Kling 4.0 与 AI 视频领域新的可控性竞赛
人们对 AI 视频最大的抱怨从来都不是画质，而是可控性。你写下一段提示词，模型生成出惊艳的画面，然后客户提出要改一个小细节，你就不得不把整段重新生成，还要祈祷角色的脸和光线保持不变。Kling 4.0 瞄准的正是这道鸿沟。
快手的可灵于 9 月 28 日发布了这款模型。完整版将于 10 月的某个时间上线；一个更轻量的 "Flash" 版本，限制为 720p 和 20 秒片段，同日面向 Ultra 年度订阅用户开启抢先体验。完整模型将单次生成时长扩展到 30 秒，并新增 1080p 和 4K 输出，更高分辨率下还计划支持 10-bit HDR。
真正重要的规格并不是分辨率数字，而是编辑功能。其中有三项尤为突出。
第一项是局部编辑。你可以拿一段成片，只改动其中一处——一个表情、一个动作、一个运镜、一种风格或背景——而其他一切保持锁定。你最多可以输入五段素材，其中一段作为主控素材。这就是"客户改了一个细节"究竟意味着全部重做，还是一次单独编辑的区别。也正是这项功能，弥合了 AI 视频作为演示与作为修改循环之间的差距。
第二项是关键帧。图生视频现在最多可接受十张关键帧图片，外加首帧和尾帧。你把产品镜头、使用场景和包装特写的顺序固定下来，让模型补全它们之间的运动。对于做产品视频的人来说，这把生成变成了分镜。在消耗积分之前就能确认分镜，这才是真正省时间的地方。分镜同时也是一份契约：在最昂贵的环节开始之前，客户就已经认可了这个顺序。
第三项是 Omni Reference（全能参考），可一次性接受最多 15 个输入：十张图片、总长 30 秒的五段视频，以及最多七个带声音参考的主体。你可以在提示词中用 @image1 和 @video1 来引用它们，告诉每个参考素材承担什么任务。一个参考负责身份，另一个负责风格，再一个负责姿态。这与人们在图像编辑中已经在用的原理相同，只是扩展到了动态影像之上。
这三项功能共享同一条主线：它们都在减少你不得不推倒重来的次数。早期的 AI 视频就像一台老虎机：拉一下手柄，得到一段片段，不喜欢就再拉一次。Kling 4.0 正朝着一条确定性流水线推进——你在意的部分被牢牢钉住，只有运动交给偶然。
定价的激进程度说明快手是在打规模战。按年付费时，入门档约每月 21 美元，含 180 积分，折合约每条视频 1.90 美元；顶配档每月 90 美元，折合约每条视频 1.10 美元。所有档位都无水印，成片可直接交付客户。作为参照，Google 的 Veo 3.1 标准档标价约每秒 0.40 美元，而阿里的 Wan 3.0 则在 0.05 至 0.20 美元之间。中国的视频模型正在用价格换取市场份额，可灵对此毫不掩饰。
这些控制能力叠加在一个已经证明能在跨场景中保持角色一致的模型之上。控制力、一致性，加上低廉的每秒价格，这组组合让 Kling 4.0 感觉像是与早期 Sora 时代"哇，你看它生成了什么"的演示截然不同的品类。演示的时代已经结束，现在的工作重心是迭代。
这正是当下整个视频生成领域悄然贯穿的主题。Runway 的 Gen-4.5 推动的是参考驱动的连贯性，让单张参考图在多个镜头中保持同一主体。Veo 3.1 主打音频与画面同时生成，让脚步声落在脚真正落地的地方。Wan 3.0 则以价格和开放权重竞争。Kling 4.0 押注的是一个不那么光鲜的问题：在看到结果之后改主意。这一直是创意工作中真正的瓶颈，也是基准测试永远测不出来的东西。
这件事在商业上之所以重要，是因为为 AI 视频付费的人不是那种做一条爆款短片的人，而是每个月要做上百条产品视频的人，而他们花在修改上的时间比生成还多。一个让修改变便宜的工具，打的正是真正的成本中心。这就是为什么可灵真正的发布内容是局部编辑和关键帧，而不是它的 4K 规格。
有一个很好的方式来衡量这种转变。在旧工作流里，一次"重新生成"就是一个失败单位。每一次不想要的偏差，都要付出一次完整生成、一次完整积分和一次完整等待。Kling 4.0 的局部编辑把这个失败单位变成一个小操作。情感上的差异和经济上的差异同样重要：创作者不再把模型当成老虎机，而是开始把它当成一个可以指挥的协作者。这正是工具从新奇玩意跨入工作流的时刻，也是 AI 视频市场真正开始成熟的时刻。
Kling 4.0 的音频部分容易被忽视，但值得一提。完整模型生成与画面同步的双声道立体声音频，唇音同步得到改善，并支持包括多种中文方言在内的九种语言。对于产品视频和短剧来说，配音与口型是否对得上，决定了画面是可信还是出戏，这比分辨率提升重要得多。早期 AI 视频产出的是无声素材，得靠你后期配音；而同时生成声音和画面的模型，直接省掉了一整道后期工序。
值得退后一步看清战略格局。快手是一个短视频平台，可灵是它的 AI 分支。这意味着 Kling 4.0 不是一个想卖你订阅的工具公司，而是一个在为自己的内容生态供血的平台，激进定价反映的是与独立厂商不同的终局。字节跳动的 Seedance 和 Dreamina 也是如此。中国的视频模型由能从其生成内容中获益的平台补贴，这是西方实验室不具备的结构性优势，也是价格战持续朝一个方向倾斜的原因。
这次发布没有完全回答的一件事，是所有制作方接下来最关心的细节：完整模型的积分定价和 API 访问。可灵公布了订阅档位，但没有公布 Kling 4.0 本身的单积分成本，其 API 套餐也还不支持新模型。这个缺口会在 10 月完整版发布时补上，但值得指出，因为一个便于修改的模型，其经济账与一次性生成的模型不同。如果一次局部编辑的成本只是完整重新生成的一小部分，价值主张就一目了然；如果成本几乎相当，那这个功能就只是便利，而非成本突破。无论如何，方向已经清晰，而定价细节将决定团队采用它的速度。
对于任何要交付产品视频、营销短片或短剧的人来说，实用的结论很简单：别只盯着分辨率规格。要问的是，当客户要求换一个角度时会发生什么。如果答案是"全部重新生成"，那你还活在 2025 年。Kling 4.0 押注的是，2026 年的答案会是"只改一处，其余保留"。哪个厂商赢下这个赌注，哪个就会拿下市场的下一阶段，因为时间和钱，实际上都花在修改上。