Kling Image 4.0 Pertama Kali Hadirkan Output 8K Native

Kling Image 4.0 Pertama Kali Hadirkan Output 8K Native

Kling AI, unit milik Kuaishou, pada larut malam 17 November meluncurkan model gambar generasi baru Kling Image 4.0 sekaligus membuka API untuk pelanggan korporat dan pengembang. Ini pertama kalinya model gambar Kling mendukung output 8K native. Rilis ini terpisah dari Kling 4.0 yang diumumkan pada 15 Oktober; Kling 4.0 adalah model video dan merupakan lini produk yang berbeda.

Spesifikasi utama berpusat pada teks dan set gambar

Menurut laporan publik, Image 4.0 memakai arsitektur terpadu untuk pemahaman dan pembuatan gambar, yang menyatukan pemahaman visual dan pembuatan gambar dalam satu model. Batas input teks dinaikkan menjadi 15.000 token, dan satu gambar dapat memuat sekitar 2.000 karakter teks yang ditata. Model ini dibekali lebih dari 70 font komersial preset, dan pengguna juga dapat mengunggah gambar referensi agar model meniru bentuk huruf dan tata letaknya.

Untuk set gambar, satu deskripsi dapat menghasilkan hingga 10 gambar yang berbagi satu set persyaratan kreatif yang sama. Sejumlah artikel ulasan menyebut set gambar juga bisa disertai hingga 10 gambar atau subjek referensi. Tersedia pula lebih dari 110 preset gradasi tona, dan pengguna dapat mengunggah gambar referensi untuk mengambil warna serta pencahayaannya.

Tingkat resolusinya adalah sebagai berikut:

Jenis outputResolusi yang tersediaDefault
Gambar standar2K / 4K / 8K native2K
Set gambar2K / 4K / 8K native2K
Gambar panjang1K / 2KTidak disebutkan

Jika digabungkan, fitur-fitur ini mengarah ke pekerjaan komersial seperti halaman produk e-commerce, poster, dan materi promosi satu paket. Teks Mandarin sejak lama menjadi titik tersandung terbesar model gambar: goresan huruf bergeser, karakter palsu yang dikarang model, dan tata letak paragraf panjang yang berantakan. Kemampuan memuat 2.000 karakter dalam satu gambar, dengan lebih dari 70 font yang boleh dipakai secara komersial, adalah jawaban langsung atas masalah itu. Kegunaan utama 8K ada di tahap pascaproduksi: setelah satu gambar dihasilkan, beberapa bagiannya masih bisa dipotong dan dipakai tersendiri.

Soal harga masih belum jelas

Kali ini Kling tidak menerbitkan tabel konsumsi tetap untuk tiap tingkat resolusi Image 4.0. Menurut aturan penagihan saat ini, gambar referensi yang dimasukkan maupun gambar yang dihasilkan sama-sama dikenai biaya, dan biaya output naik seiring resolusi; jumlah pastinya mengikuti angka yang tampil di halaman pembuatan pada saat itu. Kredit Kling (disebut poin inspirasi) dipatok 10 poin per yuan, dan keanggotaan Gold versi web dengan langganan bulanan berkelanjutan seharga 58 yuan memberi 660 poin setiap bulan.

Artinya, untuk saat ini satu-satunya cara mengetahui biaya satu gambar 8K adalah membuatnya sekali lalu melihat pemotongan poinnya. Bagi pelanggan korporat yang memakai API dengan tarif per penggunaan, angka ini lebih menentukan keputusan daripada tabel spesifikasi. Hingga malam peluncuran, Kling belum mengumumkan harga per gambar untuk API secara resmi.

Dibandingkan dengan model sejenis

Satu-satunya rujukan pihak ketiga yang dapat ditemukan berasal dari arena uji buta anonim milik Artificial Analysis. Sebuah artikel ulasan menyampaikan bahwa Kling Image 4.0 menempati peringkat keenam dunia dan pertama di antara model China pada papan peringkat teks-ke-gambar maupun penyuntingan gambar, dengan seluruh lima besar teks-ke-gambar diisi seri GPT Image dari OpenAI. Tim gambar Kling secara terpisah menyatakan bahwa model baru ini unggul lebih dari 200 poin atas generasi sebelumnya, 3.0 Omni, di kedua papan peringkat. Peringkat arena berubah mengikuti jumlah suara, sehingga data langsung di papan peringkat menjadi acuan.

Dari sisi persaingan, dua tahun terakhir kompetisi model gambar China berpusat pada rendering teks Mandarin dan lisensi komersial. Dengan menjadikan "font komersial" sebagai nilai jual, Kling menyasar kekhawatiran desainer dan tim e-commerce soal hak cipta font, dan pelanggaran hak cipta font memang sudah lama menjadi sumber sengketa yang umum di dunia e-commerce. Seri GPT Image yang memimpin papan peringkat berbahasa Inggris selama ini lemah dalam menata paragraf panjang berbahasa Mandarin, dan di situlah model dalam negeri paling mudah membuka jarak.

Di jalur video, Kling 4.0 yang dirilis Oktober dapat menghasilkan 30 detik dalam satu klip. Setelah jalur gambar menambahkan 8K, kedua lini produk sama-sama bergerak menuju spesifikasi "hasil jadi langsung diserahkan". Platform desain Lovart mengintegrasikan model baru ini pada hari peluncurannya.

Sumber: ITHome (IT之家), Smzdm (什么值得买), CocoLoop, Sina Finance; tingkat resolusi dan harga poin dicocokkan dengan angka dari uji coba langsung media, sedangkan peringkat dikutip dari laporan tentang arena gambar Artificial Analysis.