可灵Kling Image 4.0发布:原生8K,单图最多2000字
从改海报到做分镜,AI 开始独立完成一整套视觉设计。

这几年,AI 生图模型在真实感、分辨率和光影表现上一直在刷新人们的认知。可真要把图片拿去用在海报、广告这些商业场景里,问题就来了:文字能不能准确呈现,局部修改能不能保住原有的设计。
这些看着不起眼的要求,至今仍让图像模型犯难。
今年 3 月,微软研究院做过一项叫 BizGenEval 的商业视觉生成评测,用 400 条提示词和 8000 道检查题测了主流模型。结论是,模型已经能生成颇有美感的海报和网页,可精确布局、多个对象之间的属性对应这些方面,短板依然明显。
就在这个节点上,靠视频生成出圈的可灵在今天推出了 Kling Image 4.0。

Kling Image 4.0 生成
官方介绍里,新模型的原生分辨率提升到了 8K,单张图片最多支持 2000 字,一次能生成最多 10 张连贯图片。更受关注的是架构:它采用理解与生成统一的自回归架构,想让模型在同一上下文里处理图像理解与生成。
可灵这次显然不满足于把图片做得更漂亮,它还想让模型接得住更复杂的创作要求。
我们从最直观的人像写真入手试了试 Kling Image 4.0。从拍好一张照片,到设计一张海报,再到组织一整套视觉内容,它究竟能替创作者完成多少工作?
从写真到创意海报
Kling Image 4.0 的生图能力有多强?
这次体验 Kling Image 4.0,最让我们意外的是图片的真实质感。我们试了几张人像写真,人物的皮肤纹理、细节,还有户外的光影投射,都已经相当接近真实摄影。


这种真实感已经开始影响摄影行业本身。今年 4 月,Vogue 杂志采访了一些商业摄影师,发现部分客户会拿 AI 生成的图片当拍摄参考,要求摄影师在现实中还原其中的画面。
写真主要考验模型对人物和真实场景的还原。要制作一张真正用于传播的海报,事情就复杂了不少,尤其是加入中文之后。
芒果卫视近期一档综艺中,许飞和厉娜聊了几句,结果“画地为牢”被带成了网络热词。Kling Image 4.0 也被我们拉来凑个热闹。

相比普通的文字海报,“画地为牢”其实很适合做视觉设计。它有明确的文字内容,又包含可以被画面表达的意象。最终生成的作品颇有芒果台综艺宣传海报的感觉:半圆形的海面构图、清冷疏离的色调,文字排版、艺术字体设计几乎能达到可发布海报的水准。
有一个变化需要单独讲:现在用 Kling Image 4.0 做图像编辑,图片里原有的文字能直接选中改写,也能在现有画面上添上新文字。局部重编辑在 3.0 时就已经有了,到 4.0 控制得更细。我们拿海报试了试,改掉文字内容、再加一行副文案,最终只有指定文字发生变化,其余图层没有重绘。

字体控制同样能看出 4.0 与 3.0 的差距。3.0 做创意字体,主要靠提示词去描述风格,效果能出来,但可控性不算高;4.0 则把它做成了工具:内置 70+ 款预设字体供直接挑选,也允许上传字体参考图,让模型照着参考图的字形和笔画风格来生成。

文字生成一直是 AI 生图模型比较难处理的部分。艺术字设计比正确写出汉字又要更进一步。
比如我们做的这张夏日露营海报,艺术字体和场景融合得非常自然,从场景、配色到标题设计都有了相当完整的成品感,稍加检查和调整,就可以用作一张活动宣传图。字体本身就能成为画面的一部分,可以与云层、海浪和其他视觉元素发生联系。对模型而言,这要求它同时处理文字内容、空间位置与视觉风格之间的关系。

字数不多的创意海报之外,Kling Image 4.0 还声称单张图片最多能放 2000 字。短标题更吃字体和创意,长文本更吃文字准确性、信息层级和排版能力。它在更复杂图文内容上到底行不行,后面商品详情页的测试会接着看。
一场五块钱烤红薯的“新品发布会”
AI把文案也一并写好了
艺术字海报拼的是模型审美和创意,商品详情页的难度明显更高。商品图怎么拍、详情页里内容怎么摆、图文按什么顺序排,都是实打实的商业设计活儿。
这类场景正是Kling Image 4.0这回加强的方向。新模型能处理更复杂的图文混排,单张图片最多塞进2000字,电商详情长图一键就能出。
我们挑了个最不起眼的商品——烤红薯。给Kling Image 4.0一张实拍照片,让它围绕这块红薯做一套电商宣传素材:既要有能勾人的商品摄影,也得有卖点介绍、食用场景和必要的产品说明。
提示词原文大意是:上传一张真实烤红薯的照片,让模型给这块卖5元的普通烤红薯做一张完整的电商详情页长图,风格要对标国际顶科技品牌(比如苹果)新品发布会那种质感。

模型给出的成品,看着还真像一个成熟食品品牌做出来的。
它给产品起了“ROOTS 根薯系列”的品牌标识,主色调挑了绿色和米白色,主标题写成“红褐焦脆,金黄流心”。原本平平无奇的烤红薯被放进精心布置的摄影场景,暖黄色的薯肉、深褐色的表皮成了画面视觉中心。

更让人意外的是,模型没把内容全塞进商品主图,而是往下延展出了几种不同页面:一张用切片摆盘展示食用场景,一张借“向阳丘陵的风土”讲产品来源,还有一张把不同食用状态和保存、复热方法整理成图文说明。

回头再看,提示词只有简单一句话,完整的商品信息也没给。品牌名称、广告语这些要求它设计的内容,模型自己补上了,还组织成了一套风格统一的视觉作品。
这次测试里,最让我们意外的就是这一点。
以前用AI生图,得先想好画面长什么样,再把商品位置、背景颜色、文字排版这些细节尽可能详细地描述给模型。想要一整套宣传素材,还得一张张写提示词、反复调风格。这回我们只给了一张照片和一个相对笼统的目标,更细的视觉内容,Kling Image 4.0已经能自己完成相当一部分构思。

背后还有一个变化:AI开始摸清商业设计的表达套路了。
对没有专业设计团队的小商家,或者要赶着做营销素材的运营来说,这种能力很实用。以前产品照片、文案、版式得分开准备,现在先用一句自然语言生成一套视觉方案,再按实际需要调整就行。
生成结果当然也有能打磨的地方。比如部分说明性小字不如大标题清晰,模型自己补的产地和产品信息不一定准确。但整体看下来,Kling Image 4.0已经展现出相当完整的商业图文组织能力。比起单纯出一张商品美图,它还能处理品牌风格、广告文案、场景展示和页面排版,一个简单创意很快就能变成看得见的设计方案。
从单张图到一组图
AI在学着怎么讲故事
这几年,图像模型开始往系列生成的方向走。电影、漫画离不开连续分镜,品牌广告也常要一整套视觉素材。同一个角色在不同画面里怎么变又不走样,镜头和镜头之间怎么接上,靠提高单张画质是解决不了的。
Kling Image 3.0已经能生成连续组图,到4.0,可灵又把多图之间的主体和场景一致性往上提了一档。按官方介绍,新模型一次最多能生成十张相互关联的图片。
我们拿电影《燃烧女子的肖像》的一张剧照当参考,让模型围绕两位女性在海边重逢、烧掉一封未寄出的信件这个故事,自己生成一组电影分镜。

电影《燃烧女子的肖像》剧照
从结果看,模型已经能组织出一段相当完整的视觉叙事。

生成的10张电影分镜照片截取
这组图最突出的地方,是模型主动用上了远景、中景、特写等不同景别,一层层把图像叙事推下去。尤其是从递信到信封特写、再到人物表情的切换,镜头组织的意识已经比较明确了。
这组分镜从一个远景起笔:海岸边站着两个人。随后切到双人中景,其中一人把信封递向另一人。镜头继续往前推,落到信封上,成了特写。第四张是人物面部的特写,低着头看手里的信。第五张里,参考图中的篝火出现了。收尾一张又拉回远景,两人分别站在火光两侧。
整组图的视觉风格也保持了一致。参考剧照里的暗色服装和火光氛围延续了下来,阴沉的海岸、深蓝色的暮色、岩石,加上暖黄色的火光,从头贯穿到尾。
细看还是能挑出毛病。人物面部在不同镜头之间有细微变化,个别动作的衔接也显得不够顺。不过这次测试的输入只是故事梗概,模型交出的已经是一组叙事顺序明确、视觉风格统一的分镜草案。

(这组动画分镜由 Kling Image 4.0 生成)
放到影视前期创作、漫画分镜、品牌广告策划这些场景里,这种能力有想象空间。创作者先把故事、角色设定和视觉参考给到模型,让它出一组初步画面,再从中挑合适的镜头往下调。
AI 生图工具其实已经在进入真实影视行业的拍摄前准备。今年6月,拍了几十年电影的美国导演马丁·斯科塞斯接受《纽约时报》采访时说,自己画分镜画了约 70 年。他一直碰到的难题,是怎么把脑子里想象的场景准确传达给摄影师、美术师和其他剧组成员。现在他可以先让图像模型把这些画面做出来,团队理解和讨论起来就快多了。
这和本次测试的情形很接近:只给故事梗概和一张参考图,Kling Image 4.0 就完成了第一轮分镜构思。它更像一个能拿去继续讨论的起点。斯科塞斯说的“让团队更快地理解和讨论”,大概就是这个意思——模型先把脑海里的画面变成可以指认的东西,判断和修改仍然留在创作者手上。
在生成之后
用 AI 创作的人,要求常常是两副面孔。想法还模糊的时候,盼着 AI 多替自己想一些,给出更宽的灵感;设计已经明确,比如只做局部修改,又盼着它严格听话,别擅自发挥。
说到底这是两种能力。一种读得懂用户的意图,把人还没想清楚的部分补上;另一种把要求执行到位,尽量不去干扰已经定下来的设计。
Kling Image 4.0 的技术升级可以放在这个框架里看。按可灵的说法,新模型用的是理解与生成统一的自回归架构,指令处理能力最高 15K Token,还具备结构化视觉语法和 Agentic 任务规划能力,用来应付更复杂的创作要求。这些名词落到实处的考题只有一个:模型能不能读懂一项任务、把里面的细节安排妥当,在需要改动时保住用户已经满意的部分。
变化不只出在可灵身上。今年 11 月,Adobe 推出新的创意 Agent 和设计工具,想把构思、生成和修改塞进同一个工作环境;可灵 10 月发布的视频 4.0,也在多关键帧、参考素材和镜头控制上继续加码。如今的产品又把视觉设计和编辑的能力补了进来。
可灵这边还有更现实的商业账要算。快手财报显示,2026 年第二季度,可灵AI营收超过 8.5 亿元,同比增长超过 200%。视频生成已经带来了可观的收入,但商业化走到这一步,新问题冒了出来:怎么让用户从偶尔生成一段视频,变成一直用可灵做创作?
图片模型升级,给这件事添了更多可能。它要抢的是用户在平台上持续发生的创作需求。一张惊艳的图片或视频,决定用户第一次为什么打开可灵;能不能接住从灵感到成品的全过程,才可能决定他们为什么一直用下去。