可灵Kling Image 4.0上线:图像模型正面交锋Seedream 5.5
两家头部AI公司几乎前后脚更新图像模型。
(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。

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。

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。

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。