صدور Kling 4.0: عشر إطارات مفتاحية، وثلاثون ثانية، ونهاية المونتاج بأسلوب ماكينة القمار

افتتحت Kling 4.0 من كوايشو اختبارها الداخلي في 28 سبتمبر، مع إتاحة طبقة Kling 4.0 Flash الخفيفة للأعضاء في المساء نفسه، ووعد بإطلاق النموذج الكامل في أكتوبر. وقد خاضت الشركة حرب مواصفات مع Seedance من بايت دانس طوال معظم عام، وهذا الإصدار هو أوضح تصريح لها حتى الآن عمّا يدور الصراع حوله فعلاً.

الأرقام الرئيسية واضحة. يتضاعف التوليد الأصلي بتمريرة واحدة من 15 ثانية في Kling 3.0 إلى 30 ثانية، مع وعد بتمديد الفيديو حتى دقيقتين عبر تمريرات متعددة. يصل الإخراج إلى 4K و1080p بدقة 10-bit HDR، إضافة إلى إطار فائق الاتساع بنسبة 21:9. ينتقل الصوت إلى ستيريو بقناتين، وانحراف مزامنة الشفاه الذي لازم الجيل السابق هو العيب المحدد الذي تزعم ملاحظات الإصدار إصلاحه. يرتفع إدخال الأوامر النصية إلى 8,000 رمز.

لا شيء من تلك الأرقام هو المثير للاهتمام.

عشر إطارات مفتاحية هي فئة منتج مختلفة

كان Kling 3.0 يقبل إطار بداية وإطار نهاية. صورتان، ويقوم النموذج بالاستيفاء بينهما. أي شخص حاول تصوير فيديو منتج بهذه الطريقة يعرف الشعور: يمكنك ضبط الطرفين ثم تشاهد ما تحصل عليه. لدى المبدعين الصينيين كلمة لذلك، 抽卡، أي سحب البطاقات، وهو المصطلح نفسه الذي تستخدمه ألعاب الغاتشا للسحوبات العشوائية.

يقبل Kling 4.0 ما يصل إلى عشرة إطارات مفتاحية. يبدو ذلك كتغيير في الكمية. لكنه ليس كذلك.

مع عشر نقاط تحكم يمكنك وصف تسلسل من الإيقاعات داخل توليد واحد: الشخصية تدخل، تمشي إلى المنصة، الكاميرا تتقدم، المنتج يدور، اليد تمتد إليه، قطع إلى إطار أوسع. كل من هذه الإيقاعات يحصل على صورة مرساة خاصة به، لذا لم يعد النموذج يخمّن شكل القوس بين نقطتين طرفيتين. إنه يملأ الفراغات بين عشر منها.

بالنسبة لفريق ينتج فيديو تجاري قصير بكميات كبيرة، يغيّر ذلك وحدة التسليم. في السابق، كان إعلان منتج مدته 30 ثانية يعني تصويرًا أو مونتاجًا من مقاطع جاهزة، مع حصر التوليد بالذكاء الاصطناعي في بضع ثوانٍ حشوية. الآن يمكن إنتاج الخط الزمني بأكمله من نص سيناريو مع إطارات مفتاحية تُطابق إيقاعات اللقطات. تنتقل المهمة من «ولّد ثم تمنَّ» إلى «ارسم لوحة القصة، ثم ولّد».

يستحق قسم التعليقات على إعلان كوايشو نفسه القراءة، لأن السؤال الأعلى تصويتًا لم يكن له علاقة بالقدرات، بل كان كله عن السعر. هذه إشارة صادقة إلى حد ما عن موقع القيد في 2026: سقف القدرات يواصل الارتفاع، وأرضية التكلفة لم تتحرك بالسرعة نفسها تقريبًا.

ما الذي تتحكم به المراجع متعددة الوسائط فعلاً

يدعم Kling 4.0 ما يصل إلى 15 مرجعًا متعدد الوسائط في مهمة واحدة، حتى 10 صور، و5 مقاطع فيديو، و7 تركيبات عناصر. أطلقت كوايشو على هذا اسم Omni Reference، وهو يتيح أيضًا إضافة أو تعديل أو حذف العناصر والخلفيات داخل مقطع موجود.

أعد قراءة تلك القائمة وستبدأ تبدو أقل كميزة توليد وأكثر كعقد اتساق. لم يكن نمط الفشل المتكرر في فيديو الذكاء الاصطناعي هو الإطار المفرد قط، بل اللقطة الرابعة، حيث ينحرف وجه الممثل، ويتغير لون السترة، وتتحول ملصق المنتج إلى شيء لا يصمد أمام مراجعة قانونية. إن تثبيت الهوية في 15 خانة مرجعية عبر توليد مدته 30 ثانية محاولة للإجابة عن ذلك مباشرة.

هناك قيد إنتاجي حقيقي يختبئ هنا. يجب أن توجد المادة المرجعية قبل أن تستخدمها، وبناء ورقة تعريف شخصية، وصور منتج متعددة الزوايا، وعينة صوتية هو بحد ذاته مهمة إنتاجية. الفرق التي ستحصل على قيمة من Kling 4.0 هي التي تكون قد جمعت هذه المكتبة بالفعل، أو التي جعلت جمعها جزءًا من خط سير عملها.

السرعة والتكلفة وأين يقف Kling فعلاً

Kling 4.0 Flash هو المستوى عالي التكرار: توليد أسرع، تكلفة أقل، بحد أقصى 720p خلال الوصول المبكر. النموذج الكامل هو المستوى الاحترافي لأعمال الأفلام والإعلانات.

يجدر التدقيق في الصورة التنافسية بدلاً من تكرار تأطير كوايشو. على لوحة صدارة تحويل النص إلى فيديو من Artificial Analysis، كان Kling 3.0 في المركز الثاني عشر تقريبًا، خلف Gemini Omni Flash من غوغل، وWan 3.0 من علي بابا، وH3 Max من MiniMax. يمثل Kling 4.0 خطوة قدرات جدية، وما إذا كان سيسد فجوة التصنيف هذه سؤال مفتوح حتى تصدر تقييمات مستقلة.

سياق السوق يهم أكثر من التصنيف. ذكرت كوايشو جمعها نحو 3 مليارات دولار تمويلاً مستقلاً في يوليو 2026 بتقييم بعد التمويل يقارب 18 مليار دولار، ويُقال إن ذلك مقابل التزام بالإدراج خلال خمس سنوات. وقراءة سيتي غروب، وفق Securities Times، تتمحور حول سؤالين: هل يستطيع Kling استعادة المستخدمين من Seedance، الذي يُقال إنه يسيطر على أكثر من 80 بالمئة من السوق المحلية، وهل التسعير تنافسي بما يكفي ليكون مهمًا.

مسألة السعر ليست هامشية. في الأسبوع نفسه الذي أُعلن فيه عن Kling 4.0، أطلقت HeyGen نموذج فيديو شاملًا بسنت واحد في الثانية، وشحنت Creatify نسخة مشتقة من MiniMax H3 بعد تدريب لاحق بأربعة سنتات في الثانية، ودفعت SpaceXAI طبقة Grok Imagine Video lite عبر منصات طرف ثالث بادعاء أنها أرخص أربع مرات من الخيار السابق. طبقة التوليد تُحوَّل إلى سلعة من عدة اتجاهات في آن واحد، والنموذج الذي يتصدر في إخراج 4K HDR ينافس في بُعد قرر منافسوه عدم التصدر فيه.

هذا يعيد تأطير الغرض من Kling 4.0. الطموح هو أن يكون المولّد الذي يستطيع فريق إنتاج تسليمه موجزًا واستلام مُخرَج منه، وهو ادعاء مختلف وأصعب في التسعير.

سير العمل هو الترقية الفعلية

قد يكون الجزء غير اللامع من الإصدار هو الأكثر أهمية: تحويل النص إلى فيديو، وتحويل الصورة إلى فيديو، والتوليد المرجعي، وتمديد الفيديو، وتحرير الفيديو أصبحت الآن في سير عمل أصلي واحد متعدد الوسائط. يمكن دمج مراجع الصور والفيديو والصوت في حقل إدخال واحد. تدعم صفحة التوليد معاينة الخط الزمني وتحريره، وتخطيطات الشبكة والقائمة، وما تسميه كوايشو تجربة وكيل Canvas.

أمضت أدوات فيديو الذكاء الاصطناعي عامين كمجموعة من الخطوات المنفصلة: ولّد هنا، وحسّن الدقة هناك، وحرّر في تطبيق ثالث، وزامن الصوت في رابع. إن دمج تلك الخطوات في واجهة واحدة هو ما يجعل خطًا زمنيًا مدته 30 ثانية عمليًا. وهو أيضًا حيث تبدأ الأداة بالتداخل مع المحرر، وهو صراع تنافسي مختلف عن ذاك الذي ضد Seedance.

للدمج تكلفته الخاصة. الأداة التي تملك التوليد والتحرير ومراجعة الخط الزمني هي أداة تريد امتلاك ملف المشروع، والفرق التي لديها بالفعل منظومة ما بعد الإنتاج سيكون عليها أن تقرر كم من خط سيرها ستسلّم. لقد كانت كوايشو تبني في هذا الاتجاه لفترة مع دعم MCP وCLI لإنشاء دفعي مدفوع بالوكيل، ويوحي تأطير Canvas بأن الشركة ترى التنسيق هو المنتج، وليس المقطع.

إلى أين ينتقل عنق الزجاجة فعلاً

التأطير الذي تدفعه كوايشو هو أن فيديو الذكاء الاصطناعي ينتقل من ماكينة القمار إلى لوحة القصة. هذا وصف منصف لما تتيحه عشر إطارات مفتاحية. لكنه ينقل أيضًا عنق الزجاجة: الفرق التي عانت لإنتاج قطعة متماسكة مدتها 30 ثانية ستعاني الآن لكتابة نص سيناريو متماسك مدته 30 ثانية. لقد سلّمت الأداة التحكم بلوحة القصة. أما ما إذا كانت هناك لوحة قصة لتسليمها، فذلك سؤال منفصل، وليس سؤالًا يستطيع إصدار نموذج الإجابة عنه.

هناك نسخة من هذا هي خبر جيد حقًا ونسخة هي فخ. النسخة الجيدة: الفرق التي لديها سيناريو وقائمة لقطات تحصل على مضاعف إنتاجي، لأن الجزء المكلف في عمليتها (تنسيق التصوير) ينهار إلى تمريرة توليد واحدة. نسخة الفخ: الفرق التي تفتقر إلى كليهما تولّد قدرًا أكبر بكثير من المحتوى بالجودة نفسها، وبحجم أعلى، وتكتشف أن القيد لم يكن أبدًا في التصيير.

جواب Kling 4.0 على ذلك هو في الأساس رهان على أن السوق قد أنجز الانتقال بالفعل. عشر إطارات مفتاحية، و15 مرجعًا، وأوامر نصية بـ8,000 رمز هي ميزات لأشخاص لديهم شيء محدد يقولونه. طلب هذا القدر من التحكم لا يستحق إلا إذا كنت تعرف كيف تريد أن تبدو اللقطة قبل أن تضغط على توليد.