Kling Image 4.0 liefert erstmals native 8K-Bilder

Kling Image 4.0 liefert erstmals native 8K-Bilder

Kling AI von Kuaishou hat spät am Abend des 17. November das Bildmodell der neuen Generation, Kling Image 4.0, vorgestellt und zugleich eine API für Unternehmenskunden und Entwickler geöffnet. Es ist das erste Mal, dass Kling bei einem Bildmodell native 8K-Ausgabe unterstützt. Das Modell ist von Kling 4.0, das am 15. Oktober erschien, zu unterscheiden: Dabei handelt es sich um ein Videomodell, also eine eigene Produktlinie.

Die Eckdaten konzentrieren sich auf Text und Bildserien

Laut öffentlichen Berichten setzt Image 4.0 auf eine Architektur, die „Verstehen und Generieren vereint“, also visuelles Verständnis und Bilderzeugung in einem Modell bündelt. Die Obergrenze für Texteingaben wurde auf 15.000 Token angehoben, und in einem einzelnen Bild lassen sich rund 2.000 Zeichen setzen. Das Modell bringt mehr als 70 voreingestellte kommerzielle Schriften mit; Nutzer können außerdem ein Referenzbild hochladen, damit das Modell Schriftform und Layout nachahmt.

Bei den Bildserien erzeugt eine einzige Beschreibung bis zu 10 Bilder, die innerhalb der Serie dieselben kreativen Vorgaben teilen; ein Testbericht erwähnt, dass einer Serie zudem bis zu 10 Bild- oder Motivreferenzen beigegeben werden können. Hinzu kommen mehr als 110 voreingestellte Licht- und Tonstimmungen, außerdem lassen sich Farben und Licht aus einem hochgeladenen Referenzbild extrahieren.

Die Auflösungsstufen im Überblick:

BildtypWählbare AuflösungStandard
Standardbild2K / 4K / natives 8K2K
Bildserie2K / 4K / natives 8K2K
Langbild1K / 2KNicht angegeben

Zusammengenommen zielen diese Punkte auf E-Commerce-Detailseiten, Poster und zusammenhängende Werbematerialien. Woran Bildmodelle bisher am häufigsten scheiterten, war chinesische Schrift: verrutschte Striche, erfundene Zeichen, ein aus den Fugen geratener Satz bei langen Absätzen. Ein Bild mit 2.000 Zeichen und über 70 kommerziell nutzbare Schriften sind eine direkte Antwort auf dieses Problem. Der Nutzen von 8K liegt vor allem in der Nachbearbeitung: Aus einem fertig erzeugten Bild lassen sich mehrere Ausschnitte herauslösen und einzeln verwenden.

Beim Preis bleibt vieles unklar

Kling hat für Image 4.0 keine feste Verbrauchstabelle je Auflösungsstufe veröffentlicht. Nach den derzeit geltenden Abrechnungsregeln werden sowohl eingegebene Referenzbilder als auch ausgegebene Bilder berechnet; die Kosten für die Ausgabe steigen mit der Auflösung, und der genaue Abzug richtet sich nach der Anzeige auf der Generierungsseite zum jeweiligen Zeitpunkt. Die Inspirationspunkte sind mit 10 Punkten für 1 Yuan ausgepreist; die Gold-Mitgliedschaft im automatisch verlängerten Monatsabo kostet im Web 58 Yuan und gibt jeden Monat 660 Punkte.

Was ein 8K-Bild kostet, lässt sich derzeit also nur herausfinden, indem man eines erzeugt und den Abzug abliest. Für Unternehmenskunden, die die API nach Verbrauch nutzen, entscheidet diese Zahl stärker über eine Anbindung als die Parametertabelle. Bis zum Abend des Starts hat Kling keinen offiziellen API-Preis pro Bild veröffentlicht.

Einordnung im Vergleich mit ähnlichen Modellen

Die einzige auffindbare Drittquelle stammt aus der anonymen Blindtest-Arena von Artificial Analysis. Ein Testbericht gibt wieder, Kling Image 4.0 liege sowohl in der Text-zu-Bild- als auch in der Bildbearbeitungs-Rangliste weltweit auf Platz sechs und in China auf Platz eins; die ersten fünf Plätze der Text-zu-Bild-Liste belegten allesamt Modelle der GPT-Image-Reihe von OpenAI. Das Kling-Bildteam gibt zudem an, das neue Modell habe in beiden Ranglisten gegenüber der Vorgängerversion 3.0 Omni mehr als zweihundert Punkte zugelegt. Die Platzierungen in der Arena schwanken mit der Zahl der Stimmen; maßgeblich sind die Echtzeitdaten der Ranglisten.

Im Seitenvergleich lag der Wettbewerbspunkt chinesischer Bildmodelle in den vergangenen zwei Jahren immer bei der Darstellung chinesischer Schrift und bei kommerziellen Lizenzen. Dass Kling „kommerzielle Schriften“ als Verkaufsargument nennt, zielt auf die Sorgen von Designern und E-Commerce-Teams um Schriftlizenzen; Verstöße gegen Schriftrechte sind im E-Commerce ohnehin eine häufige Quelle von Streitigkeiten. Die in englischsprachigen Ranglisten führende GPT-Image-Reihe galt beim Satz langer chinesischer Absätze stets als Schwäche, und gerade dort können sich chinesische Modelle am ehesten absetzen.

Auf der Videoseite kann das im Oktober erschienene Kling 4.0 einen Clip von 30 Sekunden erzeugen; mit 8K auf der Bildseite rücken beide Produktlinien in Richtung Spezifikationen, bei denen ein Bild nach der Erzeugung bereits auslieferbar ist. Die Designplattform Lovart hat das neue Modell noch am Tag des Starts angebunden.

Quellen: ITHome, Smzdm, CocoLoop, Sina Finance; Auflösungsstufen und Punktepreise wurden anhand von Praxistests der Medien abgeglichen, die Ranglistenplätze sind eine Wiedergabe der Bildarena von Artificial Analysis.