Nowy flagowiec Kuaishou, dostępny od 15 października: trzydzieści sekund w jednym ujęciu w rozdzielczości do 4K i formacie 21:9, z Omni Reference łączącym piętnaście danych wejściowych w jedną generację. Wpisz poniżej prompt i wypróbuj.
Deweloper
Kuaishou
Uruchomiono
15 paź 2026 · pełny model
Czas trwania
3–30 s jedno przejście
Maks. wynik
4K · do 21:9
Referencja Omni
15 danych wejściowych w jednym zadaniu
Klatki kluczowe
Do 10
Długość promptu
8,000 tokenów
Nasz werdykt w jednym zdaniu: wybór referencyjny do długich ujęć. Trzydzieści sekund, piętnaście wejść referencyjnych i brief na osiem tysięcy tokenów w jednej generacji — nic innego tutaj nie przyjmuje naraz tak wielu wskazówek.
Kling 4.0 w pełni wystartował 15 października, a tym, co czyni go zmianą generacyjną, a nie wydaniem punktowym, jest fakt, że trzy liczby zmieniły się jednocześnie: długość klipu do trzydziestu sekund, liczba klatek kluczowych do dziesięciu, a Omni Reference do piętnastu połączonych danych wejściowych — obrazów, klipów wideo, zapisanych obiektów i próbek głosu, w ramach jednego zadania. Dodajmy do tego okno promptu o długości 8000 tokenów, a praktyczna zmiana staje się jasna: to model, któremu przekazuje się cały brief, a nie taki, z którego trzeba mozolnie wydobywać pojedyncze ujęcie. Własne ujęcie Kuaishou to stabilniejszy ruch na dużą skalę, a ujęcia śledzące i orbitalne są miejscem, w którym jest to widoczne. Dwóch rzeczy ze specyfikacji jeszcze tu nie ma — 10-bit HDR i dwuminutowe przedłużenie zapowiedziano jako nadchodzące — nie ma też jeszcze niezależnych benchmarków, więc poniższe superlatywy traktuj jako relację z pierwszych dwóch tygodni.
Ocenione na podstawie naszych własnych renderów i opublikowanych danych, korygowane wraz ze zmianą faktów — to cecha tej strony, a nie zastrzeżenie.
• Omni Reference przy piętnastu wejściach.
Dziesięć obrazów, pięć klipów wideo, siedem obiektów oraz próbki głosu — połączone w jednej generacji. To największy zestaw materiałów referencyjnych, jaki obsługujemy, i powód, dla którego cały zestaw postaci mieści się teraz w jednym zadaniu.
• Trzydzieści sekund, które trzymają się razem.
Jedno nieprzerwane ujęcie, przy czym Kuaishou celuje w stabilniejszy ruch w dużej skali. Ujęcia ze śledzeniem i orbitowaniem — te, które wcześniej zaczynały odpływać przy dwudziestej sekundzie — są widocznymi beneficjentami.
• Prompty na osiem tysięcy tokenów.
Miejsce na pełną listę ujęć, biblię postaci i projekt dźwięku w jednym briefie. Modele, które przyjmują tak szczegółowe wskazówki, są rzadkie; modele, które według nich działają, są jeszcze rzadsze.
• 21:9 w 4K.
Najszerszy kinowy kadr w najwyższej rozdzielczości w naszej ofercie wideo, bez procesu „przytnij-i-módl-się”, którego kiedyś wymagał format ultrawide.
• Dwie główne specyfikacje nie są aktywne.
10-bit HDR i dwuminutowe rozszerzenie wideo zostały zapowiedziane jako nadchodzące, a nie dostępne. Przeniesiemy je z tej kolumny, gdy się pojawią.
• Brak niezależnych benchmarków.
Uruchomiono tydzień temu. Wszystko tutaj pochodzi z informacji o wydaniu Kuaishou, relacji z premiery i naszych własnych renderów — nie ma jeszcze ocen od stron trzecich.
• Piętnaście referencji sprzyja nadmiernemu instruowaniu.
Duży zestaw wejściowy nie jest darmowym ulepszeniem: sprzeczne referencje dają bardziej mętne wyniki niż trzy dobre. Zacznij od małej liczby i dodawaj.
• Długie ujęcia kosztują prawdziwe pieniądze.
Trzydzieści sekund w 4K kosztuje znacznie więcej niż dziesięciosekundowy render 1080p. Najpierw przygotuj krótką i tanią wersję ujęcia, a potem zatwierdź je raz.
Skopiuj do generatora powyżej, zamień nawiasy, wyrenderuj.
"Jedno ciągłe 30-sekundowe ujęcie, 21:9: kamera okrąża [garncarkę przy kole], gdy centruje glinę, otwiera formę i wyciąga ścianki ku górze. Światło dzienne z wysokiego okna zmienia się, gdy się poruszamy. Szum koła, mokra glina, jej oddech."
Pełna orbita trwająca trzydzieści sekund to test obciążeniowy stabilności, wokół której Kuaishou zbudowało to wydanie — jeśli obiekt i pomieszczenie utrzymują się przez 360 stopni, model wykonuje swoje zadanie. Demo obok generatora to ten prompt.
Prześlij: 4 obrazy obiektu, 1 klip ruchu, którego chcesz, 1 próbka głosu
"Przechodzi przez całą długość warsztatu i wypowiada kwestię z referencji głosowej. Dopasuj jej twarz, fartuch i chód do referencji; zachowaj oświetlenie warsztatu takie, jak w ujęciu."
Mieszanie typów wejściowych jest dokładnie tym, do czego służy Omni Reference — kadry przenoszą tożsamość, klip przenosi ruch, a próbka przenosi głos. Określenie, która referencja zarządza czym, zapobiega ich wzajemnemu konfliktowi.

Napisz całość: listę ujęć, opis postaci, garderobę, plan oświetlenia, ruchy kamery dla każdego momentu, projekt dźwięku oraz to, co nie może się zmienić.
Większość modeli karze długie prompty; ten ma miejsce na prawdziwy brief. Zachowaj strukturę — jeden akapit na każdy element, a nie jeden długi potok zdań — a dodatkowa konkretność naprawdę zadziała.
Decyzja o ulepszeniu, plus drugi trzydziestosekundowy model. Te same prompty we wszystkich trzech, oceniane pod kątem tego, co byśmy opublikowali — wstępnie na korzyść nowicjusza. Wszystkie trzy można wybrać w generatorze powyżej.
pełny model, wprowadzony globalnie: 30-sekundowe ujęcia bez cięć, Omni Reference dla 15 wejść, 10 klatek kluczowych, prompty o długości 8,000 tokenów, 21:9 w 4K, dźwięk stereo z synchronizacją ruchu ust. Zapowiedziany 27 września, z wczesnym dostępem Flash od 28 września. Wersja w generatorze powyżej.
generacja, która podzieliła rodzinę na linię prowadzoną promptem (Director Mode, 4K) oraz linię prowadzoną referencją (blokowanie tożsamości MVL). Obie nadal można wybrać tutaj; ich strony wyjaśniają, kiedy wciąż są właściwym wyborem.
wydania, które uczyniły Kling globalnie rozpoznawalną nazwą i pierwszymi chińskimi modelami, które mogły rywalizować z zachodnimi flagowcami.
Model wideo czwartej generacji firmy Kuaishou, ogłoszony 27 września 2026 r. i w pełni udostępniony globalnie 15 października. Generuje klipy trwające od 3 do 30 sekund w jednym przebiegu, w rozdzielczości do 4K i formacie 21:9, przyjmuje do 10 klatek kluczowych, obsługuje prompty o długości 8000 tokenów, a jego system Omni Reference łączy do 15 danych wejściowych — obrazy, klipy wideo, obiekty i próbki głosu — w jednym zadaniu.