標題卡寫著「Kling Image 4.0 vs MAI Image 2.7 Preview」,副標題為「一個有價目表,一個有分頁」。左側卡片標題為 Kling Image 4.0,列出 2026 年 11 月 17 日、2K/4K/8K 輸出,以及每幀 6.1 至 15.4 美分;右側卡片標題為 MAI Image 2.7 Preview,列出 2026 年 10 月 27 日、僅限編輯且未公布價格,兩張卡片之間有一個小小的 versus 分隔線。
Guides & Insights

Kling Image 4.0 vs MAI Image 2.7 Preview:一個有價目表,一個有分頁

作者

Gideon Frost

發佈日期

最新模型 · 20查看全部模型 →
基準測試:Artificial Analysis · 每日更新
返回全部文章

Kling Image 4.0 於 2026 年 11 月 17 日推出,並附上帳單:2K 靜態圖 16 個單位、4K 24 個單位、8K 40 個單位,每附加一張參考圖再加 0.8 個單位。MAI Image 2.7 Preview 於 2026 年 10 月 27 日登場,是僅供編輯的模型,未公布價格、未公布解析度,也沒有 API——你只能透過 MAI Playground、Arena 和 Artificial Analysis,手動一次處理一張影像來使用它。11 月 18 日,Preview 在 Artificial Analysis 的 AA-Image-Editing v2.1 榜單上的那一列消失了;它所預覽的模型 MAI-Image-2.7 以 1,215.17 位居該榜單第一,而 Kling Image 4.0 以 1,182.89 位居第六。Preview 自身最後記錄的分數是 1,193,高於 Kling 的分數。所以,這對模型中唯一能放進管線的,偏偏也是數字較差的那個,而這個倒置就是整段比較的核心。我們所路由的每個影像模型,連同其供應商自己的牌價,都列於 OrcaRouter 模型目錄。

兩者都是正式發布,而非洩漏。Kling 的發布紀錄中有一筆 2026-11-17 的條目,標題為「Kling Image 4.0 來了!」,其帳號在 11 月 18 日凌晨發布了可用性說明,而開發者價目表在兩者之前就已上線。Microsoft 則將 Preview 放上編輯看板,附上模型卡,並明確寫著「從編輯開始,文字轉圖像生成即將推出」。三週後,11 月模型補上了這個缺口,並登上首位。始終沒有出現的,是讓開發者呼叫 10 月模型的方法。

已撤回的列不是競爭對手。

排行榜上的列並非永久固定項目。模型會被汰換、投票會停止收集,該項目也就消失——Preview 從 10 月 27 日首次登場到 11 月 18 日之間的情況正是如此。今天查看排行榜,會看到 MAI-Image-2.7 以 1,215.17 分位居第一,其後是 GPT Image 2.6 Sunburst 的 1,210.84 分與 2.6 Flare 的 1,205.42 分,接著是兩個 GPT Image 2.5 層級,分別為 1,201.50 分與 1,184.65 分,而 Kling Image 4.0 以 1,182.89 分排名第六。在那份名單中,沒有任何 Preview 列可以安插在任何位置。

這有實際理由,而非拘泥細節的理由。把分數掛在一個你無法呼叫的模型上,只是關於研究方向的資料點,不是採購訊號。如果你在內部簡報中引用 1,193,你引用的是某個系統十月的檢查點,而其正式出貨版本現在得分 1,215——而且其出貨版本是功能集不同的另一項產品。如果你終究想要一個數字,有用的比較是 Kling 的 1,182.89 對上 MAI-Image-2.7 的 1,215.17:在編輯排行榜上相差 32 分,微軟佔優,而且這個模型確實有定價,約每千張圖片 35 美元。

具體就對比 Preview 而言,誠實的說法範圍更窄。Preview 存在期間,在編輯方面領先 Kling 約 10 個 Elo,但票數群體較小,且其模型沒有生成模式。10 分落在那些資料列所帶的信賴區間內。這不是你能據以發展的領先,也不是你能測試的領先,因為從來就沒有可供送出請求的端點。

Screenshot of the Artificial Analysis AA-Image-Editing v2.1 leaderboard in English, with MAI-Image-2.7 first at 1,215 Elo, GPT Image 2.6 Sunburst second at 1,211, GPT Image 2.6 Flare third at 1,205, the two GPT Image 2.5 tiers fourth and fifth, and Kling Image 4.0 sixth at 1,183, with no MAI Image 2.7 Preview row anywhere on the board.

確切地說,Preview 究竟是什麼

Microsoft 將十月模型記錄為一個編輯介面,並列出三項具名強項:重新設計場景風格、重新打光,以及變更其中的文字或符號。可用性說明也同樣侷限——Arena、Artificial Analysis、MAI Playground——而 Playground 連結本身仍指向先前的模型,這說明了該版本有多麼臨時。沒有 Foundry 部署、沒有費率表、沒有參考上限、沒有解析度。

這麼一來,留下的就是一個只能靠肉眼評估的模型。這並非毫無價值:藝術總監在瀏覽器中比較自己的十張影像,一小時內就能學到很多。但它不會產生成本估算、產能數據或整合路徑,而團隊在投入正式生產任務前所需的三件事,正是這三件。

Kling 這一邊的帳面情況則恰恰相反。它對外公布的五項能力——逼真寫實、原生 8K、小字渲染、連貫的圖像組,以及長圖生成與編輯——都是廠商宣稱,除了 Elo 分數之外並無獨立驗證;但每一項都附有單價,這讓它們能以另一種方式被證偽:你可以部署其中一項,再核對發票。

單位階梯,以及藏身其中的參考帳單

Kling 以單位計價,之後再換算。靜態圖片的階梯是 2K 為 16 單位、4K 為 24 單位、8K 為 40 單位。以入門方案每單位 $0.00384 的費率計算,每張圖片約為 6.1 美分、9.2 美分和 15.4 美分;該費率在 $999 方案降至 $0.00381,在 $4,000 方案降至 $0.00373,這使那些數字變動不到百分之三。Artificial Analysis 將該模型列為 6.3 美分,這落在該算術範圍內,也是個合理跡象,表明公布的單位價格是真實的。

真正改變預算的並非階梯上的那一行。參考圖片與參考元素現在要收費——每項 0.8 單位,一個元素按一張圖片計——而 Kling 自家文件指出,這「與先前的模型不同,當時參考圖片與參考元素是免費的」。若一組內容以四個參考建構,每個交付影格成本為 16 單位,外加 3.2 單位的參考費用,因此一支 2K 的十二鏡廣告活動是 230.4 單位而非 192 單位:以入門費率計,約 88 美分而非 74 美分。這筆附加費取決於工作對參考素材的依賴程度,而非你獲得多少產出;也就是說,最需要一致性的工作流程,正是為此付出最多的人。

• 單張靜態圖 — 2K 16 單位,4K 24 單位,8K 40 單位

• 參考輸入 — 每張參考圖像或每個參考元素 0.8 單位,新列入計費

• 長圖、網頁 — 1K 時 140 單位,2K 時 152 單位

• 長圖、電商詳情頁 — 僅限圖生圖,1K 下短、中、長分別為 60 / 120 / 200 單位,2K 下為 72 / 140 / 220

• 影像集 — 相同的逐張影像階梯適用於系列中的每個影格

相較於此,「未公布費率」並不是中性的缺席。這表示微軟模型根本無法估算成本,而比較兩個影像模型時,若相減的其中一邊是未知數,那就不算是價格比較。

A two-column comparison scoreboard titled 'Kling Image 4.0 vs MAI Image 2.7 Preview — the scoreboard', contrasting release date, editing Elo, text-to-image Elo, maximum resolution, published price and API access for the two models, with a footer reading 'Kling figures per Artificial Analysis; MAI Preview figures per Artificial Analysis as last recorded, row since withdrawn.'

口罩問題,雙方都很薄弱

以遮罩為基礎的編輯——塗抹一個區域,只改變該區域——正是讓編輯流程可供審查的控制方式。審查者能看到被塗抹的區域,並只針對該區域進行判斷,這就是為什麼生產工具推出這項功能已達十年。Microsoft 對 Preview 的描述從頭到尾都是指令驅動:重新造型、重新打光、替換文字。沒有公開的遮罩參數、沒有邊界框、也沒有參考影像數量上限。

Kling 的發布內容同樣沒有回答這個問題。其能力清單包含「圖層編輯」,並被解釋為「全頁檢視、圖層編輯」,這是公告中最接近控制介面的東西。那究竟是遮罩、圖層堆疊,還是披著版面語言外衣的指令遵循,並不是價目表能釐清的事;在測試之前就把它當成遮罩,會是個錯誤。就這組中的 Kling 一方而言,遮罩問題仍懸而未決,而非已有答案——這與答案很糟是不同的事。

如果你有一小時,以及這些預算中的其中一筆

The Preview 讓你免費一窺 Microsoft 的編輯研究在十月所指向的方向;如果你的工作是整張影像的重新風格化或重新打光,那確實值得花上一小時。它不會告訴你十一月模型的功能,也不會告訴你任何項目的費用。

Comparing Kling Image 4.0 against the models you can already call is a different exercise, and it is the one that produces a decision. OrcaRouter does not currently serve Kling Image 4.0 or any other Kling image model — the Kling identifiers in our catalogue are video — so this piece is not going to suggest otherwise. What the catalogue does carry is a route to the image models we do host, from the GPT Image line through Imagen 4.0 to the Gem​ini image models, all on one key with provider list pricing passed through at 0% markup. That is the honest way to put Kling's 6.1-cent 2K still beside a model you can call in the same afternoon: send the same ten prompts down both paths, then read two invoices instead of two announcements.

Kling 這次發布真正在賣的不是細膩度,而是這組對比中其他家都沒有的級別——8K,入門費率每幀 15.4 美分——外加一套有文件記載、適用於長版電商版面的工作流程,它只接受圖生圖請求,並依長度從 60 單位攀升到 200 單位。如果這描述的正是你的問題,那麼真正該比的是你自己目前每項素材的成本,而不是拿某個看板上、如今已刪掉入門方案的數字來比。

Screenshot of the OrcaRouter model catalogue in English, headed '226 models, 17 providers, one API key, one bill', with the modality tabs showing Text 190, Image 12, Embeddings, Video and TTS counts, the model list with per-million-token input and output prices, and the prepaid credit plans.

「Preview」的消失是更具啟發性的事件。它提醒我們,排行榜上的名次只是對一個持續變動族群所做的快照;而唯一值得據以規劃的圖像模型,是那些有端點、有價格,且下個月仍能找到其列項的模型。