Kling 4.0が正式発表：4K HDR、ネイティブ30秒、キーフレーム10枚——中国製動画モデルが「スペック競争」へ

9月28日、快手のKlingはKling 4.0のパラメータを公開し、正式版は10月にリリース予定。Kling 4.0 Flashは一足先に開放され、ブラックゴールド年間カード会員のみを対象とし、スペックは720p、8-bit SDR、3〜20秒に抑えられ、画質と尺を引き換えに生成速度を優先している。同一世代のモデルで、先に出るのは「十分速い」グレードで、プロ向け仕様は後回しにされる。この順番自体、動画モデル各社がいま二種類のユーザーを同時に満たす必要があることを示している。量で勝負するショート動画クリエイターと、1本の完成品がコストを決める商用顧客だ。

パラメータ表にあるいくつかの数字

1回の生成は最長30秒、キーフレームは最大10枚、マルチモーダル参照は最大15項目、プロンプト上限は8000トークンに引き上げられた。Klingは15項目の参照を細かく分解している。一度に画像10枚、動画5本、主体7つを同時入力でき、キャラクター、小道具、カメラワークを1つのタスクに混ぜて渡せる。出力側は1080pと4Kの10-bit HDRに対応し、さらに21:9のウルトラワイドも用意。公式の説明では、高コントラスト場面で「逆光が飛ばず、夜景がぼやけず、ネオンがにじまない」。動画の続き撮り機能は、クリップを約2分まで延長できると予告している。

音声も今回のもう1つの重点だ。Kling 4.0は高品質オーディオとデュアルチャンネルステレオに対応し、リップシンクの精度をさらに磨き上げた。公式は「もう後付けで無理やり貼ったようには見えない」という一文を宣伝文句に入れている。ナラティブ系のコンテンツを作る人にとって、音画同期は長く動画モデルで最も薄い部分だった。自分で音を出せるモデルは少なく、口の動きに合うモデルはさらに少ない。

3社のスペックが互いを追いかけている

これらの数字を市場に置いて見ると、適当に選ばれたわけではないとわかる。ByteDanceのSeedance 2.5は今年7月のリリース後、評価が高く、CapCut（剪映）などの製品側ではネイティブ4Kに対応済みで、APIは現在最大1080p、10-bit。MiniMax H3は以前の公表値では最大2K、1セグメント15秒。Kling 4.0はネイティブ尺を30秒に押し上げ、参照項目を15個まで積み、出力仕様を4K HDRへ引き上げた。ほぼ競合リストに項目ごとに合わせ、さらに一歩先へ出た形だ。

ここには見落とされがちな違いがある。スペック表の「対応」と、実際に提供される「使える」は、しばしば同じではない。Seedance 2.5は製品側では4Kを出せるが、API側はまだ1080pで止まっている。Kling 4.0の4K HDRには「近日提供予定」と記されている。クリエイターが実際に使える上限は、発表イベントの最大数字ではなく、利用するチャネルがどのグレードを提供するかで決まる。

浙商証券は9月30日のコメントで、Kling 4.0の見どころを「4K HDR、ネイティブ30秒、キーフレーム10枚」の3項目に置き、プロ創作における優位が広がるとみている。これは証券会社視点の楽観的な判断だ。上海証券報の記者の観察では、Kling公式WeChatアカウントのコメント欄で、ユーザーが最も気にしているのは依然として価格と能力であり、初期評価は「やや平凡」だった。スペックの美しさとユーザーが納得して金を払うことの間には、まだ一枚の壁がある。

数字の外側にあるビジネス

Klingの商業的な動きは、モデルそのものよりも、どの道を行こうとしているかをよく示す。今年7月2日夜、快手科技は香港証券取引所での公告で、Kling AIが約30億ドルを独立調達し、ポストマネー評価額は約180億ドル、調達は北京Klingの16.67%の持分に対応、快手は依然として間接的に約68.33%を保有し、5年以内の上場を条件とする対賭条項が付くと発表した。これはその年、世界の動画生成分野で最大規模の資金調達だった。

この資金を得た後、Klingが答えなければならない問題は非常に現実的だ。クローズドソースの高価格路線はいつまで持つのか。同じ月、業界では「オープンソースかクローズドソースか」に関する議論が明らかに増えた。クローズドソース陣営（Kling、即夢、Sora）が売るのは、1カットごとに最も安定した1フレームであり、モデルの重みは公開されない。オープンソース陣営（Alibaba Wan、Tencent HunyuanVideo、Zhipu CogVideoX）が売るのはエコシステムで、重みが提供され、微調整もローカル実行もでき、従量課金もない。2つの路線の違いは、最終的にコンテンツ会社の帳簿に落ちる。1本の作品で最も重要なカットには、品質のために追加で金を払う価値がある。一方、同じキャラクターで何十話も連続して撮るようなバッチ生産能力は、データの自己管理と速度により大きく左右される。

注目すべき背景の1つは移行リスクだ。SoraのWeb体験は4月に終了し、APIも9月24日に終了予定。クローズドソースモデルは製品ライフサイクルをベンダーが握るため、ユーザーは移行についていくしかない。Klingは大規模調達を終えたばかりで上場対賭を抱える企業であり、値上げやAPI条項を調整する余地は、ユーザーが想像するより大きい。

パラメータの外側にある判断

クリエイターが気にする点に戻ろう。一度に30秒生成できることは、いったい何を変えるのか。これまでは、映像を5〜15秒のカットに分解し、カットごとに生成し、編集ソフトで音を付けてつなぎ合わせていた。Kling 4.0が単一セグメントを30秒に押し上げたことで、一部の物語は切り分ける回数を減らせる。だが30秒は依然として「1つの物語を語り切る」長さではない。長回しや連続的な語りは、往復の回数を省くものであって、絵コンテ思考を置き換えるものではない。

キーフレーム10枚の意味も似ている。クリエイターは必ず出したい画面の節目をいくつか固定でき、「ガチャ」のような再生成の繰り返しを減らせる。参照項目を15個まで積んだことは、キャラクター一貫性の作業を、プロンプトの技巧からモデルの入力容量へ部分的に移したことになる。

このアップグレードが解決するのは制御性の問題であり、制御性こそAI動画が「映像を出せる」から「納品できる」へ進むためのハードルだ。価格、ライセンス、データ帰属といった数字の外側の問題に、Kling 4.0は答えを出していない。それらが、このモデルが最終的に誰に使われ、どんなプロジェクトで使われるかを決める。