Kling 4.0 вышел: 30 секунд и 15 референсов уже есть, 4K и HDR пока обещание

Промо-ролик Kling 4.0 идёт почти две минуты. На 85-й секунде на экране три строки: 4K, 1080P, 720P. Чуть раньше было обещано «10-bit HDR». А на странице функции Kling те же 4K и HDR помечены как «скоро». Где правда?

Я сверил блог Kling, гайд пользователя и страницу функции. Главное, что вышло: 4K, 10-bit HDR и продление до двух минут Kling на разных страницах описывает по-разному. Генерация до 30 секунд, режим Omni с 15 референсами (10 картинок и 5 видео) и длинный промпт уже есть в настройках модели. А десять ключевых кадров пока известны только по гайду Kling. Независимых оценок качества нет ни одной. Поэтому я прогнал Kling 4.0 на промпте из нашего рейтинга видеомоделей, где Kling 3.0 пять дней назад получил 8 из 10. Генерация одна, так что это первое впечатление, а не замер.

Что изменилось против Kling 3.0 и что из этого есть на 16 октября

Kling объявил 4.0 28 сентября и в тот же день открыл ранний доступ к облегчённой версии Flash, но только подписчикам годового тарифа Ultra. Полный релиз вышел 15 октября. Сводка ниже собрана из сравнения 4.0 и 3.0 в блоге Kling, гайда пользователя от 14 октября и страницы функции. В последней колонке три вида статуса: «вижу в настройках» значит, что я видел это в интерфейсе, где делал прогон (о нём ниже); «только гайд Kling» значит, что никто, кроме Kling, это пока не подтвердил; «противоречит» значит, что страницы Kling расходятся между собой.

Строка про разрешение странная уже на бумаге. В сравнении Kling 4K записан и у 3.0, и у 4.0, но у новой модели именно он выпал из релиза. А с HDR история ещё запутаннее. В блоге от 30 сентября 10-bit HDR в 1080p и 4K подан как свойство 4.0. В гайде от 14 октября в таблице он помечен «New», а в тексте того же гайда «coming soon». Страница функции пишет про 4K и HDR «скоро», а промо-ролик показывает обе карточки без оговорок. С продлением до двух минут то же: в гайде оно «coming soon», на странице функции стоит среди доступного. Пока Kling не скажет однозначно, я бы считал 4.0 моделью 1080p SDR. В настройках, с которыми работал я, так и есть: 720p и 1080p, 4K нет.

У Flash ограничения жёстче, по данным Kling: до 20 секунд, 720p, 8-bit SDR, без первого и последнего кадра и без ключевых кадров. Kling называет его быстрее и дешевле. Но цифр нет.

Мой прогон: тот же промпт, на котором Kling 3.0 получил 8 баллов

11 октября я прогнал 12 видеомоделей на одном промпте: 8 секунд, 16:9, 720p, одна генерация на модель, оценка на глаз по 10-балльной шкале. Kling 3.0 там получил 8 баллов за 48 токенов и 3 минуты. С этой точкой я и сравниваю 4.0: тот же промпт, те же настройки.

16 октября я запустил в SYNTX.AI модель Kling 4.0 Omni. Она позволяет сгенерировать видео из текстового промпта. Настройки те же: 8 секунд, 16:9, 720p, одна генерация, оценивал я один. Цена дальше в токенах, внутренней валюте сервиса: курс токена зависит от тарифа, поэтому в рубли я не пересчитываю. Промпт дословно:

A street food vendor at a rainy night market tosses noodles in a wok, flames leap up, steam rises into neon light, raindrops hit the awning, camera slowly pushes in from a medium shot to a close-up of his hands, shot on 35mm film, shallow depth of field

По-русски: уличный повар на ночном рынке под дождём подбрасывает лапшу в воке, пламя взлетает, пар поднимается в неоновый свет, капли бьют по навесу, камера медленно наезжает со среднего плана на крупный план рук, плёнка 35 мм, малая глубина резкости.

Результат: 9,5 из 10, 40,9 токена, 4 минуты. Физика лапши и пламени, руки, наезд камеры и цвет в порядке. В рейтинге на этой сцене модели спотыкались как раз на этом: у FLUX 3 Video камера переключилась на руки вместо плавного наезда, Luma Ray 3.14 просила цветокоррекции. Полбалла я снял, когда сравнил повара с роликом Seedance 2.5: там человек выглядит чуть естественнее. Поставить 10 не позволило это сравнение, поставить 9 – все остальные модели рейтинга, которые выглядели хуже. Отсюда 9,5.

С поправкой на одну генерацию: если бы Kling 4.0 участвовал в рейтинге 11 октября, он встал бы вторым.

Цена здесь интереснее оценки: новая версия вышла дешевле старой. Это 5,1 токена за секунду против 6,0 у Kling 3.0, примерно на 15% меньше. По формуле из рейтинга (оценка, делённая на цену, на 10 токенов) у Kling 4.0 выходит 2,3 балла против 1,7 у Kling 3.0. Лидер по этой метрике прежний: Luma Ray 3.14 с 18 баллами на 10 токенов, до неё Kling далеко.

Генерация одна, оценщик один, а между прогонами 3.0 и 4.0 пять дней. Проверены 8 секунд в 720p, а не 30 секунд в 1080p, ради которых модель и выпускали.

Omni и Keyframes: почему 15 референсов и 10 кадров в одну задачу не сложить

Пятнадцать референсов складываются сложнее, чем звучит в анонсе. В настройках, где я делал прогон, это 10 картинок и 5 видео. По гайду Kling от 14 октября в модели два входа, и в одной задаче их не совместить. Omni Reference, режим по умолчанию, принимает картинки, видео, голоса и элементы. А Keyframes принимает только картинки: первый кадр, первый и последний или до 10 ключевых. Референсы в Keyframes не прикладываются.

Внутри Omni лимиты такие:

• картинки: до 10, каждая до 30 МБ;

• видео: до 5 роликов по 3-30 секунд, но в сумме не больше 30 секунд и до 300 МБ на файл;

• голосовые профили: до 3, по 5-30 секунд аудио;

• элементы: до 7, из них видео-элементов до 3 по 3-8 секунд исходника.

Самое неочевидное в последнем. Референсные видео, клипы для монтажа и видео-элементы делят одну квоту в 30 секунд. Чтобы модель редактировала ролик, а не брала его как образец, в промпте пишут «Edit @Video1». Режим выбирают до раскадровки. Нужна последовательность из десяти кадров – берите Keyframes без референсов. Нужны персонаж, голос и образец движения – Omni без ключевых кадров. Аудио загружается только как голос: музыку или звуковые эффекты референсом не дать.

В интерфейсе, где я делал прогон, модель называется Kling 4.0 Omni: это и есть режим с референсами. Как в нём устроены ключевые кадры, я пока не разбирался. Поле промпта принимает 24 000 символов. У Kling 3.0 там же лимит 1 500 символов, в 16 раз меньше. Сколько из этих символов модель реально учитывает на длинной сцене, я не мерил.

Где Kling 4.0 в рейтингах? Пока нигде, и это нормально

На 16 октября Kling 4.0 нет у Artificial Analysis ни в рейтинге text-to-video со звуком, ни в image-to-video. Полному релизу сутки, метрик ждать рано. Зато видно, откуда модель стартует.

Artificial Analysis ранжирует модели слепыми попарными сравнениями: люди смотрят два ролика и выбирают лучший, не зная моделей. Настройки по умолчанию, где их можно задать: 10 секунд, 16:9, 1080p, 24 кадра в секунду, seed 42. И шкала Elo там привязана как раз к Kling: Kling 3.0 1080p (Pro) зафиксирован на 1000 как опорная точка.

В text-to-video со звуком Kling 3.0 стоит 16-м с этими 1000, Kling 3.0 Omni 15-м с 1019, а первым идёт Wan 3.0 с 1174. В image-to-video картина похожая: Kling 3.0 18-й, наверху MiniMax H3 с 1141. До первой строки Kling 3.0 не хватает около 140-175 пунктов. Сократит ли 4.0 этот разрыв? Узнаем, когда его добавят в голосование.

Одна ловушка для тех, кто будет искать цифры сам. В сентябрьских публикациях встречаются Gemini Omni Flash с 1233 и Kling 3.0 Pro с 1095 на 12-м месте. Это другая версия шкалы, и с текущими числами её сравнивать нельзя.

Сам Kling цифр качества не даёт. В сравнении 4.0 и 3.0 только формулировки «улучшает детали персонажей, материалы, свет, мимику, сложное движение». Ранние обзоры опубликованы на сайте Kling, и пишут их партнёры. Johnson Sheng, креативный партнёр Kling, 2 октября показал 30-секундную драку одной генерацией, без склеек. Сколько было попыток, времени и кредитов, он не пишет, а невольно смешной удар в конце драки объясняет своим промптом. Автор второго обзора, Oasis, по разбору Kingy AI сам называет звуковые эффекты, консистентность и управление тем, что ещё надо дорабатывать. Это честнее рекламы, но не замер.

Что проверить до того, как переводить пайплайн на 4.0

1. Разрешение и HDR. Рассчитывайте на 1080p SDR. Если в проекте нужен 4K или HDR-мастер, ждите подтверждения от Kling.

2. Режим под раскадровку. Десять ключевых кадров и пятнадцать референсов взаимоисключающие. Решите это до того, как готовить материалы.

3. Бюджет видео-референсов. 30 секунд на все видео в задаче, включая монтажные клипы.

4. Длинные сцены. 30 секунд заявлены и выставляются в настройках, но мой прогон был на 8 секундах. Держит ли модель героя и предметы через смену планов на всей длине, ещё предстоит проверить.

5. Частота кадров. Kling её для 4.0 не публикует. Если монтируете с другим материалом, снимите её с готового файла до склейки.

Промо-ролик показывает 4K без оговорок, страница функции пишет «скоро», а в настройках модели 4K нет. Пока три источника не сойдутся, 4K для меня обещание, а 30 секунд и длинный промпт – то, что уже можно пробовать. Если вы уже гоняли 4.0 на 30-секундных сценах, держит ли он героя через три плана или к концу начинает подменять детали?

Попробовать

Промпт из прогона выше можно повторить в SYNTX.AI на Kling 4.0 и Kling 3.0 подряд: одна сцена, две версии, цена обеих в токенах. Доступны 720p и 1080p, соотношения 21:9, 16:9, 1:1 и 9:16, длина до 30 секунд. Промокод CTRLAI даёт скидку 20% на любой тариф для читателей Хабра.