可灵Kling Image 4.0上线:图像模型正面交锋Seedream 5.5

资讯 AI 行业观察 作者:第四波 全文 3688 字 · 约 10 分钟读完 配图 5 张 分类可灵产品更新

两家头部AI公司几乎前后脚更新图像模型。

所属频道 产品更新视频图像生成

(本文作者为 第四波,钛媒体经授权发布)

可灵AI近日推出新一代图像创作模型Kling Image 4.0,原生8K图像生成、单图2000字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,几乎挨在一起。

文生视频这边,第三方数据给出的情况是:今年5月按算力日消耗统计,Seedance份额已超过80%,可灵只占约14%。

可灵为何发力“图片”?

对可灵来说,这步棋是竞争策略上的主动调整。视频生成短期内难以追平差距,那就换到图像赛道找新的博弈空间。

问题是,图像生成和视频生成通常装在同一个平台里。视频模型差距摆在那里,图像模型就算能力接近,用户凭什么从Seedream转到可灵?

Kling Image 4.0用的是可灵所说的“理解与生成统一”架构,视觉理解和图像生成被整合进同一套模型体系。

从产品能力看,官宣的升级点有三项: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这边,迭代重心放在多轮编辑稳定性、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,可灵新模型也做了强化。两家主要差别在于:可灵支持原生8K,Seedream为4K;Seedream支持原生RGBA透明素材。

阿里的Qwen-Image-2.1,同样原生支持RGBA透明背景的生成与编辑。

文生图能力上,我们用完全相同的提示词,把可灵Image 4.0和字节Seedream 5.5拉出来对比,看的是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。

按提示词的描述,画面是空间站舱内的场景:一名宇航员右手捏着水袋正喝水,头盔面罩已经掀起,顶灯打在她脸上,侧光有明有暗;右侧圆形舷窗外可以看到地球的弧线,弧线边缘那圈金色气辉带正被阳光照亮。

动作与细节层面,右手捏水袋这个指令,可灵Image 4.0和字节Seedream 5.5都读懂了,在水袋上生成标签文字这类文字型指令也都能执行。字节生成的喝水动作更真实,可灵为了把水袋露出来,宇航员动作显得不够自然。提示词要求左臂上有中国国旗臂章,字节位置放对了,可灵放到了右臂。头盔面罩向后掀这一条,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,面部明暗分明、侧光这个要求,可灵照做了,字节没有;但人脸真实性上,可灵的脸AI感明显,字节的人脸更接近真人。圆形舷窗,可灵遵循了,字节生成的是椭圆形。提示词明确写了三个水滴漂浮,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。

整体看下来,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,应用场景反而更宽。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,需求都在规模化。

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,越容易给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难题。

眼下主流的AI创作平台,像可灵、即梦、Runway等,普遍在做“一站式创作工作台”。用户在一个界面里就能完成文生图、文生视频、图生视频等操作,不用在不同工具之间来回切换。

图像和视频面向的客户不同,但并非两个完全独立的市场,视觉创作生态正在逐渐融合。快手早期分别推出过文生图模型可图和视频生成模型可灵,2026年2月上线的可灵3.0系列才取消独立可图,把图像生成直接融进统一多模态架构。

对可灵而言,发布能力更强的Image 4.0,既要争夺图像生成市场,也是为了避免视频竞争暂时落后时,连整个AI视觉创作入口一起丢掉。

可灵丢失先发优势了吗?

快手在2024年6月推出可灵,这是全球首个面向公众开放测试的真实影像级(DiT路线)视频生成大模型。它切入AI视频生成赛道比字节早了一年,商业化上也抢了先手。字节直到2025年6月才发布Seedance 1.0,而Seedance原型在2023年就已在内部启动,前后隔了约两年。

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排名第一,还先后登顶韩国、土耳其、新加坡等市场的图形设计类应用榜单。今年一季度,可灵在全球市场图像与视频生成AI应用收入榜上同样位列第一。

可灵Kling Image 4.0上线:图像模型正面交锋Seedream 5.5(配图 1)

下载排行

不过,先发优势并未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分登顶,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。

可灵也拿过测评榜首。

Kling 3.0 Pro在2月上线,2月下旬便在Artificial Analysis Video Arena盲测中以1240 Elo位居文生视频第一。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掉到20名开外,Kling 4.0发布较晚,暂未纳入评测。

可灵Kling Image 4.0上线:图像模型正面交锋Seedream 5.5(配图 2)

生成视频对比

可灵的问题在于,虽然比字节更早进入市场,却没有将先发优势转化为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,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。

可灵的商业化盘子,海外市场已经撑起了相当分量。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,上半年Kling AI在美国iPhone绘图与设计类应用下载榜和畅销榜上,多数时间都排在前三。分区域看,美国是Kling AI在海外收入最多的市场,第二季度贡献了海外收入的32%,日本、韩国、英国及德国排在后面,这五个市场构成了出海Top 5。

Kling Image 4.0发布时宣称,模型在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;从语言支持能力上看,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占多少收入,快手和可灵官方都没有单独拿出来说。会员、灵感值和API按量计费是两类功能共用的一套体系,Image 4.0到底能带来多少新增收入,没法直接算出来。视频生成消耗的算力更多,按这个逻辑,它占的比例应该更高。

海外超级大客户要是走了,可灵的API业务收入会直接被波及。每经梳理发现,今年4月,已经有三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订阅服务或者买API来调用模型,生成视频后再传到YouTube、Instagram这些外部平台。可灵眼下赚的主要还是模型调用和创作工具这一层的钱,后面内容分发和商业转化带来的价值,未必能分到一杯羹。

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。

可灵Kling Image 4.0上线:图像模型正面交锋Seedream 5.5(配图 3)

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。

可灵真正要解决的问题,是把图像、视频和编辑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。

Image 4.0给了可灵一次重新回到图像生成竞争牌桌上的机会。能力上它和Seedream的距离是缩小了,可要填平与字节在商业化上的差距,这还不够。可灵要证明的是两件事:好模型做得出来,围绕模型搭起创作平台、内容分发乃至商业转化的完整生态,也做得出来。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. OpenAI开放GPT-Live-1.1 API:实时双向对话,智能体边聊边干活

    OpenAI 今日宣布向开发者开放 GPT-Live-1.1 API 语音模型,允许第三方开发者将其集成到自己的应用程序中,构建能够实时聆听、回应并执行复杂任务的 AI 语音智能体。 据 OpenAI 介绍,GPT-Live-1.1 是 GPT-Live-1 的升级版本,具备全双工语音交互能力,可以

    来源 AI 开发者社区
  2. 谷歌字节快手集体降价,AI视频进入分秒计价时代?

    (本文作者为 AIX财经,钛媒体经授权发布)文 | AIX财经,作者 | 王璐,编辑 | 魏佳AI视频行业正在靠近一个类似DeepSeek的时刻,模型能力差距收窄,价格被打到分/秒,创作者开始批量调用。11月初,谷歌把视频模型Gemini Omni 1.2 Flash转为正式版,不仅支持15秒视频生成和多轮对话式编辑等

    来源 腾讯网
  3. Gemini 4 翻身背后:SemiAnalysis 填表道歉,Hassabis 接梗回应

    Google DeepMind通过组织调整、算力重新分配和训练体系升级,在短短七周内连续推出四款Gemini 4模型。依托大规模预训练、多线并行研发和真实工程场景的强化学习训练,Gemini在编程和Agent能力上实现突破,重返行业第一梯队,此前唱衰Google的SemiAnalysis也公开致歉。

    来源 华尔街见闻
  4. AI替你取关不回关者:Instagram小气时代

    Meta的AI助手Muse在Instagram上线新功能,可自动追踪并取关那些没有回关你的用户。有人拍手称快,终于能一键清算单向关注;也有人担忧,社交关系被算法量化和工具化。这场围绕“互关”的小气战争,折射出社交媒体时代长期存在的关系焦虑,也暴露出AI代理人类社交行为的伦理边界。

    来源 AI 行业观察
  5. AI把漏洞攻防压进小时级:补丁窗口正在消失

    AI正在同时加速漏洞的发现、利用与修补:攻击者在补丁发布后几小时内就能写出利用代码,防御方则被迫在没有充分测试的情况下紧急上线修复。WIRED指出,这种失衡正在把偶发的网络中断变成日常背景音——欢迎来到断网地狱。

    来源 AI 科技快讯
  6. Muse上线Instagram代取关:互关焦虑碰上AI助手

    Meta的AI助手Muse在Instagram上线新功能,可自动追踪并取关那些没有回关你的用户。有人拍手称快,终于能一键清算单向关注;也有人担忧,社交关系被算法量化和工具化。这场围绕“互关”的小气战争,折射出社交媒体时代长期存在的关系焦虑,也暴露出AI代理人类社交行为的伦理边界。

    来源 AI 科技快讯
  7. 谷歌 Gemini 登陆 Mac:AI 可后台操控电脑,修图做 PPT 自动完成

    人工智能正从“动嘴皮子给建议”加速走向“动手帮你干活”。11月20日,谷歌正式为 macOS 版的 Gemini 应用推出了“电脑操控”(Computer Use)功能,让 AI 能够跨越桌面应用、本地文件以及网页环境,自主执行多步骤复杂任务。 后台独立运行不抢鼠标,支持实时预览与随时叫停 对于习惯

    来源 AI 开发者社区
  8. 英伟达投的AI Infra创企发模型工厂!支持数千卡集群训练万亿MoE

    智东西11月20日消息,昨日,美国AI Infra创企Prime Intellect宣布推出模型训练平台Model Factory,企业可根据平台支持的模型和算力配置,更新现成模型的全部参数,或从零训练新模型。该公司称,其底层强化学习框架prime-rl支持在千张以上GPU集群上训练万亿参数以上的MoE模型。

    来源 智东西
  9. 华为北汽战略共同体升级:四大体系全面加码,享界获专项资金投入

    IT之家 11 月 20 日现场消息,在今天的鸿蒙智行享界 V8 及星芒品牌发布会上,北汽集团党委书记、董事长张建勇宣布,华为与北汽战略共同体再次升级。 张建勇表示,此次合作聚焦技术产品、专属团队、品质保障、服务体验四大体系全面升级,战略投入将持续加码,助力享界进入体系作战新阶段。 IT之家注意到,鸿蒙智行官方刚刚公布

    来源 AI 行业观察
  10. 谷歌 Gemini 上线 Mac 电脑操控:后台干活,能修图做 PPT

    AI正从“给建议”转向“帮干活”。11月20日,谷歌为macOS版Gemini应用上线“电脑操控”功能,可跨桌面应用、本地文件和网页自主执行多步骤复杂任务。该功能后台独立运行,不抢占鼠标,并支持实时预览与随时叫停,缓解用户对AI接管电脑时“抢鼠标、乱点屏幕”的担忧。

    来源 AI 产业速递
  11. METR时间视野图更新:编程任务表现突出,判断力任务仍偏弱

    METR发布其广受引用却常被误读的“时间视野图”更新版。新报告确认部分AI能力仍在指数级提升,模型能独立完成的任务时长持续延长;但报告同时揭示明显不对称——模型在编程任务上表现优异,在需要判断力的任务上却明显偏弱。这提醒业界,单一基准无法代表AI在开放式工作中的真实水平。

    来源 AI 科技快讯
  12. WorkBuddy上线电脑操控:无接口软件也能点击输入,公测支持Win/macOS

    11月20日,WorkBuddy宣布上线电脑操控能力,可识别桌面应用界面并执行点击、输入和滚动,即使目标软件没有API、连接器或网页版,用户也能用自然语言指令完成查询、录入。该功能可用于老旧业务系统和未开放接口的软件,目前处于公测阶段,支持Windows和macOS,需升级至5.11.0及以上版本并授予相关系统权限。

    来源 凤凰科技
  13. 三星 One UI 9.5 天气应用测试 AI 提醒:出发前先看目的地天气

    手机天气应用向来是“你问我答”的工具——想看才点开,不看就安静躺在文件夹里。三星正打算改变这个被动姿态。据 SamMobile 11 月 19 日消息,One UI 9.5 首个 Beta 测试版中,天气应用正在酝酿一项 AI 升级:在你动身前往另一座城市之前,主动提醒先看看目的地的天气。 行程线索

    来源 AI 开发者社区
  14. 杨枫谈《时空低语》:献给未来的情书为何引共鸣?

    单机游戏《时空低语》制作人濮冠楠,正是小说《时空低语》的作者。《时空低语》小说于2026年11月由作家出版社正式出版。18年后的今天,濮冠楠带着《时空低语》的新书,和彼时的《科幻世界》副主编杨枫有了这次跨越时空后的对话。两年多过去,2026年11月19日,《时空低语》游戏预告片全球首发。《时空低语》游戏整体研发周期预期

    来源 TechWeb
  15. 《时空低语》全球首发预告:杨枫谈火星之问与科幻情书

    单机游戏《时空低语》制作人濮冠楠,正是小说《时空低语》的作者。《时空低语》小说于2026年11月由作家出版社正式出版。18年后的今天,濮冠楠带着《时空低语》的新书,和彼时的《科幻世界》副主编杨枫有了这次跨越时空后的对话。两年多过去,2026年11月19日,《时空低语》游戏预告片全球首发。《时空低语》游戏整体研发周期预期

    来源 TechWeb
  16. 六款AI办公设备盘点:家庭办公室该添哪些硬件

    远程办公常态化让家庭办公室成为AI硬件的新战场。TechCrunch精选六款AI驱动设备——从智能记事本到AI网络摄像头,覆盖记录、沟通、照明与健康场景。本文梳理这些设备的核心功能与适用人群,并结合行业趋势分析AI办公硬件的演进逻辑:从单点工具走向场景协同,从效率提升转向体验重塑。对希望升级工作空间的用户而言

    来源 AI 科技快讯
  17. OpenBSD 8.0 带来了更广泛的硬件支持、安全性增强以及虚拟化改进

    OpenBSD 8.0 是一次重大升级,带来了更广的硬件兼容性、更强的安全性、更大的虚拟地址空间,以及对现代架构的支持,包括对 Intel Arc A 系列显卡的支持、ARM64 休眠功能、RISC-V 改进以及增强的虚拟机支持。 OpenBSD 8.0 在硬件和虚拟化方面的关键改进包括:AMD64 内核的虚拟地址空间

    来源 AI 行业观察
  18. 腾讯混元AMA回应算力瓶颈:下一代Hy模型将大幅扩容

    智东西11月21日报道,今天凌晨,腾讯混元团队在社交媒体平台Reddit举行了一场AMA活动,与全球开发者围绕Hy4系列模型展开交流。姚顺雨也出现在了评论区,只是哪个是他的马甲我们不得而知。 ▲姚顺雨在X预告本次Reddit AMA活动(图源:X) 此次AMA处于一个非常有趣的时间点。 就在昨天,腾讯刚刚开放旗舰模型H

    来源 AI 行业观察
  19. 三星 One UI 9.5 天气应用升级:出发前主动提醒目的地天气

    三星拟在 One UI 9.5 首个 Beta 中为天气应用加入 AI 升级,改变其被动查询模式。系统将结合日历、航班等信息识别用户出行计划,在动身前往另一座城市前,主动提醒查看目的地天气,让天气服务从“你问我答”转向预判需求、提前推送。

    来源 AI 产业速递
向下滚动自动加载更多