可灵发布 Kling Image 4.0,支持原生 8K 与单图 2000 字长文本,正面迎战字节 Seedream 5.5。在文生视频份额落后、技术优势收窄的背景下,图像成为可灵补短板、守住 AI 视觉创作入口的关键一步。
可灵 AI 近日上线新一代图像创作模型 Kling Image 4.0,支持原生 8K 图像生成、单图最高 2000 字文本、最高 15000 tokens 输入。此前 8 天,字节跳动刚发布 Seedream 5.5。两家头部公司几乎前后脚更新图像模型。
而在文生视频领域,第三方数据显示,今年 5 月按算力日消耗统计,Seedance 已占超 80% 份额,可灵仅约 14%。
对可灵而言,这是一次竞争策略的主动调整:在视频生成短时间难以抹平差距的前提下,转向图像赛道寻找新的博弈空间。
问题在于,图像与视频生成往往集成在同一平台。视频模型差距明显时,即使图像能力接近,用户为什么要从 Seedream 转向可灵?
Kling Image 4.0 采用可灵所称的「理解与生成统一」架构,把视觉理解与图像生成整合进统一模型体系。官方给出的三大升级是:真实感与原生 8K;单张图内最高 2000 字、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。两家都强化了多轮编辑稳定性,主要区别是可灵支持原生 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 透明背景生成与编辑。
用完全相同的提示词对比两款模型:宇航员在空间站舱内,右手捏水袋喝水,头盔面罩掀起,顶灯在脸上投下明暗分明的侧光,右侧圆形舷窗外可见地球弧线与金色气辉带。
两家都能理解「右手捏水袋」和在水袋上生成标签文字的指令。字节的喝水动作更真实,可灵为展示水袋导致动作不够自然;提示词要求左臂中国国旗臂章,字节位置正确,可灵放在了右臂;头盔面罩向后掀,可灵出现错位且塑料质感过强。指令完成度上,可灵遵循了侧光明暗指令,字节没有;但可灵的人脸 AI 感明显,字节真实度更高。圆形舷窗可灵遵循、字节生成椭圆;要求三颗漂浮水滴,两家都多于三颗;金色气辉带两家都没理解。整体看,Seedream 5.5 保持小幅领先。
可灵此时补齐图像能力,还有更直接的商业逻辑:图像推理成本低于视频,应用场景却更广。从电商商品图、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。
更重要的是,图像可以成为视频的上游入口。一条 AI 视频往往要先确定人物形象、场景、服装和镜头构图,再进入动态生成。图像能力越强,越容易为视频提供稳定的角色、场景和分镜素材;图生视频也能提供视觉锚点,缓解人物与场景一致性问题。
目前主流 AI 创作平台(可灵、即梦、Runway 等)普遍做「一站式创作工作台」,用户在同一界面完成文生图、文生视频、图生视频,避免工具间反复切换。快手早期分别推出可图与可灵,2026 年 2 月上线的可灵 3.0 系列才取消独立可图,将图像生成融入统一多模态架构。
对可灵来说,Image 4.0 除了争夺图像市场,更是避免在视频竞争暂时落后时,继续失去整个 AI 视觉创作入口。
快手 2024 年 6 月发布可灵,是全球首个向公众开放测试的真实影像级(DiT 路线)视频生成大模型,切入赛道比字节早一年,商业化也更早。字节 2025 年 6 月才发布 Seedance 1.0。
Sensor Tower 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,并登顶韩国、土耳其、新加坡等市场图形设计类榜单。今年一季度,可灵还位居全球图像与视频生成 AI 应用收入榜第一。

但先发优势并未持续转化为技术壁垒。随着 Seedance 系列迭代,格局已经变化。今年 2 月发布的 Seedance 2.0 在 Artificial Analysis Video Arena 以 1269 Elo 登顶,多模态参考控制、复杂动作连贯性和自动分镜表现突出,靠减少「抽卡」次数吸引大批影视、广告、短剧用户。
可灵也登过榜首。Kling 3.0 Pro 于 2 月上线后,2 月下旬在 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由 Wan 3.0(1175 Elo)、Seedance 2.5(1161 Elo)等接棒,Kling 3.0 排在 20 名开外,Kling 4.0 发布较晚暂未纳入评测。

可灵的问题在于,入场更早,却没把先发优势变成持续领先的技术和生态壁垒。
商业化数据并不难看。据快手披露,2026 年第一季度可灵 AI 营收超 6.5 亿元,同比增长超 300%;第二季度超 8.5 亿元,同比增长超 200%。收入分两类:面向企业客户的 API 调用,和面向专业创作者与普通用户的付费订阅。2026 年一季度,API 收入占比首次超过订阅,约 60%,订阅约 40%;其中超级大客户占 API 收入 80% 以上。地域上,海外市场贡献约 80% 收入。
据 Sensor Tower 2026 年第二季度移动应用(非游戏)出海榜,上半年 Kling AI 多数时间位列美国 iPhone 绘图与设计类下载榜与畅销榜前三。美国是可灵海外收入最大市场,占第二季度海外收入 32%,日本、韩国、英国、德国紧随其后。
Kling Image 4.0 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,语言覆盖可能成为后续增长方向。
快手及可灵未单独披露图像与视频的收入占比。两类功能共享会员、灵感值和 API 按量计费体系,无法直接判断 Image 4.0 能带来多少新增收入。考虑到视频算力消耗更高,视频应占更大比例。
一旦海外超级大客户流失,将直接影响 API 收入。据每经梳理,今年 4 月已有 3 家海外超级大客户因竞争影响出现 API 收入下滑。这正是可灵需要加强图像业务的另一原因:寻找新用户和收入来源,降低对单一产品形态和少数大客户的依赖。
免费获取企业 AI 成熟度诊断报告,发现转型机会
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,内部业务可相互导流。可灵的海外客户则多是通过订阅或购买 API,再把生成视频上传至 YouTube、Instagram 等外部平台。可灵目前主要赚模型调用和创作工具这一层的钱,未必能分享后续内容分发与商业转化的价值。
对手也不只是字节。视频领域,Seedance、阿里 Wan、生数科技 Vidu 持续迭代;图像领域,Seedream、Qwen 图像模型、MiniMax 也在增强复杂文字排版、多参考图控制和图像编辑能力。模型能力是入场券,却很难单独构成长期壁垒。
对可灵而言,真正重要的是能否把图像、视频和编辑能力整合成完整工作流,让用户从生成第一张图开始,就愿意持续留在平台完成后续创作。这不仅关系到能否在视频竞争压力下找到新增长空间,也关系到能否建立更稳定、更多元的收入结构。对于一家正寻求独立融资、探索资本化的 AI 公司,这一点尤其重要。
Image 4.0 让可灵重新站上图像生成的牌桌,能力拉近了与 Seedream 的距离,但还不足以弥合与字节的商业化差距。可灵需要证明的,不只是能做出好模型,还能围绕模型构建覆盖创作平台、内容分发乃至商业转化的完整生态。
关注公众号

扫码关注,获取最新 AI 资讯
3 步完成企业诊断,获取专属转型建议
已有 200+ 企业完成诊断