AIVideoFreeKling 4.0 AI-videogenerator
Kuaishous nya flaggskepp, live sedan 15 oktober: trettio sekunder i en tagning med upp till 4K och 21:9, där Omni Reference för samman femton indata till en enda generering. Skriv en prompt nedan och prova.
(JPG, JPEG, PNG, WEBP, max 30 MB)
Utvecklare
Kuaishou
Lanserad
15 okt. 2026 · fullständig modell
Varaktighet
3–30 s en enda passering
Max utdata
4K · upp till 21:9
Omni-referens
15 inmatningar i en uppgift
Nyckelbilder
Upp till 10
Promptlängd
8,000 token
Vårt omdöme på en rad: referensvalet för långa tagningar. Trettio sekunder, femton referensinmatningar och en brief på åtta tusen token i en enda generering — inget annat här tar emot så mycket vägledning på en gång.
Kling 4.0 lanserades fullt ut den 15 oktober, och det som gör den till ett generationsskifte snarare än en mindre versionsuppdatering är att tre siffror flyttades fram samtidigt: klipplängd till trettio sekunder, keyframes till tio och Omni Reference till femton kombinerade indata — bilder, videoklipp, sparade motiv och röstprover, i en enda uppgift. Lägg till ett promptfönster på 8 000 token så blir den praktiska förändringen tydlig: detta är modellen du ger en hel brief till, snarare än en som du lockar fram en tagning ur. Kuaishous egen inramning är stadigare storskalig rörelse, och tracking- och orbit-tagningar är där det märks. Två saker på specifikationsbladet är inte här ännu — 10-bitars HDR och tvåminutersförlängning har aviserats som kommande — och oberoende benchmarktester finns inte heller ännu, så betrakta superlativen nedan som rapportering från de första två veckorna.
Där Kling 4.0 vinner — och där det inte gör det
Bedömt utifrån våra egna renderingar och den publicerade dokumentationen, reviderat när fakta förändras — det är en funktion på den här sidan, inte en ansvarsfriskrivning.
Verkligt stark
• Omni Reference vid femton inmatningar.
Tio bilder, fem videoklipp, sju motiv, plus röstprover — kombinerade i en enda generering. Det största referensintaget vi hostar, och anledningen till att ett helt karaktärskit nu ryms i en enda uppgift.
• Trettio sekunder som håller ihop.
En enda obruten tagning, där Kuaishou siktar på stadigare storskalig rörelse. Tracking- och orbitbilder — de som tidigare brukade driva vid tjugosekundersmärket — är de synliga vinnarna.
• Prompter med åtta tusen token.
Plats för en fullständig shotlista, en karaktärsbibel och ljuddesignen i en enda brief. Modeller som tar emot så här mycket vägledning är sällsynta; modeller som agerar på den är ännu mer sällsynta.
• 21:9 i 4K.
Den bredaste filmiska bildramen med den högsta upplösningen i vårt videosortiment, utan arbetsflödet ”beskär-och-hoppas” som ultrawide tidigare krävde.
Kända begränsningar
• Två huvudspecifikationer är inte aktiva.
10-bit HDR och videoförlängningen på två minuter har tillkännagivits som kommande, inte som redan tillgängliga. Vi flyttar bort dem från den här kolumnen när de lanseras.
• Inga oberoende benchmarks.
Lanserades för en vecka sedan. Allt här kommer från Kuaishous versionsanteckningar, lanseringsbevakning och våra egna renderingar — det finns ännu inga tredjepartsbetyg.
• Femton referenser inbjuder till överdriven styrning.
En stor mängd input är ingen gratis uppgradering: motstridiga referenser ger grumligare resultat än tre bra. Börja smått och lägg till.
• Långa tagningar kostar riktiga pengar.
Trettio sekunder i 4K kostar betydligt mer än en tio sekunders 1080p-rendering. Skissa först fram en kort och billig tagning, och bekräfta den sedan en gång.
Tre prompter som visa vad det är till för
Kopiera till generatorn ovan, byt ut parenteserna, rendera.
Den obrutna omloppsbanan
"En enda kontinuerlig 30-sekunders tagning, 21:9: kameran kretsar runt [en keramiker vid sin drejskiva] medan hon centrerar leran, öppnar formen och drar upp väggarna. Dagsljus från ett högt fönster skiftar när vi rör oss. Drejskivans surr, våt lera, hennes andning."
En fullständig omloppsrörelse under trettio sekunder är stresstestet för stabiliteten som Kuaishou byggde den här versionen kring — om motivet och rummet håller genom 360 grader gör modellen sitt jobb. Demon bredvid generatorn är den här prompten.
Referenskitet, använt på rätt sätt
Ladda upp: 4 bilder av motivet, 1 klipp av rörelsen du vill ha, 1 röstprov
"Hon går längs hela verkstaden och säger repliken från röstreferensen. Matcha hennes ansikte, förkläde och gångstil med referenserna; behåll verkstadsbelysningen som i tagningen."
Att blanda indatatyper är precis vad Omni Reference är till för — stillbilder bär identitet, klippet bär rörelse, samplet bär röst. Att ange vilken referens som styr vad hindrar dem från att motarbeta varandra.
Briefen på åtta tusen token
Skriv allt i sin helhet: shotlista, karaktärsbeskrivning, garderob, ljusplan, kamerarörelser per beat, ljuddesign och vad som inte får ändras.
De flesta modeller bestraffar långa prompter; den här har utrymme för en riktig brief. Håll den strukturerad — ett stycke per element, inte en enda lång och utdragen mening — och den extra specificiteten går faktiskt fram.
Kling 4.0 mot Kling 3.0 mot Seedance 2.5
Uppgraderingsbeslutet, plus den andra trettiosekundersmodellen. Samma prompter för alla tre, bedömda efter vad vi skulle lansera — preliminärt till fördel för nykomlingen. Alla tre kan väljas i generatorn ovan.
Hur det kom hit
Kling 4.0
den fullständiga modellen, lanserad globalt: 30-sekunders tagningar i ett svep, Omni Reference över 15 indata, 10 nyckelbilder, prompter med 8,000 token, 21:9 i 4K, stereoljud med läppsynk. Tillkännagiven den 27 september med tidig åtkomst till Flash från den 28 september. Versionen i generatorn ovan.
Kling 3.0 och Kling O3
generationen som delade upp familjen i en promptstyrd linje (Director Mode, 4K) och en referensstyrd linje (MVL-identitetslåsning). Båda kan fortfarande väljas här; deras sidor förklarar när de fortfarande är rätt val.
Kling 1.x–2.x
versionerna som gjorde Kling till ett globalt namn och de första kinesiska modellerna som kunde mäta sig med västerländska flaggskepp.
Kling 4.0 frågor, raka svar
Kuaishous fjärde generationens videomodell, tillkännagiven den 27 september 2026 och fullt lanserad globalt den 15 oktober. Den genererar klipp på 3 till 30 sekunder i en enda körning med upp till 4K och 21:9, accepterar upp till 10 nyckelbilder, tar promptar på 8 000 token, och dess Omni Reference-system kombinerar upp till 15 indata — bilder, videoklipp, motiv och röstprover — i en uppgift.