Kling 4.0 и Kling 4.0 Flash: видео по референсам и кадрам — тесты

Главное:

• Kling 4.0 — новое поколение видеомодели Kling AI от Kuaishou, официально запущено 15 октября 2026 года.
• Ролики от 3 до 30 секунд в 720p или 1080p, звуковую дорожку модель генерирует сама.
• В Студии IskraGen два режима: «Референсы → Видео» (до 10 картинок и 5 видео) и «Кадры → Видео» (до 10 кадров).
• Мы проверили четыре сценария Kling 4.0 и оба режима облегчённого Kling 4.0 Flash: ролики до 20 секунд, только 720p.
• Цена растёт пропорционально длительности, оплата в рублях за каждый ролик, без подписки.

Kling 4.0 — видеомодель Kling AI, которая собирает ролик до 30 секунд по картинкам и видео-референсам или по ключевым кадрам. Ниже — как устроены два режима Kling 4.0 в Студии IskraGen, четыре наших тестовых ролика с дословными промптами и честным разбором и как считается цена.

Что такое Kling 4.0 и чем он отличается от Kling 3.0

Kling 4.0 — новое поколение видеомодели Kling AI от Kuaishou: официальный запуск 15 октября 2026 года, до 30 секунд видео за один проход и до 10 ключевых кадров.

Если вы уже пользовались Kling 3.0, главное отличие заметно сразу — длина ролика. Прошлая версия делала клипы от 3 до 15 секунд, новая доводит один проход до 30 секунд. Это значит, что короткую сцену с завязкой и развязкой можно получить одной генерацией, без склейки нескольких кусков.

Второе отличие — управление сюжетом через кадры. У Kling 3.0 нескольких ключевых кадров не было: модель принимала только первый и последний кадр. Kling 4.0 принимает до 10 ключевых кадров в одной генерации. Вы задаёте, как сцена выглядит в начале, в нескольких точках посередине и в конце, а модель достраивает движение между ними.

Третье — референсы. По данным Kling, у версии 3.0 можно было загрузить одно референс-видео длиной до 15 секунд, у Kling 4.0 — до 5 видео. Kling AI заявляет, что режим Omni Reference объединяет до 15 референсов: картинки, видео и аудио. В Студии IskraGen в одном ролике можно использовать до 10 картинок и до 5 видео, а аудио — голос в карточке персонажа и до 3 записей в списке «Голоса».

Звук тоже изменился. По данным Kling, у 4.0 двухканальное стерео, у 3.0 было моно. Речь и синхронизация губ были и в Kling 3.0; для 4.0 разработчик заявляет более точную синхронизацию губ и расширенный список языков. В наших тестах речи не было, поэтому проверить это мы не можем.

Что говорит сам разработчик о качестве:

• По словам Kuaishou, приоритеты обновления — реалистичность, контроль и профессиональное качество; заявлены более стабильное крупное движение и плавность в быстрых сценах.
• Kling AI заявляет более естественные и стабильные сложные движения камеры: наезд, отъезд, панорама, проезд за объектом и облёт.
• 10-битный HDR в 4K и 1080p, а также API для разработчиков и бизнеса Kling AI в пресс-релизе запуска обозначил как «скоро»; на сайте Kling для версии заявлены разрешения до 4K. В Студии IskraGen сейчас 720p и 1080p.

Ещё одна деталь из обзоров запуска: ключевые кадры и Omni Reference в одной генерации не совмещаются. В IskraGen это и так два отдельных режима, поэтому путаницы не возникает — вы сразу выбираете, работаете вы с референсами или с кадрами.

Если вам нужен общий рассказ о бренде и прошлых версиях, загляните в наш обзор Kling AI. Здесь же речь о Kling 4.0 и его облегчённой версии Kling 4.0 Flash — ей посвящён отдельный раздел ниже.

В IskraGen модель доступна на карточке Kling 4.0 в двух режимах: «Kling 4.0 — Референсы» и «Kling 4.0 — Ключевые кадры». В Студии они подписаны как «Референсы → Видео» и «Кадры → Видео». Дальше разберём, что загружать в каждый из них.

Два режима Kling 4.0 в Студии IskraGen: что загружать и какие лимиты

В Студии IskraGen у Kling 4.0 два режима: «Референсы → Видео» собирает ролик из ваших картинок и видео, а «Кадры → Видео» строит движение между заданными кадрами.

Общие поля у обоих режимов одинаковые. «Промпт» вмещает до 8000 символов. «Длительность» задаётся слайдером целыми секундами от 3 до 30, по умолчанию стоит 5 секунд. «Разрешение» — 720p или 1080p, по умолчанию 720p. «Формат» предлагает Авто, 16:9, 9:16, 1:1 и 21:9. Разница только в умолчании: в «Референсах» стоит Авто, в «Кадрах» — 16:9.

Всё, что отличает режимы, — это входные файлы. Сводка полей Студии:

Два режима Kling 4.0 в Студии IskraGen: что загружать и какие лимиты

Обратите внимание на последнюю строку таблицы: число кадров зависит от длительности. На ролик в 3 секунды поместятся только 4 кадра — например, первый, последний и два промежуточных. Все 10 кадров станут доступны, когда длительность дойдёт до 9 секунд. Поэтому, если вы задумали подробную раскадровку, сначала выставьте длительность, а потом загружайте кадры.

Как ссылаться на файлы в промпте. В промпте Kling 4.0 файлы обозначаются упоминаниями — короткими метками, которые указывают, о каком файле идёт речь. В режиме «Референсы → Видео» картинки называются @image_1, @image_2 и дальше в порядке загрузки, видео — @video_1, @video_2. В режиме «Кадры → Видео» первый и последний кадр — @first_frame и @last_frame, промежуточные — @keyframe_1, @keyframe_2 и так далее. Каждое упоминание должно соответствовать загруженному файлу, иначе запрос отклоняется. Если вы написали @image_3, а загрузили только две картинки, такой запрос не пройдёт.

Упоминания удобны, когда референсов несколько. Например, «герой с @image_1 идёт по улице с @image_2» — так в промпте прямо видно, откуда брать персонажа, а откуда фон. Посмотрите, как упоминания выглядят в живых промптах, в разделе с нашими тестами ниже.

Один референс обязателен. В Студии режим «Референсы → Видео» требует хотя бы один файл. Если попробовать запустить его пустым, Студия покажет ошибку «Добавьте хотя бы один референс — картинку или видео». Через API режим работает и без референсов, как «текст → видео», — так мы и сделали один из тестов ниже.

Без первого кадра мы не проверяли. Оба кадра в режиме «Кадры → Видео» формально необязательны, но наш тест шёл с первым и последним кадром. Как модель ведёт себя без первого кадра, мы не проверяли и обещать не будем.

Чтобы движение камеры получалось предсказуемым, пригодятся наши готовые промпты движения камеры — их можно вставлять в любой из двух режимов.

Наши тесты Kling 4.0: четыре ролика с промптами

Мы прогнали Kling 4.0 в четырёх сценариях — без референсов, с картинкой, с видео и по первому и последнему кадру — все по 3 секунды в 720p.

Короткая длительность выбрана намеренно: так проще увидеть, как модель обращается с входными файлами, и не тратить лишнее на эксперименты. Все четыре ролика пришли со звуковой дорожкой, которую сгенерировала сама модель. Входные кадры для тестов с картинкой и с ключевыми кадрами сделаны в IskraGen моделью nano-banana-2-1. Ниже — каждый сценарий с дословным промптом, параметрами и тем, что получилось.

Без референсов: лиса на снегу

Первый тест — чистый «текст → видео»: никаких файлов, только промпт. В Студии режим «Референсы → Видео» без референса не запустится, поэтому этот ролик мы сделали через API.

Режим «Референсы → Видео» без референсов — запуск через API, в Студии этот режим требует хотя бы один референс. Промпт: A red fox walks across fresh snow at dawn, soft golden light, shallow depth of field, slow cinematic dolly. Параметры: 3 секунды, 720p, формат «Авто». Результат: 1280×720, 3 с, со звуком. Лиса на снегу на рассвете, шерсть и снег детальные, движение естественное.

С картинкой-референсом: турист на вершине

Во втором тесте мы дали модели одну картинку — туриста на вершине рядом с каменной пирамидой и флагом — и попросили, чтобы он поставил флаг и повернулся к камере. В промпте картинка обозначена как @image_1.

Референс — кадр, сгенерированный в IskraGen моделью nano-banana-2-1

Режим «Референсы → Видео», одна картинка-референс. Промпт: @image_1 the hiker plants a flag on the summit and turns toward the camera, wind in the clothes, slow orbit shot. Параметры: 3 секунды, 720p, формат «Авто». Результат: 1280×720, 3 с, со звуком. Герой и сцена соответствуют референсу; лицо мелкое, артефактов не видно.

С видео-референсом: продолжение ролика PixVerse

Третий тест — референс-видео. Мы взяли наш трёхсекундный ролик с неоновой дождливой улицей (640×360, без звука) и попросили Kling 4.0 продолжить движение с нового ракурса. Переключатель «Оставить звук референс-видео» был выключен, и звуковую дорожку результата сгенерировала модель.

Референс-видео: наш ролик PixVerse V6 Max, 3 с, без звука

Режим «Референсы → Видео», одно видео-референс. Промпт: Continue the motion of @video_1 in a new angle, same neon rainy street, cinematic. Параметры: 3 секунды, 720p, формат «Авто», «Оставить звук референс-видео» выключен. Результат: 1280×720, 3 с, со звуком. Вход длиной 3,04 с посчитан как 4 секунды и вошёл в оплату вместе с выходом.

Первый и последний кадр: подъём на вершину

Четвёртый тест — режим «Кадры → Видео». Первым кадром стал силуэт туриста на горном гребне над облаками, последним — тот же кадр с туристом на вершине, что и референс в тесте с картинкой. В поле «Формат» стояло 16:9, но ролик пришёл в 1280×716: когда кадр загружен, видео берёт пропорции первого кадра, а не значение поля.

Первый кадр («Старт») — сгенерирован в IskraGen моделью nano-banana-2-1

Последний кадр («Финал») — тот же кадр nano-banana-2-1, что и в тесте с картинкой

Режим «Кадры → Видео», первый и последний кадр. Промпт: Smooth cinematic transition from @first_frame to @last_frame, the hiker climbs the ridge toward the summit. Параметры: 3 секунды, 720p, формат 16:9. Результат: 1280×716, 3 с, со звуком — пропорции взяты из первого кадра. Переход от первого кадра к последнему: турист поднимается на вершину; в середине сильное размытие движения — за 3 с переход очень резкий, на длинной длительности будет плавнее.

Что показали тесты

Все четыре ролика пришли в заказанной длине 3 секунды и со звуком от модели. Без референсов модель выдала сцену с детальными шерстью и снегом и естественным движением. С картинкой-референсом герой и сцена соответствуют исходнику, лицо получилось мелким, но без артефактов. В режиме кадров переход между первым и последним кадром за 3 секунды оказался очень резким, с сильным размытием в середине, — на большей длительности он будет плавнее. Для теста с видео-референсом оценки качества у нас нет: мы фиксировали только параметры запуска и то, как посчитались секунды входа.

Сколько стоит Kling 4.0 и как считается цена ролика

Ролик Kling 4.0 стоит от 72 ₽ за 3 секунды в 720p, дальше цена растёт пропорционально длительности.

Базовая точка у обоих режимов одинаковая — ролик 3 секунды в 720p. От неё цена считается так.

Длительность. Стоимость растёт пропорционально секундам: ролик на 6 секунд стоит вдвое больше ролика на 3 секунды, и так вплоть до 30 секунд. Длинный ролик за один проход удобен, но и платите вы за каждую его секунду.

Разрешение. 1080p стоит больше, чем 720p. Для черновиков и поиска движения хватает 720p, а 1080p имеет смысл оставить для финальной версии.

Референс-видео. В режиме «Референсы → Видео» секунды загруженного видео тоже оплачиваются — как вход. В нашем тесте вход длиной 3,04 секунды посчитался как 4 секунды и вошёл в оплату вместе с тремя секундами готового ролика. Чем длиннее референс-видео, тем больше секунд войдёт в оплату.

С баланса списывается только за тот ролик, который вы запустили. Баланс пополняется в рублях картой российского банка или через СБП; подписки и автопродления нет, поэтому за недели без генераций вы ничего не платите.

Как тратить меньше на Kling 4.0:

• Ищите удачное движение на коротких роликах по 3 секунды в 720p и только потом запускайте финал.
• Финальную версию делайте один раз — в нужной длине и разрешении.
• Не загружайте длинные референс-видео без нужды: обрежьте исходник до фрагмента, который действительно нужен модели.
• В режиме кадров помните, что в нашем тесте на 3 секунды переход вышел резким, — для плавной смены сцены закладывайте больше секунд.

Если вы присматриваетесь к оплате напрямую на сайте Kling, у нас есть отдельный разбор о том, как оплатить Kling AI из России. Через IskraGen этот вопрос не возникает: пополнение в рублях, оплата за каждый ролик Kling 4.0 отдельно.

Kling 4.0 Flash: облегчённая версия на 720p и два наших теста

Kling 4.0 Flash — облегчённая и более дешёвая версия Kling 4.0: ролики от 3 до 20 секунд только в 720p, а по данным Kling AI — ещё и заметно более быстрая генерация.

В руководстве к Kling 4.0 Kling AI описывает Flash как модель для частого создания роликов, когда видео нужно много и быстро. Ограниченной группе пользователей Flash открыли в раннем доступе 28 сентября 2026 года, а 4 ноября 2026 года Kling AI объявила, что он доступен всем на сайте Kling AI и через API. Скорость генерации мы сами не замеряли, поэтому цифр «во сколько раз быстрее» здесь нет.

Чем Kling 4.0 Flash отличается от полной версии в Студии IskraGen:

Отличия Kling 4.0 Flash от Kling 4.0 в Студии IskraGen

Поля Студии. Режим «Референсы → Видео» у Flash устроен почти так же, как у полной версии: до 10 картинок, до 5 видео, переключатель «Оставить звук референс-видео» и до 7 «Персонажей» с теми же полями, хотя бы один референс обязателен. Отличия такие: длительность от 3 до 20 секунд (по умолчанию 5), разрешение только 720p, а референс-видео — каждое от 2 до 20 секунд и все вместе не больше 20 секунд. Отдельного списка «Голоса» у Flash нет, голос задаётся только в карточке персонажа.

Вместо «Кадры → Видео» у Flash режим «Кадр → Видео» с одним необязательным полем «Первый кадр» — JPEG, PNG или WebP до 20 МБ; в промпте он обозначается @first_frame. Последнего и промежуточных кадров нет. Без кадра модель делает видео по тексту, а с кадром продолжает сцену от него и берёт его пропорции. «Формат» — 16:9, 9:16, 1:1 или 21:9, без «Авто», по умолчанию 16:9.

Мы проверили Flash в обоих режимах — по ролику на режим, оба по 5 секунд в 720p. Входные картинки — наши генерации в IskraGen моделями GPT Image 2.6 Flare и GPT Image 2.6 Sunburst, в обе заложена надпись «iskragen.ru», чтобы проверить, удержит ли видеомодель текст в движении.

Тест Flash: первый кадр с фудкортом

Режим «Кадр → Видео» с загруженным первым кадром: вечерний уличный фудкорт, повар у вока, двое друзей тянутся к шашлычкам, над прилавком вывеска «iskragen.ru».

Вход — картинка, сгенерированная в IskraGen моделью GPT Image 2.6 Flare. Промпт: Живая бытовая сцена: уличный фудкорт вечером. Повар подбрасывает лапшу высоко над воком, двое друзей смеются и тянутся за шашлычками. На вывеске над прилавком отчётливо написано «iskragen.ru» ровно один раз, без искажений и других копий адреса.

Режим «Кадр → Видео». Промпт: @first_frame Повар подбрасывает лапшу, она взлетает и падает обратно в вок, друзья смеются и аплодируют. Вывеска «iskragen.ru» остаётся в кадре и читается. Параметры: 5 секунд, 720p, формат 16:9. Результат: 1280×720, 5 с, со звуком. Вечерний уличный фудкорт; повар подбрасывает лапшу из вока, она падает обратно, над воком идёт пар; двое друзей смеются, парень берёт шашлычок, к концу оба аплодируют; вывеска «iskragen.ru» видна и читается весь ролик; камера почти неподвижна; сцена продолжает первый кадр.

Тест Flash: картинка-референс со скакалкой

Режим «Референсы → Видео» с одной картинкой: школьный двор, девочка прыгает через скакалку, вокруг хлопают друзья, на футболке надпись «iskragen.ru». В промпте картинка обозначена как @image_1.

Вход — картинка, сгенерированная в IskraGen моделью GPT Image 2.6 Sunburst. Промпт: Живая бытовая сцена: школьный двор после уроков. Девочка в прыжке крутит скакалку двойным оборотом, друзья хлопают в ладоши. На футболке девочки отчётливо написано «iskragen.ru» ровно один раз, без искажений и других копий адреса.

Режим «Референсы → Видео», одна картинка-референс. Промпт: @image_1 Девочка прыгает через скакалку двойным оборотом, камера плавно облетает её, друзья хлопают. Надпись «iskragen.ru» на футболке читается. Параметры: 5 секунд, 720p, формат «Авто», 1 картинка. Результат: 1280×720, 5 с, со звуком. Школьный двор, девочка прыгает через розовую скакалку, друзья хлопают; камера облетает её, к концу ракурс сменился (за спиной деревья вместо фасада школы); в середине девочка поворачивается спиной и надпись не видна; в начале надпись мягче, к концу снова видна, но на последних кадрах буквы смазаны.

Оба ролика пришли в заказанной длине 5 секунд и со звуковой дорожкой; что в ней звучит, мы на слух не оценивали. Сцена с фудкортом продолжает первый кадр, вывеска читается весь ролик. Главный минус ролика со скакалкой — в середине надпись на футболке не видна, а к концу буквы смазываются. Получился ли двойной оборот скакалки, по кадрам не определить, поэтому утверждать этого не будем.

Цена. Kling 4.0 Flash от 42 ₽ за ролик 3 секунды в 720p, дальше цена растёт пропорционально длительности; секунды референс-видео тоже оплачиваются — по сумме секунд входа и выхода с понижающим коэффициентом, как у полной версии. В режиме «Кадр → Видео» ролик Kling 4.0 Flash стоит от 42 ₽ за те же 3 секунды. Для сравнения, Kling 4.0 от 72 ₽ за ролик 3 секунды в 720p.

Запустить облегчённую версию можно на карточке Kling 4.0 Flash в каталоге.

Когда вместо Kling 4.0 лучше взять другой инструмент

Kling 4.0 рассчитан на задачи, где нужно собрать сцену из нескольких референсов или провести движение через заданные кадры; для более простых задач подойдёт другой инструмент.

Модель с двумя сложными режимами нужна не всегда. Вот несколько ситуаций, где удобнее начать с другого.

• Нужен короткий ролик до 20 секунд в 720p. Такие ролики дешевле делать в Kling 4.0 Flash. Для 1080p, роликов длиннее 20 секунд, последнего и промежуточных кадров и длинных референс-видео оставайтесь на Kling 4.0.
• Нужно просто оживить одно фото. Если у вас один снимок и нужно короткое движение без сборки сцены, посмотрите наш разбор видео из фото нейросетью.
• Хотите посмотреть ключевые кадры в другой модели. Работа с ключевыми кадрами разобрана и в статье Luma нейросеть.
• Нужен обзор бренда Kling и прошлых версий. Всё о том, что было до четвёртой версии, — в нашем материале Kling AI.
• Хотите сравнить видеонейросети между собой. Общая картина — в статье нейросеть для генерации видео.
• Нужны готовые формулировки движения камеры. Их можно взять для любого промпта из подборки промпты движения камеры.

Kling 4.0 имеет смысл выбирать, когда у вас уже есть материал — персонаж, фон, кусок видео или раскадровка — и нужно, чтобы модель опиралась на него. Если материала нет и нужен просто короткий клип по описанию, в каталоге есть модели, которым достаточно одного промпта.

В одной Студии IskraGen рядом с Kling 4.0 работают и другие видеомодели каталога: Kling 3.0, Seedance 2.5, MiniMax H3 и Wan 3.0. Одну и ту же задачу удобно прогнать в нескольких из них на одинаковом промпте и сравнить результат своими глазами, а потом сделать финальную версию в той модели, которая справилась лучше.