可灵Kling Image 4.0上线:图像赛道能否补上视频竞争的缺口?
两家头部AI公司几乎前后脚更新图像模型。
可灵AI新一代图像创作模型Kling Image 4.0近日上线,原生8K图像生成、2000字单图长文本等能力一并开放。就在此前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,几乎紧挨着。
文生视频这边,第三方数据给出了另一番图景:今年5月按算力日消耗统计,Seedance拿下超80%份额,可灵只占约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。视频生成领域短时间内难以抹平差距,那就转向图像赛道,寻找新的博弈空间。
问题在于,图像生成与视频生成往往集成在同一个平台里。视频模型差距明显之时,即便图像生成能力接近,用户凭什么从Seedream转向可灵?
Kling Image 4.0用的是可灵所称的“理解与生成统一”架构,把视觉理解与图像生成整合进同一套模型体系。
产品层面,官宣的新模型有三大核心升级:真实感与原生8K;单张照片内最高可生成2000字,支持最高15000 tokens文本输入;连贯组图与长图生成。
Seedream 5.5的迭代重心放在三个方向: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。
可灵新模型同样强化了多轮编辑稳定性。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。
不过,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,对可灵Image 4.0和字节Seedream 5.5做了对比,测试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能力。
提示词给出的场景是:宇航员身处空间站舱内,右手捏住水袋做出喝水的动作,头盔面罩处于掀起状态,顶灯从上方打下来,在她脸上照出明暗分明的侧光。右侧那扇圆形舷窗之外,地球的弧线清晰可见,边缘还挂着一圈被阳光点亮的金色气辉带。
从动作和细节来看,右手捏水袋这条指令,可灵Image 4.0和字节Seedream 5.5都读懂了;要求在水袋上生成标签文字这类文字型指令,两家也能照做。差别在于:字节生成的喝水动作更接近真实,可灵那边为了让水袋露出来,宇航员的姿态显得别扭。提示词写明左臂要佩戴中国国旗臂章,字节放对了位置,可灵却给到了右臂。至于面罩向后掀起的指令,可灵生成的面罩出现错位,塑料感也过重。
指令完成度上,可灵照顾到了面部明暗分明和侧光,字节则没有照做;可人脸的真实感反过来,可灵的人脸带着明显的AI痕迹,字节的人脸更接近真人。圆形舷窗这一项,可灵按提示词执行,字节给出的却是椭圆形。提示词明确要求三个水滴漂浮,结果两家生成的水滴数量都超过三颗。金色气辉带这个概念,两个大模型都没能理解。
整体来看,字节Seedream 5.5保持小幅领先。
可灵眼下补上图像能力,背后还有一层更直接的商业考量:图像生成的推理成本比视频低,可用场景反倒更宽。电商商品图、广告海报、影视概念设计、游戏素材、社交媒体内容,这些方向都存在规模化需求。
更重要的是,图像生成还可以成为视频生成的上游入口。
生产一条AI视频,通常要先定下人物形象、场景、服装和镜头构图,然后才进入动态生成。图像生成能力越强,越容易给视频创作备好稳定的角色、场景和分镜素材。图生视频还能充当视觉锚点,让视频生成里的人物和场景一致性问题得到缓解。
眼下主流的AI创作平台,像可灵、即梦、Runway这些,大多在做“一站式创作工作台”。同一个界面里,用户就能完成文生图、文生视频、图生视频等操作,不必在多个工具之间来回切换,省掉了割裂感。
图像和视频面对的客户不同,可它们并非两个彼此独立的市场,视觉创作生态正在逐步走向融合。快手早前分别推出过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,才把独立可图取消,图像生成被直接并入统一多模态架构。
对可灵来说,推出能力更强的Image 4.0,既要争夺图像生成市场,也是不想在视频竞争暂时落后的当口,再把整个AI视觉创作入口丢出去。
可灵丢失先发优势了吗?
快手2024年6月发布可灵,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,在商业化上比字节更占先机。字节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,可灵在艺术与设计类下载榜上曾拿下全球超过40个国家和地区的应用商店第一,韩国、土耳其、新加坡等市场的图形设计类应用榜单也被它接连登顶。今年一季度,它又坐上全球市场图像与视频生成AI应用收入榜头名。

下载排行
不过,先发这一步没能一直转成技术上的壁垒。
字节跳动Seedance系列模型持续迭代,局面已经变了。今年2月推出的Seedance 2.0在Artificial Analysis Video Arena上拿到1269的Elo分,排到第一,多模态参考控制、复杂动作连贯性、自动分镜这几项表现都突出,靠减少“抽卡”次数,吸引了大批影视、广告、短剧创作用户。
可灵其实也上过测评榜首。
Kling 3.0 Pro在2月上线,2月下旬在Artificial Analysis Video Arena盲测里以1240 Elo排在文生视频第一。到了2026年11月中旬,文生视频和图生视频盲测的头名已经换成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,暂时还没进评测。

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。
商业化数据上,可灵并不是没有成绩。
快手披露的数字显示,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:一块是面向企业客户的API调用,另一块是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%。超级大客户又占了API收入的80%以上。地域上,海外市场贡献约80%的收入。
出海这块,可灵商业化的大头已经落在海外。Sensor Tower 2026年第二季度移动应用(非游戏)出海排行榜的数据显示,
Kling AI上半年多数时间都待在美国iPhone绘图与设计类应用下载榜和畅销榜的前三。分区域看,美国是Kling AI海外收入最多的市场,第二季度海外收入里32%来自那里,日本、韩国、英国和德国紧随其后,一起凑成Top 5出海市场。
Kling Image 4.0发布时称,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。
图像生成与视频生成各自占多少收入,快手及可灵官方并没有单独披露。两类功能共享会员、灵感值和API按量计费体系,Image 4.0能带来多少新增收入,没法直接判断。视频生成算力消耗更高,按理应占更多比例。
可灵的API收入经不起海外超级大客户流失的折腾。每经梳理发现,今年4月,受竞争影响,3家海外超级大客户给可灵贡献的API收入已经往下走了。
这也是可灵要加码图像业务的另一个原因:得找新的用户和收入来源,把对单一产品形态和少数大客户的依赖降下来。
更大的压力来自字节的生态优势。模型、创作工具和内容平台三层优势字节都有,集团内部不同业务之间可以相互导流、共享资源。
可灵的海外客户则多是订阅或购买API调用模型,再把生成的视频上传到YouTube、Instagram等外部平台。可灵目前主要赚的是模型调用和创作工具这一层的钱,后续内容分发和商业转化的价值,未必能分享到。
竞争格局上,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。
模型能力可以当入场券,却很难单独撑起长期壁垒。
对可灵来说,真正重要的是能不能把图像、视频和编辑能力整合成一套完整的工作流,让用户从生成第一张图像开始,就愿意留在平台上把后续创作做完。
这关系到可灵能否从视频市场的竞争压力里找到新的增长空间,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。
Image 4.0把可灵重新送回了图像生成的竞争牌桌,能力上跟Seedream是近了些,可要填平它和字节在商业化上的落差还不够。可灵得拿出的证明是:好模型能做出来,围绕模型搭起创作平台、内容分发到商业转化的整套生态,也得做出来。