Kling 4.0 对比 Grok Imagine Video：最便宜的模型获得最多投票

在这场对比中，被测量得最多的模型并不是最新的那个，而最新的那个则完全没有被测量过。Grok Imagine Video是 Artificial Analysis 图生视频榜单上的一个包含三个条目的系列：2026 年 1 月的原版 Elo 为 1,072，背后有 14,371 票；Grok Imagine Video 1.5 为 1,098，有 5,267 票；以及文生视频榜单上的 Lite 变体。Kling 4.0于 2026 年 10 月 15 日发布，却在任何榜单上都没有记录，没有公布每秒费率，而且其规格表在时长、分辨率和参考数量上都优于所有三个 Grok 条目。证据与上限之间的差距，正是整场对比的关键所在。

这种形态在这个市场里比排行榜格式所承认的更常见。一个拥有长期投票历史的模型是已知量，未必是最好的那个。一个只有八天、通过了30秒测试的模型，则是带着演示样片的承诺。问题在于你的项目能吸收哪一种不确定性。

三个 Grok 模型，一个 Kling

Grok Imagine Video 并不是单一产品，而版本号的排序方式也与你的预期不同。请开启声音，继续阅读这块图生视频榜单——榜单截取于 2026 年 10 月 10 日：

• Grok Imagine Video original——基于 14,371 个样本，以 Elo 1,072 ±7 排名第 13，2026 年 1 月，每分钟 4.20 美元。

• Grok Imagine Video 1.5 — 基于 5,267 个样本，在 Elo 1,098 ±8 上排名第 9，2026年5月，每分钟 8.40 美元。

• {{1}}Grok Imagine Video 1.5 Lite{{/1}} — 在文生视频排行榜上位列第 16，基于 5,715 个样本得分为 993 ±10，发布于 2026 年 8 月 26 日，每分钟 8.40 美元。

• Kling 4.0 — 截至2026年10月23日，任何榜单上均无条目。

原版最便宜，而且测量证据最充分。1.5 刷新版的得分高 26 Elo，但每分钟成本是它的两倍，而投票数只有它的三分之一。Lite 变体完全处在另一个榜单上，因此把它与另外两个比较，本身就是在比较不同任务。这是一个按消费级平台节奏迭代的家族，价格阶梯也反映了这一点：你可以选择便宜且证据充分的基线版、更昂贵的改进版，或每秒成本更低的 Lite 档位，而每一个都要求你在证据与得分之间做权衡。

Kling 4.0 不提供任何这类内部选择。只有一个模型、一个尚未公布的价格和一个时长上限。如果你想要的是当下可获得的最佳成片，这种简单就是一种优点；如果你想要的是一个能用数字来支撑的采购决策，它就是一种负担。

票数能为你换来什么

样本量通常被视为一个技术细节。但在这个榜单上，它区分的是有依据的论断与猜测。January Grok 检查点的 ±7 区间与 Gemini Omni Flash 的区间宽度相同，而后者有 12,327 票作为支撑；14,371 次比较足以让榜单有把握地给出一个立场。Grok 1.5 的 ±8 区间更宽，是因为它的票数更少，而不是因为它是一个更差的模型。Kling 4.0 的区间尚不存在。

这对任何依据质量做选择的人都有实际影响。如果你选择 Grok Imagine Video original，你大致知道自己得到的是什么：一个证据基础扎实的中游模型，而且在此次比较中价格最低。如果你选择 Kling 4.0，你是在接受厂商对一款尚未被独立评估者评分的模型所做出的说法。两种选择都并非不理性。它们只是不同的押注。

规格上限

纸上谈兵的话，Kling 4.0 显然是能力更强的机器，优势明显。

• 时长 — Kling 4.0 单次可生成 3 至 30 秒，两分钟延长功能标注为即将推出。Grok Imagine Video 1.5 可生成 1 至 15 秒，并支持从最后一帧进行自回归式延长；原版在编辑与延长任务中上限为 8.7 秒。

• 分辨率 — Kling 4.0 提供 720p、1080p 和 4K，其中 1080p 和 4K 的 10-bit HDR 标注为即将推出。Grok 1.5 原生输出 480p、720p 和 1080p。原版的上限更低。

• 参考素材 — Kling 4.0 最多支持 15 个素材，涵盖图像、视频、主体和语音，其中图像上限为 10 个、视频上限为 5 个、主体上限为 7 个，基于视频的主体最多 3 个。Grok 1.5 最多支持 14 张参考图像、最多 3 个语音参考，以及最多 4 个视频中段关键帧外加首帧和尾帧。

• 关键帧 — Kling 4.0 最多支持 10 张关键帧图像。Grok 1.5 支持首帧、尾帧以及最多 4 张视频中间帧。

• 音频——两者均能生成带唇形同步语音的原生音频；Kling 宣称支持双声道立体声以及九种语言和方言，Grok 宣称支持音视频联合生成，最多可使用 3 个预设语音参考。

• {{1}}提示词{{/1}} — {{2}}Kling 4.0{{/2}} 最多可接受 8,000 个 {{3}}token{{/3}}。{{4}}Grok{{/4}} 的文档未公布可比的提示词长度限制。

两者在参考素材上的接近程度超出标题数字给人的印象：15 项素材对 14 张图像加 3 个声音，并非一边倒的碾压。真正的差距在于时长和分辨率。4K 下三十秒对 1080p 下十五秒，属于不同量级的交付成果，而这正是尽管缺少证据、Kling 4.0 仍值得考虑的原因。

价格：一份公开发布的阶梯，对照一片空白

Grok Imagine Video 的价格按分辨率和每秒公布。1.5 模型在 480p 下为每秒 0.08 美元，在 720p 下为每秒 0.14 美元，在 1080p 下为每秒 0.25 美元，包含音频，图像输入为每张图像 0.01 美元。Lite 变体在 480p 下为 0.02 美元，在 720p 下为 0.03 美元，在 1080p 下为 0.14 美元。旧版原始模型在 480p 下为 0.05 美元，在 720p 下为 0.07 美元。Artificial Analysis 将 1.5 这一行归一化为每分钟 8.40 美元，将原始版本归一化为 4.20 美元，这与 720p 的费率一致。

截至 2026 年 10 月 23 日，Kling 4.0 尚无供应商提供的每秒费率。该应用通过 Kling AI 的套餐以积分方式运行；其 API 处于早期访问阶段。经销商报价单上列出了按秒计费的数字，但这些并非 Kuaishou 的价格，且各家差异极大，若拿其中任何一个作为预算条目，都无异于凭空猜测。

作为真实基准，上一代 Kling 已有定价并投入生产。在 OrcaRouter 上，kling/kling-v3 和 kling/kling-v3-omni 为每次请求 $0.084，kling/kling-3-turbo 为 $0.112，较旧的 2.x 档位为 $0.042 至 $0.28。这些是按请求计价，而非按秒费率，因此无法与 Grok 的价目表一一对应，但它们是 Kling 买家如今实际可用的数字。

访问权限与编辑界面

Grok Imagine Video 可通过 xAI 的 API 和消费级 Grok 产品访问。1.5 模型是异步的：提交、轮询请求 ID、下载。该系列已上线足够久，其请求模式已有文档记录，故障模式也已为人所知。原始模型负责编辑和延长任务，最高支持 720p 和 8.7 秒的源素材；1.5 模型专注于生成，并明确不支持作为文档化功能的视频编辑或延长。

Kling 4.0 已在全球的 Kling AI 应用和网站上线，全球上线公告的日期为 2026 年 10 月 16 日。API 处于早期访问阶段，支持列表包括 MCP 和 CLI。其编辑功能被记录为：在最多五个输入片段、合计 30 秒的窗口内，对表情、肢体动作、镜头位置、风格和背景进行定向编辑；这比 Grok 1.5 所记录的编辑支持更广泛，但比通用视频编辑器更窄。

目前，这两个模型都不是 OrcaRouter 上的路由，因此这里没有任何内容声称我们也托管其中任何一个。我们实际提供的是 Kling 3.0 这一代；如果你在早期访问期间测试 Kling 4.0，它是实用的回退方案。更广泛地说，在视频技术栈前面放置一个网关的理由在于，这些模型会以不同方式失败：一个会触发速率限制，另一个会在长时间生成时超时，第三个会返回一个并非成功的最终状态。一个兼容 OpenAI 的单一端点，配合自动故障转移和按 0% 加价透传的供应商目录价格并不会让模型变得更好，但能阻止单个坏端点演变成一个失败批次。

谁应该选哪个

• 如果你想要最低的公开价格和最有力的证据基础，就选择 Grok Imagine Video 原版。每分钟 $4.20、获得 14,371 票，它是这次对比中最不令人意外的选择，而且便宜到足以用于草稿。

• 如果你需要原生 1080p、15 秒镜头、最多 14 张参考图像和 3 个语音参考，以及有文档说明的按秒计价，就选择 Grok Imagine Video 1.5。它是用于可控角色镜头时装备最齐全的 Grok。

• 如果你需要单次生成 30 秒、4K、10 个关键帧或 21:9 的交付成果，并且愿意试用一个尚未评分、尚未定价的早期访问 API，就选择 Kling 4.0。

• 如果采购部门本周就需要一个报价，就选 Grok；如果这个镜头需要更长的拍摄时长，而且你能等价目表出来，就选 Kling。

诚实的结论是：这两个模型目前并不真正在争夺同一笔购买。Grok Imagine Video 是一个成熟、稳健且便宜的系列产品，按公开价目表销售。Kling 4.0 是在全面可用第一周内上限更高的模型，证据和定价仍有待揭晓。对大多数团队来说，正确的做法是让稳健的模型继续留在生产环境中，并在真正需要 30 秒的镜头上试点新模型——同时在一个月后重新查看排行榜和价目表，届时那列空白或许终于会有一个数字。