Kling 4.0登場：10枚のキーフレーム、30秒、そしてスロットマシン的編集の終焉

快手（Kuaishou）のKling 4.0は9月28日に社内テストを開始し、軽量版のKling 4.0 Flashは同日夕方にメンバー向けに配信、フルモデルは10月の提供が予告されている。同社は1年近くにわたりByteDanceのSeedanceとスペック競争を繰り広げてきたが、今回のリリースは、この争いが本当は何をめぐるものなのかを最も明確に示している。

主要な数字は明快だ。ネイティブのシングルパス生成はKling 3.0の15秒から30秒へと倍増し、動画延長機能は複数パスの組み合わせで最大2分をうたう。出力は4Kおよび1080pの10ビットHDRに対応し、21:9のウルトラワイドも加わる。音声は2チャンネルステレオになり、前世代を悩ませていたリップシンクのずれは、リリースノートが修正したと主張する具体的な不具合である。プロンプト入力は8,000トークンに増えた。

だが、これらの数字のどれもが本題ではない。

10枚のキーフレームは、別の製品カテゴリーである

Kling 3.0は開始フレームと終了フレームを受け付けた。2枚の画像だけで、その間のすべてをモデルが補間する。そうやって商品動画を撮ろうとしたことがある人なら、その感覚がわかるだろう。両端を決めたら、あとは出てきたものを眺めるだけだ。中国のクリエイターはこれを「抽卡」、つまりカードを引くと呼ぶ。ガチャゲームがランダム排出に使うのと同じ言葉だ。

Kling 4.0は最大10枚のキーフレームを受け付ける。量の変化に聞こえるが、そうではない。

10個の制御点があれば、1回の生成の中で一連のビートを描ける。人物が入ってくる、カウンターへ歩く、カメラが寄る、商品が回転する、手が伸びる、ワイドな構図にカット。それぞれのビートに専用のアンカー画像が付くので、モデルはもう2つの端点の間の弧の形を推測したりしない。10個の点の間を埋めるだけだ。

短尺のコマース動画を大量に制作するチームにとって、これは納品の単位を変える。以前なら30秒の商品スポットは撮影かストック素材の編集を意味し、AI生成は数秒の穴埋めに限られていた。今やタイムライン全体を、ショットのビートにキーフレームを対応させたスクリプトから制作できる。作業は「生成して祈る」から「絵コンテを描いて、それから生成する」へと移る。

快手の発表そのもののコメント欄は一読の価値がある。最も多く投票された質問は能力とは一切関係がなく、価格の話だったからだ。これは2026年において制約がどこにあるかを如実に示すシグナルである。能力の天井は上がり続けているのに、コストの床はそれほど速くは下がっていない。

マルチモーダル参照が実際に制御するもの

Kling 4.0は1つのタスクで最大15のマルチモーダル参照に対応する。内訳は画像が最大10、動画クリップが5、被写体の組み合わせが7だ。快手はこれを「Omni Reference」と名付けており、既存の映像内の被写体や背景を追加・変更・削除することもできる。

もう一度このリストを読むと、生成機能というよりむしろ一貫性の契約のように見えてくる。AI動画で繰り返し起きる失敗は、単一のフレームではない。4番目のショットだ。俳優の顔がずれ、ジャケットの色味が変わり、商品ラベルが法務チェックを通らない何かに変貌している。30秒の生成を通じて同一性を15の参照スロットに固定するのは、それに正面から答えようとする試みだ。

ここには実際の制作上の制約が潜んでいる。参照素材は使う前に存在していなければならず、キャラクターシート、商品のターンアラウンド、音声サンプルを作ること自体が制作業務だ。Kling 4.0から価値を引き出せるのは、そうしたライブラリをすでに揃えているチームか、それをパイプラインの一部として組み込んだチームだろう。

速度、コスト、そしてKlingが実際に立つ位置

Kling 4.0 Flashは高頻度利用向けのティアだ。生成が速く、コストが低く、早期アクセス中は720pが上限となる。フルモデルは映画や広告制作向けのプロティアである。

快手の言い回しを繰り返すのではなく、競合状況を正確に見ておく価値がある。Artificial Analysisのテキストtoビデオのリーダーボードで、Kling 3.0は12位あたりに位置し、GoogleのGemini Omni Flash、AlibabaのWan 3.0、MiniMaxのH3 Maxの後塵を拝していた。Kling 4.0は確かな能力の前進だが、その順位差を埋められるかは、独立した評価が出るまで結論が出ない。

順位よりも市場の文脈のほうが重要だ。快手は2026年7月に約30億ドルの独立調達を報告し、ポストマネー評価額は約180億ドル、5年以内の上場コミットメント付きと伝えられている。証券時報によれば、シティグループの見立ては2つの問いに集約される。Klingが国内市場の8割超を握るとされるSeedanceからユーザーを取り戻せるか、そして価格設定が問題になるほど競争力があるか。

価格の話は付け足しではない。Kling 4.0が発表されたまさに同じ週、HeyGenは毎秒1セントのユニバーサル動画モデルを投入し、Creatifyは追加学習したMiniMax H3の派生モデルを毎秒4セントで提供、SpaceXAIはGrok Imagine Videoのliteティアをサードパーティのプラットフォーム経由で展開し、従来比4倍安いと主張した。生成レイヤーは複数の方向から同時にコモディティ化が進んでおり、4K HDR出力でリードするモデルは、競合がリードしないと決めた次元で戦っていることになる。

これはKling 4.0の用途を捉え直させる。その野心は、制作チームがブリーフを渡せば納品物が返ってくる生成器になることだ。それは別種の主張であり、値付けがより難しい主張でもある。

実際のアップグレードはワークフローにある

今回のリリースで地味な部分が、最も影響が大きいかもしれない。テキストtoビデオ、画像toビデオ、参照生成、動画延長、動画編集が、ひとつのネイティブなマルチモーダルワークフローに収まった。画像・動画・音声の参照を単一の入力フィールドで組み合わせられる。生成ページはタイムラインのプレビューと編集、グリッド／リスト表示、そして快手が「canvas Agent」と呼ぶ体験に対応する。

AI動画ツールはこの2年間、つながりのない工程の寄せ集めだった。ここで生成し、あそこでアップスケールし、3つ目のアプリで編集し、4つ目のアプリで音声を同期する。それらをひとつの画面に統合することが、30秒のタイムラインを実用的にする。同時に、このツールが編集ソフトと重なり始める地点でもあり、それはSeedanceとの戦いとは別の競争になる。

統合にはそれなりの代償も伴う。生成・編集・タイムラインレビューを担うツールは、プロジェクトファイルを握りたがるツールだ。すでに確立したポストプロダクションのスタックを持つチームは、パイプラインのどこまでを明け渡すかを決めなければならない。快手はエージェント駆動のバッチ生成に向けたMCPとCLIのサポートでしばらく前からこの方向に取り組んでおり、canvasという言い回しは、同社が製品をクリップではなくオーケストレーションだと見ていることを示唆する。

ボトルネックは実際どこへ移るのか

快手が押し出している構図は、AI動画がスロットマシンから絵コンテへ移るというものだ。10枚のキーフレームが可能にすることを言い表すには妥当な説明である。同時にボトルネックも動かす。まとまりのある30秒の作品を作るのに苦労していたチームは、これからはまとまりのある30秒のスクリプトを書くのに苦労する。ツールは絵コンテの制御を手渡した。渡すべき絵コンテがあるかどうかは別の問いであり、モデルのリリースが答えられるものではない。

これには本当に良い知らせであるバージョンと、罠であるバージョンがある。良いバージョン：スクリプトとショットリストを持つチームは制作の倍率を手に入れる。彼らの工程で高コストだった部分（撮影の調整）が、1回の生成パスに畳み込まれるからだ。罠のバージョン：どちらも持たないチームは、同じ品質のコンテンツをはるかに大量に、より高いボリュームで生成し、制約はレンダリングではなかったと気づく。

これに対するKling 4.0の答えは、要するに市場はすでにその移行を済ませているという賭けだ。10枚のキーフレーム、15の参照、8,000トークンのプロンプトは、言いたいことが具体的にある人のための機能である。そこまでの制御を求めるのは、生成ボタンを押す前にショットをどう見せたいかを分かっている場合にのみ、価値がある。