Kling Image 4.0 genera por primera vez imágenes en 8K nativo

Kling Image 4.0 genera por primera vez imágenes en 8K nativo

Kling AI, de Kuaishou, lanzó en la noche del 17 de noviembre el modelo de imagen de nueva generación Kling Image 4.0 y abrió a la vez una API dirigida a clientes empresariales y desarrolladores. Es la primera vez que Kling admite salida en 8K nativo en un modelo de imagen. Este modelo y Kling 4.0, presentado el 15 de octubre, son dos líneas de producto distintas: el segundo es un modelo de vídeo.

Los parámetros se concentran en el texto y las series de imágenes

Según informes públicos, Image 4.0 adopta una arquitectura de «comprensión y generación unificadas», que integra la comprensión visual y la generación de imágenes en un mismo modelo. El límite del texto de entrada sube a 15.000 tokens y en una sola imagen caben unos 2.000 caracteres. El modelo incluye más de 70 fuentes comerciales predefinidas, y el usuario también puede subir una imagen de referencia para que el modelo imite la forma de las letras y la maquetación.

En las series, una sola descripción genera hasta 10 imágenes que comparten el mismo conjunto de requisitos creativos dentro del grupo; un artículo de análisis menciona que la serie puede llevar además hasta 10 imágenes o sujetos de referencia. Hay también más de 110 tonos de luz predefinidos, y se puede subir una imagen de referencia para extraer color e iluminación.

Los niveles de resolución son los siguientes:

Tipo de imagenResoluciones disponiblesPor defecto
Imagen estándar2K / 4K / 8K nativo2K
Serie de imágenes2K / 4K / 8K nativo2K
Imagen larga1K / 2KNo indicado

Sumados, estos puntos apuntan a trabajos comerciales como páginas de detalle de comercio electrónico, pósteres y conjuntos de materiales. Donde los modelos de imagen más han tropezado hasta ahora es en el texto en chino: trazos desplazados, caracteres inventados, párrafos largos con la maquetación desordenada. Una imagen con 2.000 caracteres y más de 70 fuentes de uso comercial responden de frente a ese problema. La utilidad del 8K está sobre todo en la posproducción: una vez generada la imagen, se pueden recortar varias zonas y usarlas por separado.

El precio sigue siendo un asunto turbio

Esta vez Kling no ha publicado una tabla fija de consumo por nivel de resolución para Image 4.0. Según las reglas de facturación vigentes, se cobran tanto las imágenes de referencia de entrada como las imágenes de salida, y el coste de la salida sube con la resolución; el importe exacto que se descuenta es el que muestra la página de generación en ese momento. Los puntos de inspiración se cotizan a 10 puntos por 1 yuan; la suscripción mensual con renovación automática Gold cuesta 58 yuanes en la web y da 660 puntos al mes.

Por eso, cuánto cuesta una imagen en 8K solo puede averiguarse, de momento, generando una y viendo el descuento. Para los clientes empresariales que usan la API por consumo, esa cifra pesa más en la decisión de integrarla que la tabla de parámetros. Hasta la noche del lanzamiento, Kling no había publicado oficialmente el precio de la API por imagen.

Comparación con modelos similares

La referencia de terceros que se puede encontrar procede de la arena de pruebas ciegas anónimas de Artificial Analysis. Un artículo de análisis relata que Kling Image 4.0 ocupa el sexto puesto mundial y el primero en China tanto en la clasificación de texto a imagen como en la de edición de imágenes; los cinco primeros de la clasificación de texto a imagen son todos de la serie GPT Image de OpenAI. El equipo de imagen de Kling afirma además que el nuevo modelo ha ganado más de doscientos puntos respecto a la generación anterior, 3.0 Omni, en ambas clasificaciones. Los puestos de la arena fluctúan con el número de votos, así que debe tomarse como referencia el dato en tiempo real de la clasificación.

Comparando de lado a lado, en los dos últimos años el terreno de competencia de los modelos de imagen chinos ha sido siempre la renderización del chino y las licencias comerciales. Al incluir las «fuentes comerciales» entre sus argumentos de venta, Kling apunta a la preocupación de diseñadores y equipos de comercio electrónico por los derechos de las tipografías; las infracciones de fuentes son, de hecho, una fuente habitual de disputas en el comercio electrónico. La serie GPT Image, que lidera las clasificaciones en inglés, siempre ha tenido un punto débil en la maquetación de párrafos largos en chino, y es justo ahí donde los modelos nacionales pueden marcar más distancia.

En la línea de vídeo, Kling 4.0, presentado en octubre, genera un clip de 30 segundos; con el 8K que ahora completa la línea de imagen, ambas líneas de producto avanzan hacia especificaciones de «generar y entregar». La plataforma de diseño Lovart integró el nuevo modelo el mismo día del lanzamiento.

Fuentes: ITHome, Smzdm, CocoLoop, Sina Finance; los niveles de resolución y el precio de los puntos de inspiración se contrastaron según pruebas prácticas de los medios, y los puestos de la clasificación son una referencia recogida de la arena de imágenes de Artificial Analysis.