Kling AI 发布 4.0 版本，新增立体声、多语言口型同步及轻量级 Flash 变体

Kling AI 正式推出 4.0 版本，核心升级包括单次生成时长提升至 30 秒、上下文窗口扩展至 8,000 tokens，以及支持最多 15 个参考资产（含 10 张图像、5 段视频）的 Omni Reference 系统。新版本还引入了 Creative Recreation 功能，允许用户在不影响其余部分的情况下微调面部表情、运镜或背景等单一元素，并首次支持双通道立体声音频及超过十种语言的口型同步。

实测对比显示，尽管 Kling 4.0 在分辨率和控制精度上有所提升，但在镜头序列逻辑、物理模拟和自然对话方面与竞品 Wan 3.0 和 Seedance 2.5 相比并未拉开明显差距，这可能暗示 AI 视频模型的进步速度正在放缓。此外，公司推出了专为低成本快速生成设计的 Kling 4.0 Flash 变体，但其输出上限被限制在 720p 分辨率和 20 秒时长。界面已重新设计，并新增了对 MCP 和 CLI 的支持，使开发者能够通过 AI Agent 构建自动化工作流。

事实层面，10-bit HDR 输出、视频延长至两分钟的功能以及 API 定价均被列为“即将推出”，目前尚未可用。推断层面，Flash 变体的存在表明厂商正试图通过牺牲画质来降低推理成本以扩大使用场景。猜测层面，若后续竞品无法在逻辑一致性上取得突破，行业可能面临从单纯追求画质向工程化落地迁移的趋势。