可灵Kling Image 4.0上线:文生视频仅14%份额,为何转攻图片?
两家头部AI公司几乎前后脚更新图像模型。
可灵AI近日上线了新一代图像创作模型Kling Image 4.0,支持原生8K图像生成、单图2000字长文本等能力。往前推8天,字节跳动刚发布Seedream 5.5。
两家头部AI公司更新图像模型的时间,几乎是前后脚。
不过在文生视频这条线上,第三方数据显示,按算力日消耗统计,今年5月Seedance已拿下超80%份额,可灵只有约14%。
可灵为何发力“图片”?
对可灵来说,这是一次竞争策略上的主动调整:视频生成领域短期内难以抹平差距,那就转向图像赛道找新的博弈空间。
问题是,图像生成和视频生成往往装在同一个平台里。视频模型差距明显的时候,就算图像生成能力接近,用户凭什么从Seedream转到可灵?
Kling Image 4.0用的是可灵所称的“理解与生成统一”架构,把视觉理解和图像生成整合进同一套模型体系。
官宣的产品能力有三大核心升级:真实感与原生8K;单张照片内最高生成2000字,支持最高15000 tokens文本输入;连贯组图与长图生成。
Seedream 5.5的迭代重心则落在多轮编辑稳定性、原生RGBA透明素材输出、复杂文字与真实质感三个方向。
多轮编辑稳定性,可灵的新模型同样做了强化。两家主要区别在于:可灵支持原生8K,Seedream为4K;Seedream支持原生RGBA透明素材。
其实阿里的Qwen-Image-2.1也原生支持RGBA透明背景的生成与编辑。
文生图能力方面,我们用完全相同的提示词对比了可灵Image 4.0和字节Seedream 5.5,看两款模型对复杂场景、人物细节、光影、材质和空间关系的理解。
提示词的要求是:宇航员在空间站舱内,右手捏着水袋喝水,宇航服头盔面罩掀起,顶灯在她脸上投下明暗分明的侧光;透过右侧圆形舷窗,能看到地球弧线、边缘一圈被阳光照亮的金色气辉带。
动作与细节层面,两款模型都能理解右手捏水袋的指令,也能理解在水袋上生成标签文字这类文字型指令。字节生成的喝水动作更真实,可灵为了展现水袋,宇航员动作不够自然。提示词要求左臂上有中国国旗臂章,字节位置正确,可灵放到了右臂。头盔面罩向后掀这条指令,可灵生成的面罩出现错位,塑料质感也太强。
指令完成度层面,可灵遵循了面部明暗分明、侧光的要求,字节没有遵循;但人脸真实性上,可灵有明显的AI感,字节真实度更高。提示词要求圆形舷窗,可灵照做,字节生成的是椭圆形。提示词明确三个水滴漂浮,结果两个大模型生成的水滴都多于三颗。金色气辉带这个概念,两家都没理解。
整体看,字节Seedream 5.5保持小幅领先。
可灵此时补齐图像能力,还有一层更直接的商业逻辑:图像生成的推理成本比视频低,应用场景却更广。电商商品图、广告海报,到影视概念设计、游戏素材和社交媒体内容,都有规模化需求。
更关键的是,图像生成还能当视频生成的上游入口。
一条AI视频的生产流程,通常要先定人物形象、场景、服装和镜头构图,再进入动态生成。图像生成能力越强,越容易为视频创作提供稳定的角色、场景和分镜素材。图生视频也能给出视觉锚点,缓解视频生成里人物和场景的一致性问题。
目前主流的AI创作平台,像可灵、即梦、Runway等,普遍选择做“一站式创作工作台”。用户在同一个界面里就能完成文生图、文生视频、图生视频等操作,不必在不同工具之间反复切换。
图像与视频面向的客户不同,但并非两个完全独立的市场,而是逐渐融合的视觉创作生态。快手早期分别推出文生图模型可图和视频生成模型可灵,直到2026年2月上线的可灵3.0系列,才取消独立可图,把图像生成直接融入统一多模态架构。
对可灵而言,发布能力更强的Image 4.0,除了争夺图像生成市场,也是为了避免在视频竞争暂时落后时,继续丢掉整个AI视觉创作入口。
可灵丢失先发优势了吗?
快手2024年6月发布可灵,这是全球首个向普通公众开放测试的真实影像级(DiT路线)视频生成大模型,切入AI视频生成赛道比字节早了一年,商业化上也更占先机。字节直到2025年6月才发布Seedance 1.0,距离2023年内部启动Seedance原型约两年。
SensorTower数据显示,可灵曾在全球超过40个国家和地区的应用商店艺术与设计类下载榜位居第一,还接连在韩国、土耳其、新加坡等市场登顶图形设计类应用榜单。今年一季度,可灵又拿下全球市场图像与视频生成AI应用收入榜第一。

下载排行
不过,先发优势没能持续转化为技术壁垒。
字节跳动Seedance系列模型不断迭代,格局随之改变。今年2月发布的Seedance 2.0尤其突出,在Artificial Analysis Video Arena上以1269的Elo分登上榜首,多模态参考控制、复杂动作连贯性以及自动分镜表现亮眼,靠减少“抽卡”次数吸引了大批影视、广告、短剧创作用户。
可灵同样登上过测评榜首。
Kling 3.0 Pro在2月上线,2月下旬在Artificial Analysis Video Arena盲测中以1240 Elo位居文生视频榜首。到2026年11月中旬,文生视频和图生视频盲测榜首已换成Wan 3.0(1175 Elo)、Seedance 2.5(1161 Elo)等新一代模型,Kling 3.0跌到20名开外,Kling 4.0发布较晚,暂未纳入评测。

生成视频对比
可灵的问题在于,进场比字节早,却没把先发优势变成持续领先的技术和生态壁垒。
从商业化数据看,可灵并非没有成绩。
快手披露的数据显示,2026年第一季度,可灵AI营业收入超过6.5亿元,同比增长超过300%;第二季度营业收入超过8.5亿元,同比增长超过200%。
收入主要来自两块:面向企业客户的API调用,以及面向专业创作者和普通用户的付费订阅。按用户结构看,2026年一季度,可灵API业务收入占比首次超过订阅服务,约为60%,订阅收入约占40%。其中,超级大客户收入占API收入的比例超过80%。从地域来看,海外市场贡献了约80%的收入。
可灵的收入越来越依赖海外。Sensor Tower 2026年第二季度移动应用(非游戏)出海排行榜显示,上半年
Kling AI在美国iPhone绘图与设计类应用的下载榜和畅销榜上,多数时间都排进前三。分区域看,美国是Kling AI海外收入的第一大来源,第二季度占到海外收入的32%,日本、韩国、英国、德国紧随其后,这五个市场合起来就是它出海的主要盘子。
Kling Image 4.0发布时宣称,语言方面支持简体中文、繁体中文、英文、日文、韩文、西班牙语和葡萄牙语;从语言支持能力看,这可能成为后续增长的重要方向。
图像生成和视频生成各自贡献多少收入,快手和可灵都没有单独公布。会员、灵感值、API按量计费是三套共用体系,两类功能都跑在里面,所以很难直接算出Image 4.0能多带来多少进账。不过视频生成更吃算力,按常理它该占更大一块。
海外超级大客户要是走了,可灵的API收入会立刻受牵连。每经梳理发现,今年4月,已有3家海外超级大客户受竞争影响,对可灵的API收入出现下滑。
这也是可灵需要加强图像业务的另一个原因:寻找新的用户和收入来源,降低对单一产品形态和少数大客户的依赖。
更大的压力来自字节的生态优势。字节拥有模型、创作工具和内容平台三层优势,集团内部不同业务之间可以相互导流、共享资源。
可灵的海外客户更多是走订阅或买API调用模型这条路,生成视频后再传到YouTube、Instagram等外部平台。它眼下挣的主要是模型调用和创作工具这一层的钱,后面内容分发、商业转化能产生多少价值,可灵未必分得到。
从竞争格局看,可灵面对的对手也不只是字节。视频生成领域,Seedance、阿里Wan、生数科技Vidu等模型持续迭代;图像生成领域,Seedream、Qwen图像模型、MiniMax等也在不断增强复杂文字排版、多参考图控制和图像编辑能力。
模型能力可以成为竞争的入场券,却很难单独构成长期壁垒。
可灵真正的考验,是能不能把图像、视频、编辑这些能力捏成一条完整的工作流:用户从生成第一张图像起,就愿意留在平台上把后面的创作接着做完。
这既关系到可灵能否从视频市场的竞争压力中找到新的增长空间,也关系到它能否建立更稳定、更多元的收入结构。
对于一家正在寻求独立融资、探索资本化发展的AI公司而言,这一点尤其重要。
靠着Image 4.0,可灵重新有了在图像生成赛道参与竞争的机会。但能力上跟Seedream拉近了距离,还填不平它和字节在商业化上的差距。可灵要证明的事情有两件:做出好模型,以及围绕模型搭起覆盖创作平台、内容分发、商业转化的完整生态。