摘要 可灵 AI 的新一代视频模型 Kling 4.0 于北京时间 10 月 15 日晚全面上线。单次生成 3 到 30 秒（上一代最长 15 秒），关键帧最多 10 张，一次最多 15 项参考素材。博主卡兹克当晚实测了追逐、马戏团、打斗、花滑、篮球和参考复刻：追逐长镜头里，主角扑倒在纸箱上，纸箱被压得变了形；电梯打斗的动作因果和镜头临场感是他最认可的两点。价格上，1080p 30 秒是 450 积分，他按会员价估约 16 元；Flash 版 720p 20 秒 120 积分，适合先打草稿。10-bit HDR 输出和 API 还没上线。这些结果都是一位创作者挑出来展示的成片，没有失败率，也没有同题对比。
北京时间 10 月 15 日晚 11 点，可灵 AI 在官方账号宣布 Kling 4.0 全面上线。第二天一早，公众号“数字生命卡兹克”发了一篇实测，作者说一晚上烧了几万积分，跑了追逐、马戏团、打斗、花滑、篮球和几种参考玩法。
这篇实测里最打眼的是一个不到一秒的画面。主角被一群混混追着跑，撞翻水果摊，扑倒在被自己撞倒的纸箱上，压在身下的纸箱跟着凹了下去。卡兹克专门截图把它圈了出来。人和物体互相穿过去、碰到了却没反应，是 AI 视频常见的穿帮；他认为这一下说明 Kling 4.0 对物理规律的理解有了提升。
这次升级的主角是时长。Kling 4.0 单次最长能生成 30 秒，上一代 Kling 3.0 是 15 秒。片段越长，动作、物体和镜头需要连贯的时间就越长，这类细节也越难守住。下面按卡兹克测的顺序看：30 秒能拍什么，大动作稳不稳，关键帧和参考怎么用，一条片子花多少钱，以及哪些功能还没上线。
Kling 4.0 单次最长 30 秒：一个镜头拍完一整场戏
官方给的时长范围是 3 到 30 秒。以前做 AI 视频，常见做法是一次生成几秒，挑出能用的几秒，再把很多段拼起来；段与段之间，人物长相、光线和站位都要对齐，接缝处最容易穿帮。卡兹克的说法是，30 秒“开始在整体上接近一个完整的场景单元了”。
他测的第一条是城市追逐。输入两张参考图，一张人物、一张街景，提示词要求图一的人在图二的城市里被一群混混追，途中撞翻水果摊、和路上的车辆发生交互，摄影机全程跟拍。他要的是 20 秒以上的一镜到底，一个镜头里同时有连续跑动、撞障碍物、人物转向和摄影机跟随。除了水果被撞翻后的下落，他最关注人和纸箱的接触，也就是开头那一幕。
第二条是马戏团，纯文生视频，没有参考图，直出 30 秒，画幅 21:9、1080p。提示词设定在 1900 年代的维多利亚马戏团：镜头追着一只白鸽从帐篷高空俯冲下来，钻过门帘，推到魔术师面前，帽子里喷出上百只白鸽和金粉，最后被羽毛和珠帘遮满全屏。
卡兹克数了数这条提示词里让视频模型头疼的东西：高速俯冲、穿过狭窄门帘、前景遮挡、多人运动、鸽群、羽毛、金粉，再加上从常速突然进入慢动作，而且要一镜到底。追逐戏考的是人物、道具和摄影机能不能一路跟住；马戏团考的是这么多元素塞进一个镜头，30 秒里能不能不散。这一条他说自己“还挺喜欢”。
大幅度动态：电梯打斗、花样滑冰和天台篮球
官方把大幅度动态表现更稳定列为这一代升级的第一项：高速运动、连续动作、跟拍和环绕镜头，画面都要稳、要连贯。卡兹克的看法是，可灵过去在人物情绪、表情和画面质感上积累不错，这次他想看它能不能把大范围运动和复杂打斗也做好。
打斗他选了致敬《美国队长 2》的电梯戏。先用 AI 做了两张同样场景的图，再写提示词：狭窄的金属电梯里，穿深色外套和酒红色连帽衫的年轻男子被西装壮汉围攻；他侧身躲过一拳，抓住对方手腕转身肘击，被身后的人抱住后猛地后撞，把对方撞上电梯壁，挣脱后借力摔倒迎面扑来的人；广角贴身跟拍，随动作快速横移，撞击时镜头轻微震动，一镜到底，不要慢动作。
他认可两点。第一是动作之间的关系：从闪避到反击，再到身体碰撞，看得出人物在做什么，也看得出为什么接下一个动作。第二是镜头的临场感：近距离跟拍、快速横移，加上碰撞时的一点镜头震动，打斗显得有重量。另一段公寓打斗他也评为“不错”。
另一种极端动态是花样滑冰：运动员全速助滑、急停刮起碎冰，接四周跳、高速旋转和燕式滑行，镜头贴着冰面跟随。卡兹克看的是跳跃和旋转时身体的中轴、重心、四肢展开，以及落冰后的衔接，评价是“都非常不错”。最后一条是傍晚的天台篮球：后撤步跳投，镜头在出手时绕到身后，跟着篮球划出高弧线空心入网，他的评价是“非常的稳”。
这些都是他挑出来展示的成片。文章没有交代同一条提示词跑了几次、成功几次，也没有和上一代或别家模型放在一起比，“相较前一代明显提升”是他的使用感受。
多关键帧：从首尾两张到最多 10 张
关键帧是创作者事先指定的某个时刻的画面，模型负责把它们之间的过程补出来。以前可灵只能给首帧和尾帧，中间怎么走由模型自己发挥；Kling 4.0 改成了多帧参考，一次最多放 10 张，界面上分首帧、中间帧、尾帧几个入口。
片段越长，首尾两帧之间留给模型自由发挥的空间越大。官方对这项功能的说法，是用来精确指定人物状态、场景变化和剧情节点。多给几张关键帧，就能把 30 秒里的几个转折点先钉住。
卡兹克做了一个应景的小片段：国庆假期后上班的第一周，很多人还在回味假期。他准备了四张图，分别当四个时间点的画面：工位上的人对着电脑上的待办清单；同一个工位，屏幕换成了一座山间木屋的照片；画面进到那座木屋前；最后是一条云雾里的山谷河流。
他对成片的评价是，可灵在帧与帧的过渡上“首屈一指”。
全能参考：拿一段长镜头当运镜模板
“全能参考”是可灵给多素材参考起的名字。按官方规格，一次最多 15 项参考：图片最多 10 张，视频最多 5 段且总长不超过 30 秒，主体（固定下来的角色或物品）最多 7 个，声音只能作为音色参考。视频参考可以用来指定人物表演、动作、运镜和节奏，也支持白模和深度图视频。
卡兹克认为这一项容易被忽视，但很重要。很多时候人说不清自己想要什么镜头，却在别处见过；视频模型再强，随机性也还在，同一个需求反复生成、直到碰上能用的一条，圈内叫“抽卡”，一遍遍抽，成本太高。参考视频等于直接把想要的镜头递给模型。
他的团队拿《指环王》第一部里的一个一镜到底长镜头做参考，只截了中间一段，因为整段超出了单镜头的时长上限。参考图是一张山顶有座石塔的风景，和一个戴草帽、脸部是屏幕的机器人，提示词要求：按参考视频的景别和运镜，生成同样运镜的一镜到底；场景换成图一，高塔换成图一里的石塔，人物换成图二的机器人；蝴蝶飞到机器人手里之前，它的屏幕一直是愁容，蝴蝶落下后切换成图三的笑脸。配上音乐，出来的是一段有点滑稽的短片。
除了借运镜，更火的玩法是替换原视频里的人物。卡兹克用一个卡通角色“牛来”的三视图，让 Kling 4.0 把一段网上流行视频里的人换成它。官方把这类用法叫“创意复刻”：保留爆款视频的节奏、构图和镜头，换掉里面的产品、人物等素材。
价格：1080p 30 秒 450 积分，Flash 20 秒 120 积分
卡兹克评价视频模型，除了看成片质量，还看两个指标：单次生成的成本，以及为了一条可用成片要抽多少次卡，也就是废片率。两者相乘，才是一条成片的实际花费。
他截的生成界面上，Kling 4.0 生成 1080p、30 秒、21:9 的视频，按钮上标的是 450 积分；Kling 4.0 Flash 生成 720p、20 秒，是 120 积分。折成每秒，正式版 1080p 是 15 积分，Flash 720p 是 6 积分。按会员价推算，他估计一条 30 秒的 1080p 视频约 16 元，720p 约 9 元。
Flash 是 9 月 28 日先放出来的版本，最初只给部分黑金年卡和 Ultra 年度订阅用户。卡兹克说它在一些用户里口碑很好：便宜、快，质量也高。官方规格里，Flash 最长 20 秒，只有 720p 和 8-bit SDR；能力表列了文生视频、图生视频和全能参考，没有列首尾帧和多关键帧。他的建议是先用 Flash 跑小样、定方向，效果确定后再用正式版生成。
还没上线：10-bit HDR、API 和 2 分钟续拍
10 月 15 日的官方帖，把两项写在“即将推出”里：4K 和 1080p 的 10-bit HDR 输出，以及面向企业和开发者的 API。现在能用的入口是可灵网页上改版后的创作界面，以及 MCP 和 CLI，后两者让 AI Agent 也能调用 Kling 4.0。官方页面上，把一段视频多次续拍、最长延展到 2 分钟的功能，同样标着即将上线。
10-bit 指每个颜色通道有 1024 级，8-bit 只有 256 级。级数少，天空、逆光这类平滑的渐变里就会出现一圈一圈的色带；HDR（高动态范围）则让画面里最亮和最暗的部分都留住细节。可灵官方说，这能在逆光、夜景、霓虹这类高反差场景里保住高光和阴影的细节、减少色带，也给后期调色留出更多余地。卡兹克称它是“业内最高输出规格”，说此前从没在 AI 视频上见过。
这一项对要进剪辑软件调色的专业片子更有用；只在手机上发短视频，眼下的 1080p 已经够用。
用 Kling 4.0 前先想清楚的四件事
先用 Flash 打草稿，但要知道它少了什么。 Flash 每秒 6 积分，最长 20 秒，适合试提示词、定方向。官方能力表里它没有列首尾帧和多关键帧；要靠关键帧控制剧情的镜头，草稿阶段可能也得用正式版。
长镜头靠“指定”，少靠碰运气。 能画出来的转折点，用关键帧钉住；说不清的运镜，找一段参考视频递给模型。片段越长，这两样省下的重抽越多。
按“单价 × 抽卡次数”算账。 1080p 30 秒一次 450 积分，同一条抽三次就是 1350 积分。比较不同模型时，单次价格之外，更要看自己的题材要抽几次才出一条能用的。
看实测，也看它没测什么。 卡兹克展示的是他挑出来的成片，没有失败率，没有和上一代或别家模型的同题对比；10-bit HDR、API 和 2 分钟续拍还没上线。
回到开头那只纸箱。30 秒让模型有时间拍完一整场戏，也让每一处穿帮更难藏。纸箱那一下说明这一次它守住了；能守住几成，要等更多人晒出自己的废片率。