9 月 28 日可灵宣布 Kling 4.0 将于 10 月全面上线轻量版 Kling 4.0 Flash 同日向黑金年卡会员开放小范围抢先体验。官方给出的能力项很密集单次原生最长 30 秒、最多 10 张多关键帧、提示词上限 8000 tokens、单次最多 15 项多模态参考、双通道立体声、21:9 超宽画幅、4K 与 1080p 的 10-bit HDR、多次续拍最长 2 分钟以及创作页面的整体焕新。其中 4K / 10-bit HDR 与 2 分钟续拍标注「即将上线」定价与确切日期未公布。一、一张规格表先看全貌通稿的十几项能力收进一张表绿色为上线即可用琥珀色为官方标注「即将上线」的 4K、10-bit HDR 与 2 分钟续拍灰色为尚未公布的定价与确切日期。做方案时前两类按表取数第三类不作为依据。另外会员现在抢先用到的 Flash 是轻量档官方定位面向「高频创作场景」生成速度快、成本更低据第三方转述的体验期口径上限为 720p、20 秒体验期规格随时可能调整以页面为准。二、时长30 秒买到的是「段内」不是「段间」Kling 3.0 的单次原生上限是 15 秒4.0 提到 30 秒。这是这一代最直观的变化也是被引用最多的一个数字。它改变的是段内一致性在一段视频自身的 30 秒里人物着装、场景光线、镜头运动是否中途漂移。它不改变跨段一致性上一段最后一帧与下一段第一帧是否属于同一个世界。这两件事在工程上完全独立。同样一段 90 秒的内容方案段数接缝数每段内部一致性每个接缝的难度15 秒一段65较低不变30 秒一段32较高不变结论接缝的数量下降了 60%接缝的难度一点没降。只要内容超出一段的容量就一定会出现接缝而且锁法没有变化——把上一段的尾帧取出作为下一段的首帧。这里要补一个易被忽略的横向事实「30 秒」在 2026 年 9 月已经不是独占数字。对照时还要注意一件事单次原生上限和延长链上限是两个不同的数字很多对比文章把它们混着说。Veo 3.1 的原生上限只有 4 / 6 / 8 秒但它的延长链可以到约 148 秒Kling 3.0 原生 15 秒延长链约 3 分钟。这两个维度不相关——原生最短的模型可以有最长的延长链。而延长都不是免费的。据第三方汇总Veo 的延长链只支持 720p、且限 Veo 自身产物、还有 2 天存储时限Kling 3.0 的约 3 分钟被评测者报告在 2 分钟后开始出现漂移。「最长能到几分钟」这个说法脱离代价就没有意义。三、提示词 8000 tokens改变的是「写到第几层」提示词上限提升到 8000 tokens同时支持对提示词进行补充、扩写与润色。这条容易被读成「可以写更长的描述了」但它实际改变的是提示词能覆盖的层级层级短提示词8000 tokens主体一个人名 一件衣服角色说明以及与参考图之间的分工动作一个动词拆成带时间码的节拍镜头常被省略明确的运镜方向与景别光线一个形容词具体光位与氛围时长交给默认值哪一段占多少秒音频不可写对白、语气、谁在哪个镜头说话禁止项写不进去显式排除不该出现的内容创作者公开的抢先体验提供了两个可参照的写法。一位作者用一条文本提示词完成 15 秒赛车镜头提示词把动作拆成五段带时间码的节拍0–3 秒、3–6 秒、6–9 秒、9–12 秒、12–15 秒各一句并额外写明「写实水体物理、金色反光」同时显式排除「奇幻生物」。另一位作者做 20 秒双人对白时提示词要求保留面部、服装与纹身并明确禁止把多角度设定图的各个分格当成「不同的人」。第二条的工程价值高于第一条。多角度参考图被模型读成「画面中有多个人」是一个真实存在的失败模式而它属于提示词能拦截、但文档不会提醒你的那一类问题。需要同时记住的约束写得多不等于模型逐条遵守而且「扩写与润色」是双向的——它会帮你补全也可能改动你反复调过的那句措辞。关键措辞建议在扩写后再核对一次。另外官方没有公布 tokens 与汉字数的换算关系本文不做换算。四、多模态参考15 项这个数字官方没给算式官方原文「单次最多支持 15 项多模态参考输入包括单次输入最多 10 张图片、5 段视频及 7 个主体在同一生成任务组合使用。」10 5 7 22与总数 15 相差 7。通稿没有说明三类之间是否共享同一额度也没有给出任何一类占满后的取舍规则。有第三方整理页把这一条解释为「三类共享同一额度」但那是解释不是官方规则。这条在工程上意味着不要把「10 张图 5 段视频 7 个主体可以同时提交」写进素材采集规格书否则采集回来的一批素材可能要重新裁剪和挑选。实际组合上限请以生成页面的实时提示为准。五、多关键帧这一代最实质的控制力变化Kling 3.0 只接受首帧与尾帧两个锚点中间的推进由模型决定。4.0 把这个数量提到最多 10 张可在时间轴上设定多个关键画面节点控制人物状态、场景变化与情节节点。这条和「30 秒」是两种不同性质的能力时长变长 → 改的是一次能装多少结果是少切几刀关键帧变多 → 改的是你能指定多少结果是从「描述画面再抽卡」变成「在时间轴上锚定节点让模型连起来」。两者配合 8000 tokens 的提示词上限才构成完整的控制链脚本写进提示词节点钉在时间轴上。边界同样要说清楚关键帧给的是节点约束不是逐帧控制节点之间仍然是模型生成的部分。而且节点越多相邻两节点之间的时长越短该段内主体的运动幅度就越需要压住——这与首尾帧接戏场景里「两张参考图差异过大导致中间融化」属于同一类失效模式。六、输出规格与音频输出规格方面官方明确支持 21:9 超宽画幅4K 与 1080p 的 10-bit HDR 被列在「即将上线」。官方对 10-bit HDR 的收益表述是「逆光不爆、夜景不糊、霓虹不晕」给后期调色留出更宽裕的空间。音频方面新增高品质音频与双通道立体声支持口型匹配精度进一步提升。同时支持中、英、日、韩、西、葡、德、法、印地语等多语种以及北京、中国台湾、东北、四川、粤语、美式英语、英式英语、印度英语等多种口音与方言并支持生成多语种文字、Emoji 与 Logo。这里有三个需要提前建立的预期。一是「口型匹配精度提升」是程度表述不是同步保证。长台词与快速语速下仍需人工复核。二是双通道立体声 ≠ 空间音频。立体声指左右两个声道空间音频指声音随镜头位置改变方向感。有第三方评测在上一代的横向对比中指出这类模型的声音不会随机位移动而改变空间位置。这属于第三方观点本代实际表现需自测。三是音画一致性从后期问题变成了生成问题。这是本次升级里最容易被低估的一条连带影响过去某句台词不满意可以单独替换配音现在台词与口型在同一次生成中绑定修改可能要重跑整段。这个变化会直接改写返工粒度的设计。七、编辑与创意复刻从「出画面」到「改画面」通稿里还有两项没有数字、但工程价值不低的能力。视频精准编辑以文字、图片、主体等多种输入组合对原视频中的主体和背景做增加、修改、删除并可调整风格、天气、颜色、材质、景别视角。对流水线而言它意味着局部修正不必整段重生成——背景里的多余道具、天气氛围、某个主体的材质都可以作为一次编辑请求提交。返工粒度从「一条片子」细化到「一个元素」。创意复刻分析参考视频的镜头语言和叙事结构在此基础上生成新的商业视频。官方列出的适配场景包括社交媒体传播、商品广告、服饰美妆、数码 3C。它改变的是结构设计的起点从空白提示词开始还是从一条结构已验证的参考片开始前者的试错成本显著更高。两项合并看方向一致生成模型从「一次性出画面」往「可修改、可参照」走了两步。对成本敏感的批量生产场景这两项对单条成本的影响可能超过时长与分辨率。八、工作流侧创作页面与官方 CLI官方对创作页面的描述包含四项图片、视频、音频参考素材可在同一输入框内自由组合提供宫格与列表双布局切换「预览」「剪辑」「添加素材」在同一条时间线上完成配备画布 Agent 协助创作。对工程侧更值得注意的是官方的命令行李与 MCP 通道。可灵提供官方 CLI 包klingai/cli-global与面向中国区的klingai/cli-cn要求 Node.js 18跨平台其命令与后端 MCP 工具一一对应——例如text_to_image、image_to_video、query_tasks、element_create等命令名与后端工具名完全一致不设别名。CLI 负责参数转换、登录、轮询与文件上传标准输出默认是 JSON且非交互环境下不会阻塞在提示符上。这组设计说明它的定位是「让 Agent 调度生成任务」把生成能力接进自动化流水线而不是只做一个人工操作的界面。对需要批量产出素材的场景这条路比手工点界面更值得评估。值得一并注意的还有两个细节。一是它是薄客户端CLI 本身不做业务逻辑主要承担参数翻译、登录、轮询与文件上传真正的生成逻辑在后端 MCP 工具里——这意味着只要后端工具集更新前端不必跟着改版本。二是它的输出是结构化的标准输出默认 JSON、非交互环境不阻塞这两条正是「能被脚本和 Agent 稳定调用」的前提条件。反过来说如果你的流程里还需要人去点界面、看结果那这套通道的价值就不在自动化而在可复现。画布 Agent 的方向则是另一侧面向人的协作。官方把它和「图片 / 视频 / 音频同框混排」「宫格与列表双布局」「预览、剪辑、添加素材在同一条时间线上完成」放在一起描述这说明创作页面的改造目标不是把功能堆在一屏而是把原本分散在多个面板里的步骤收敛到一条时间线上。对做系列内容的团队来说这个变化的价值往往高于单个参数一条片子的中间产物参考图、关键帧、生成的片段、音轨如果能落在同一个上下文里交接和复盘的成本会明显下降。相关说明我们在做的是技灵AI一个面向电商与品牌内容生产的一站式 AI 平台。内容策划、图片与视频生成、素材与资产管理在同一条工作流里。文中讲的「一次请求吃进多角度参考素材」「把角色与商品形象沉淀成可反复调用的资产」对应的就是它的视频生成与我的素材能力视频生成侧覆盖 Seedance 2.5支持人脸等档位。