面上市，公布了按秒计费的价目表，并在 Artificial Analysis 文本生成视频排行榜上拥有评分条目。Kling 4.0 自 2026 年 10 月 15 日起已进入消费者应用，单次可生成最长 30 秒，但既没有厂商按秒计费的价格，也没有独立的 Elo 评分。因此，这不是简单的功能对功能比较；而是将一个今天就能据此编制预算的产品，与一个纸面上限更高的产品进行比较。

如果你把两个问题分开来看，这个决定就变得异常清晰。哪个模型能拍出这个镜头？哪个模型才是你这个季度真正能定下来的？这两个答案并不相同，而大多数横向对比的文章却把它们混为一谈。

两个看板，无共享列

Artificial Analysis 在文生视频榜单上列出了 Flux 3 Video，其以 Elo 1,128 排名第六，在 6,179 个样本上的 95% 置信区间为 ±9，归一化价格为每分钟 17.40 美元，记录的发布日期为 2026 年 7 月。Black Forest Labs 则将公开发布日期定为 2026 年 8 月 4 日，此前自 7 月 23 日起为早期访问；这一差异是榜单记录造成的偏差，而非关于该模型的自相矛盾。

截至 2026 年 10 月 23 日，Kling 4.0 未出现在该榜单上，也未出现在图生视频和编辑榜单上。上一代 Kling 3.0 有对应条目；新模型则没有。任何在 Kling 4.0 旁边标注 Elo 的对比页面，引用的都是旧模型。唯一诚实的说法是：这场对比中，一方有实测排名，另一方则是空白。

Flux 3 Video 所在的那一行也比其产品范围更窄。厂商文档记录了文生视频、图生视频、视频生视频和视频续写，并支持由关键帧控制的转场。Artificial Analysis 只对文生视频配置进行评分，因此榜单上的数字描述的是该多模态模型的一种模式，而不是它的全部能力范围。这是榜单的局限，而不是模型的局限。

里面放什么

Flux 3 Video 是一款多模态视频模型，其输入列表比它在榜单条目中所显示的更为广泛：文本提示词、用作首帧的静帧图像、用于视频到视频和续写的视频，以及用于受控转场的关键帧。单次生成时长最高可达 20 秒，其中文本生成视频和图像生成视频为 5 至 20 秒，续写为 5 至 15 秒。分辨率按像素档位而非固定宽高比出售——HD 约为每帧 1 百万像素，FHD 为 2 百万像素，QHD/2K 为 4 百万像素，UHD/4K 为 8 百万像素——供应商还提供可选的原生音频，包含多语言对白、同步语音、音效和环境声，且不额外收费。

Kling 4.0 的输入方案围绕额度而非模式列表展开。Omni Reference 在单个任务中最多接收 15 个素材，上限为 10 张图片、5 段总时长 30 秒的视频和 7 个主体，其中最多 3 个主体可基于视频；每个主体都可指定一个声音。除此之外，它最多接受 10 张关键帧图像，提示词最长 8,000 个 token，并输出 3 至 30 秒、720p、1080p 或 4K 的内容，宽高比中包含 21:9。发布说明还列出了定向编辑功能，可在总计 30 秒的时间窗口内跨最多五个输入片段进行编辑。

对比之处不在于“一个接收图像，另一个不接收”，而在于 Flux 3 Video 将输入呈现为具有不同时长的不同模式，而 Kling 4.0 将其呈现为一个具有共享额度的单一任务。一次 20 秒的 Flux 生成和一次 30 秒的 Kling 生成都是单次生成；Kling 的单次生成可以携带更多身份和运动参考，而 Flux 的单次生成有公开定价。

分辨率与 HDR 注意事项

两家供应商都宣称支持 4K，也都应受到同等严格的审视。Black Forest Labs 将分辨率作为像素档位来销售，并把 HD、FHD、QHD/2K 和 UHD/4K 列为价目表档位；多份第三方摘要报告称，2K 和 4K 属于已公布或正在逐步推出，而非普遍可用，因此在你的账户层面，应把最高档位视为路线图问题，而不是默认配置。Kling 4.0 将 720p、1080p 和 4K 列为输出设置，但 Kuaishou 的发布说明和功能页面明确将 1080p 和 4K 下的 10-bit HDR 标注为“即将推出”。已交付产品所宣称的是不带 HDR 的原生 4K；HDR 则并非如此。

两家模型都没有发布独立的、按分辨率归一化的质量对比。榜单将价格归一化为 1080p 每分钟的价格，因此 Flux 3 Video 的 $17.40/分钟可与其他行比较，却无法与 Kling 4.0 缺失的数值比较。

价格：本季度真正起决定性作用的部分

Flux 3 Video 的价目表很具体。文生视频和图生视频在草稿 HD 下为每秒 $0.06，HD/720p 为 $0.17，FHD/1080p 为 $0.29，QHD/2K 为 $0.40，UHD/4K 为 $0.80。视频转视频和续接更高：草稿 $0.12，HD 约 $0.41 至 $0.43，FHD $0.53 至 $0.54，2K $0.65，4K $0.95。音频包含在内。一段五秒的 HD 片段按标准费率约为 $0.85，这还未计入任何批量或平台协议。

截至2026年10月23日，Kling 4.0 没有供应商提供的按秒计费费率。该应用通过 Kling AI 的订阅计划以积分方式运行。API 处于早期访问横幅之后，快手尚未发布费率卡。第三方平台列出了按秒计费的数字，但那些是经销商价格，不是供应商的价格，而且会独立变动。如今对这两个模型进行成本比较，将是在比较一个已发布的费率和一个估算值。

就可用的基准而言，上一代 Kling 已有定价。在 OrcaRouter 上，kling/kling-v3 与 kling/kling-v3-omni 标价为每次请求 $0.084，kling/kling-3-turbo 为 $0.112，较旧的 2.x 各档为 $0.042 至 $0.28。这些是按请求计算的目录价格，而非按秒计费率，因此无法直接与 Flux 的价格表进行归一化对比；不过在 Kling 4.0 费率尚不明确的情况下，它们是你可以纳入预算的真实数字。

音频与曲目数量问题

Flux 3 Video 的音频是可选的、原生的，并包含在按秒计费的价格中，支持多语言对白、同步语音、音效和环境声。Kling 4.0 生成双声道立体声，改进了唇形同步和九种语言的对白，并支持指定的英语和普通话口音。两者都是厂商声明，且两家厂商均未公布音轨数量。如果你需要将对白、音乐和音效作为可分离的分轨，两份规格表都没有说明你能否获得这些内容。请为在 DAW 中进行二次处理或重新生成预留预算，而不是为干净的多轨导出预留预算。

权重、访问与集成

这两个模型都不是开放权重的。Flux 3 Video 的榜单条目中没有权重链接，Black Forest Labs 通过其 API 和控制台提供该模型；Kling 4.0 则是通过 Kuaishou 的应用和开放平台托管的模型。如果自托管是硬性要求，那么两者都不是答案，而且 Black Forest Labs 在开源发布方面的声誉并不能改变这个检查点上的许可证。

Flux 3 Video 自 8 月初起已全面可用，因此其请求契约已经有一个季度的时间来稳定下来。Kling 4.0 的 API 处于早期访问阶段，这在以往意味着需要申请并等待，而不是公开的价目表；MCP 和 CLI 支持已列出，这对智能体和构建脚本有帮助，但并不能使该端点全面可用。

这两款模型目前都不是 OrcaRouter 的路由，本文也并非声称我们托管其中任何一款。我们实际提供的是 Kling 3.0 系列，以及通过一个 OpenAI 兼容端点提供的 200 多个文本和多模态模型，按提供商列表价、零加价。对于在试用 Kling 4.0 的同时将生产路径保留在 Flux 或 Kling 3.0 上的团队，有用的架构是在调用前使用稳定的模型名称，并设置其后的自动故障转移，这样，一个会限流或消失的早期访问端点就不会把整批任务一起拖垮。这也正是为什么要同时保留两家视频供应商的同一个理由：第二家是保险，而不是对质量的对冲。

谁应该选哪个

• 如果你需要公开的按秒计价、带评分的文生视频条目、20 秒时长上限以及原生音频，就选 Flux 3 Video。两者之中，只有它能在本周的预算会议上获得批准。

• 如果镜头需要 30 秒不剪辑，或需要超过少量身份参考，或需要单独的关键帧轨道，就选择 Kling 4.0。它的上限更高，但价格未知。

• 选择 Flux 3 Video 进行视频转视频和续接，且费率明确；Kling 4.0 的编辑功能仅在其生成的片段上有文档说明，且限于 30 秒的组合窗口内，并非通用的素材编辑模式。

• 要交付 21:9 成片、10 个关键帧和由 15 个素材组成的角色阵容，请选择 Kling 4.0。HDR 预期请先搁置。

• 如果可分离的音频分轨是硬性要求，那么在任一供应商记录其声道架构之前，两者都不要选。

能一锤定音的是 Kling 4.0 的费率卡和 Artificial Analysis 的首个条目。在这两者都存在之前，Flux 3 Video 是更稳妥的采购选择，而 Kling 4.0 是能力更强的试点选择。这两句话之间的差距，就是整个决策所在。