클링 4.0 공식 발표: 4K HDR, 30초 네이티브, 키프레임 10장, 중국산 비디오 모델 '스펙 전쟁' 진입

9월 28일, 콰이쇼우 클링이 Kling 4.0의 파라미터를 공개했고, 정식 버전은 10월 출시 예정이다. Kling 4.0 Flash는 한발 앞서 개방됐지만, 블랙 골드 연간권 회원만 대상으로 하며, 스펙은 720p, 8-bit SDR, 3~20초로 낮춰 화질과 길이를 생성 속도와 맞바꿨다. 같은 세대 모델에서 먼저 풀린 것은 '충분히 빠른' 등급이고, 전문가용 스펙은 뒤에 남겨뒀다. 이런 배열 자체가 지금 비디오 모델 업체들이 두 부류의 사용자를 동시에 챙겨야 함을 보여준다: 양으로 승부하는 숏폼 크리에이터, 그리고 한 편의 완성본이 곧 비용을 결정하는 상업 고객.

파라미터 표에 담긴 몇 가지 숫자

1회 생성 최대 30초, 키프레임 최대 10장, 멀티모달 레퍼런스 최대 15개, 프롬프트 상한은 8,000 토큰으로 올라갔다. 클링은 15개 레퍼런스를 아주 세분화했다: 한 번에 이미지 10장, 영상 5개, 주체 7개를 동시에 입력할 수 있어 캐릭터, 소품, 카메라 언어를 한 작업 안에서 함께 제공한다. 출력은 1080p와 4K 10-bit HDR을 지원하고, 21:9 초광각 화면비도 추가했다. 공식 설명에 따르면 고대비 장면에서 '역광이 터지지 않고, 야경이 뭉개지지 않고, 네온이 번지지 않는다'. 비디오 연장 기능은 클립을 약 2분까지 늘릴 수 있다고 예고했다.

오디오도 이번의 또 다른 핵심이다. Kling 4.0은 고품질 오디오와 2채널 스테레오를 지원하며, 입모양 매칭 정밀도를 계속 다듬었다. 공식은 '더 이상 후반에 억지로 붙인 것 같지 않다'는 문구를 홍보 문안에 넣었다. 내러티브 콘텐츠를 만드는 사람에게 음화 동기화는 오랫동안 비디오 모델의 가장 취약한 고리였고, 스스로 소리를 낼 수 있는 모델은 드물며, 입모양까지 맞추는 모델은 더 드물다.

세 업체의 스펙이 서로를 쫓고 있다

이 숫자들을 시장에 놓고 보면 임의로 고른 것이 아님을 알 수 있다. 바이트댄스 Seedance 2.5는 올해 7월 출시 후 평판이 매우 좋았고, 캡컷 등 제품 측에서는 네이티브 4K를 지원하지만 API는 현재 최대 1080p, 10-bit다. MiniMax H3의 초기 공개 기준은 최대 2K, 단일 15초였다. 클링 4.0은 네이티브 길이를 30초로 밀어 올리고, 레퍼런스 항목을 15개로 쌓고, 출력 스펙을 4K HDR로 끌어올렸다. 거의 경쟁사 목록을 한 줄씩 맞춘 뒤 한 칸 더 나아간 셈이다.

여기엔 놓치기 쉬운 차이가 있다. 스펙표의 '지원'과 실제로 '받을 수 있는' 것은 종종 다른 얘기다. Seedance 2.5는 제품 측에서 4K를 낼 수 있지만 인터페이스 측은 아직 1080p에 머문다. 클링 4.0의 4K HDR은 '출시 예정'으로 표기됐다. 크리에이터가 실제로 쓸 수 있는 상한은 발표회의 최대 숫자가 아니라, 이용하는 채널이 어느 등급을 제공하느냐에 달려 있다.

저상증권은 9월 30일 논평에서 클링 4.0의 관전 포인트를 '4K HDR, 네이티브 30초, 키프레임 10장' 세 가지로 꼽으며, 전문 창작에서의 우위가 더 커질 것이라고 봤다. 이는 증권사 관점의 낙관적 판단이다. 상하이증권보 기자의 관찰에 따르면, 클링 공식 위챗 계정 댓글창에서 사용자들이 가장 관심을 갖는 것은 여전히 가격과 성능이며, 초기 평가는 '다소 평범하다'는 쪽이었다. 스펙이 아름다운 것과 사용자가 지갑을 여는 것 사이에는 한 겹의 간극이 있다.

숫자 밖의 비즈니스

클링의 상업적 행보는 모델 자체보다 어떤 길을 가려는지 더 잘 보여준다. 올해 7월 2일 저녁, 콰이쇼우 테크놀로지는 홍콩거래소에 클링 AI가 약 30억 달러 독립 투자를 유치했고, 투자 후 기업가치는 약 180억 달러라고 공시했다. 투자 대가는 베이징 클링 지분 16.67%에 해당하며, 콰이쇼우는 여전히 약 68.33%를 간접 보유하고, 5년 내 상장을 조건으로 한 베팅 조항도 포함됐다. 이는 당해 글로벌 비디오 생성 분야에서 규모가 가장 큰 투자 유치였다.

이 돈을 받은 뒤 클링이 답해야 할 문제는 매우 현실적이다. 폐쇄형 고가 노선이 얼마나 버틸 수 있느냐다. 같은 달 업계에서 '오픈소스냐 폐쇄소스냐' 논의가 눈에 띄게 늘었다. 폐쇄형 진영(클링, Dreamina, Sora)은 단일 결과물 중 가장 안정적인 한 프레임을 팔고, 모델 가중치는 공개하지 않는다. 오픈소스 진영(알리바바 Wan, 텐센트 HunyuanVideo, 즈푸 CogVideoX)은 생태계를 팔고, 가중치를 내주며, 미세 조정과 로컬 실행이 가능하고, 호출당 과금이 없다. 두 노선의 차이는 결국 콘텐츠 회사의 장부로 귀결된다: 한 편의 영화에서 가장 중요한 장면은 품질을 위해 돈을 더 낼 가치가 있고, 같은 캐릭터로 수십 편을 연속 제작하는 대량 생산 능력은 데이터 자율성과 속도에 더 좌우된다.

주목할 만한 배경은 마이그레이션 리스크다. Sora의 웹 경험은 4월에 종료됐고, API도 9월 24일 종료될 예정이다. 폐쇄형 모델은 제품 수명을 업체가 쥐고 있고, 사용자는 그저 따라 이전할 수밖에 없다. 막 대규모 투자를 마치고 상장 베팅을 안고 있는 회사로서 클링이 가격을 올리거나 인터페이스 조건을 바꿀 여지는 사용자가 생각하는 것보다 크다.

파라미터 밖의 판단

크리에이터가 관심 갖는 문제로 돌아가 보자. 한 번에 30초를 생성한다는 것이 대체 무엇을 바꾸는가. 과거 방식은 영상을 5~15초 분할된 숏으로 쪼개고, 숏마다 생성한 뒤 편집 소프트웨어에서 더빙하고 이어 붙이는 것이었다. 클링 4.0은 단일 구간을 30초로 밀어 올려 일부 내러티브는 컷을 덜 나눠도 되게 했다. 하지만 30초는 여전히 '이야기 하나를 끝내는' 길이가 아니다. 롱테이크와 연속 내러티브는 왕복 횟수를 줄여줄 뿐, 스토리보드 사고를 대체하지는 않는다.

키프레임 10장의 의미도 비슷하다. 크리에이터가 반드시 등장해야 하는 몇 개의 화면 노드를 고정할 수 있게 해, '뽑기'식 반복 재생성을 줄여준다. 레퍼런스 항목이 15개로 늘어난 것은 캐릭터 일관성 작업을 프롬프트 기술에서 모델의 입력 용량으로 일부 옮긴 것이다.

이번 업그레이드가 해결하는 것은 제어 가능성이며, 제어 가능성은 바로 AI 비디오가 '영상을 뽑아낼 수 있다'에서 '납품할 수 있다'로 넘어가는 문턱이다. 가격, 라이선스, 데이터 귀속처럼 숫자 밖의 문제에 대해 클링 4.0은 답을 주지 않았다. 그것들이 이 모델이 결국 누구에게 쓰이고 어떤 프로젝트에 쓰일지를 결정할 것이다.