Kling 4.0 roda mig minut d'una tirada

Mig minut d'una sola passada

Kling 4.0 és la nova generació dels models de Kling AI. Segons la nota per a desenvolupadors de Kling AI, la variant Kling 4.0 Flash va entrar el 28 de setembre en una prova a petita escala; el model complet es va obrir a tothom el 15 d'octubre, segons la nota de versió, i Kuaishou el va anunciar l'endemà.

Segons el manual d'usuari de Kling AI, cada generació dura de 3 a 30 segons i el mode multiplà ve activat de sèrie: el mateix model divideix la presa en plans i en marca el ritme. Segons Kuaishou, a més, resol amb més estabilitat l'acció ràpida i els moviments de càmera amplis; cap avaluació independent no ho ha comprovat.

Quinze referències i deu fotogrames clau

La segona novetat és Omni Reference, el sistema de referències de Kling. Segons el manual, una tasca admet fins a 10 imatges, 5 vídeos que sumin mig minut, 3 veus i 7 subjectes, amb un màxim de 15 referències en total. Segons Kuaishou, s'hi poden fer servir fitxes de personatge en tres vistes, guions gràfics, esbossos d'estructura i vídeos de maqueta sense textures o de mapa de profunditat.

Cada element es numera automàticament quan es carrega, com @Image1, i el manual demana escriure quin paper hi fa; si no s'indica, el model el dedueix. A banda queden els 10 fotogrames clau, que marquen per on passa la història, tot i que els dos camins no es combinen en una mateixa tasca.

Un encàrrec de 8.000 tokens

Segons Kuaishou, les instruccions admeten ara fins a 8.000 tokens. El manual proposa ordenar-les en quatre blocs: el paper de cada referència, els ajustos d'escena i d'estil, el que passa segon a segon i el so.

L'àudio surt en estèreo, segons el manual, i els diàlegs es generen en la llengua en què s'escriguin entre cometes; l'exemple oficial és en castellà: «¿Dónde está la estación de metro más cercana?» («On és l'estació de metro més propera?»). No s'hi poden carregar música ni efectes: l'entrada d'àudio només accepta mostres de veu.

El que ja hi és i el que no

Les fonts oficials no coincideixen sobre el 4K i el format panoràmic 21:9. El manual del 14 d'octubre i la nota de versió els inclouen entre les opcions, i el blog de Kling AI del 30 de setembre els dona per disponibles; el comunicat del 16 d'octubre diu que Kling 4.0 «admetrà» el 4K i el 21:9.

L'HDR de 10 bits figura com a «properament» al manual, a la nota de versió i al blog, tot i que el comunicat el presenta com a actual. També està pendent, sense data, allargar una presa en diversos trams fins a dos minuts.

La variant Kling 4.0 Flash es queda més curta: segons el manual, arriba a 20 segons i 720p, i de moment no permet fixar el primer i l'últim fotograma ni diversos fotogrames clau.

L'accés per a desenvolupadors ja té preu

El comunicat deia que el model arribaria «aviat» a empreses i desenvolupadors. A 22 d'octubre, la pàgina de preus de Kling AI anuncia l'API de Kling 4.0 en accés anticipat: 1 unitat per segon a 720p i 1,5 a 1080p sense vídeo d'entrada, i el 4K sense preu. Amb aquesta tarifa, mig minut a 1080p costa 45 unitats.

A la Xina la unitat és el crèdit dels paquets de Kling AI, a 1 iuan; la pàgina global no en dona l'equivalència en dòlars. Segons els resultats de Kuaishou del 19 d'agost, Kling AI va ingressar més de 850 milions de iuans en el segon trimestre, amb un creixement interanual de més del 200 %.

Davant els altres models frontier

Kling 4.0 no és l'únic que arriba al mig minut. Segons els seus fabricants, Seedance 2.5, de ByteDance, la matriu de TikTok, també genera 30 segons per petició, i Wan3.0, d'Alibaba, arriba a aquesta durada des que es va anunciar, el 6 d'agost.

Completen la comparació Gemini Omni Flash, de Google; Vidu Q4 Preview, de Shengshu Technology, empresa xinesa nascuda als laboratoris d'IA de la Universitat Tsinghua; Ray3.2, de Luma Labs, empresa d'IA generativa amb seu a San Francisco; LTX-2.5, de Lightricks, empresa de programari amb seu a Jerusalem, creadora de l'aplicació Facetune, i MiniMax-H3, de MiniMax. MiniMax és una empresa d'IA de Xangai fundada el 2021 que cotitza a Hong Kong des del 9 de gener de 2026; Alibaba va liderar una de les seves rondes el 2024 i Tencent figura entre els seus inversors.

Altres el superen en referències i fotogrames clau

Tampoc no és el líder en control. Segons els seus fabricants, Seedance 2.5 admet fins a 50 referències per petició, enfront de les 15 de Kling 4.0, i Ray3.2, fins a 16 fotogrames clau, enfront de 10.

Només LTX-2.5 i MiniMax-H3 publiquen els seus pesos, amb una llicència comunitària pròpia. Kling 4.0 es fa servir a l'aplicació de Kling AI, en les seves eines per connectar-lo amb agents d'IA i amb el terminal, i a la seva API.

Encara sense examen independent

Cap classificació independent no ha mesurat encara Kling 4.0. A 22 d'octubre, Artificial Analysis, empresa que ordena models de vídeo pels vots de persones que comparen resultats a cegues, només inclou Kling 3.0; Arena, la plataforma de comparació per vots abans anomenada LMArena, arriba a Kling 2.6 Pro en la seva taula del 21 de setembre.

El més semblant a una prova signada és la que va publicar el 21 d'octubre Moe Lueker, blocaire que ressenya models de vídeo. La va patrocinar Artlist, plataforma per a creadors que ven accés a Kling i a Seedance, i ell ho declara. Segons Lueker, Kling 4.0 convé quan es tenen referències, com una cara, un producte o un moviment de càmera que copiar; només amb text, Seedance 2.0 li va semblar més realista en onades gegants i primeríssims plans.

A 36Kr, mitjà xinès de tecnologia i negocis, una anàlisi del 14 d'octubre signada per 光锥智能 (Guangzhui Zhineng), un compte d'autor de la plataforma, que adverteix que només reflecteix l'opinió de l'autor, ho resumeix així: Kling 4.0 competeix en acció i moviment de càmera, i Vidu Q4, en «interpretació».

A l'abast dels agents

Segons els resultats de Kuaishou, Kling AI va llançar en el segon trimestre Kling MCP i Kling CLI, la seva eina per al terminal. Segons la nota de versió, tots dos ja admeten Kling 4.0, amb Omni Reference i els fotogrames clau. Així, un agent d'IA pot encarregar vídeos en lot sense passar pel web.