O Kling AI, da Kuaishou, lançou na noite de 17 de novembro o modelo de imagem de nova geração Kling Image 4.0 e abriu ao mesmo tempo uma API voltada a clientes corporativos e desenvolvedores. É a primeira vez que o Kling suporta saída em 8K nativo num modelo de imagem. O novo modelo e o Kling 4.0, lançado em 15 de outubro, são duas linhas de produto distintas: o segundo é um modelo de vídeo.
Os parâmetros se concentram em texto e séries de imagens
De acordo com reportagens públicas, o Image 4.0 adota uma arquitetura de “compreensão e geração unificadas”, que reúne compreensão visual e geração de imagens no mesmo modelo. O limite de texto de entrada subiu para 15.000 tokens, e uma única imagem pode receber cerca de 2.000 caracteres. O modelo traz mais de 70 fontes comerciais predefinidas, e o usuário também pode enviar uma imagem de referência para que o modelo imite o desenho das letras e o layout.
Nas séries, uma única descrição gera até 10 imagens que compartilham o mesmo conjunto de requisitos criativos dentro do grupo; um artigo de avaliação menciona que a série ainda pode levar até 10 imagens ou sujeitos de referência. Há também mais de 110 tonalidades de luz predefinidas, e é possível enviar uma imagem de referência para extrair cores e iluminação.
Os níveis de resolução são os seguintes:
| Tipo de imagem | Resoluções disponíveis | Padrão |
|---|---|---|
| Imagem padrão | 2K / 4K / 8K nativo | 2K |
| Série de imagens | 2K / 4K / 8K nativo | 2K |
| Imagem longa | 1K / 2K | Não informado |
Somados, esses itens apontam para trabalhos comerciais como páginas de detalhe de e-commerce, pôsteres e conjuntos de materiais. O ponto em que os modelos de imagem mais tropeçavam até agora era o texto em chinês: traços deslocados, caracteres inventados, parágrafos longos com a diagramação desfeita. Uma imagem com 2.000 caracteres e mais de 70 fontes de uso comercial respondem de frente a essa dor. A utilidade do 8K está sobretudo na pós-produção: depois de gerada, uma imagem permite recortar vários trechos e usá-los separadamente.
O preço continua uma incógnita
Desta vez o Kling não divulgou uma tabela fixa de consumo por nível de resolução do Image 4.0. Pelas regras de cobrança atuais, tanto as imagens de referência enviadas quanto as imagens geradas são cobradas, e o custo da saída sobe com a resolução; o valor exato descontado é o que aparece na página de geração no momento. Os pontos de inspiração estão a 10 pontos por 1 yuan; a assinatura mensal com renovação automática Gold custa 58 yuans na versão web e concede 660 pontos por mês.
Assim, quanto custa uma imagem em 8K só se descobre, por ora, gerando uma e conferindo o desconto. Para clientes corporativos que usam a API por consumo, esse número pesa mais na decisão de adotar do que a tabela de parâmetros. Até a noite do lançamento, o Kling não havia divulgado oficialmente o preço da API por imagem.
Comparação com modelos do mesmo tipo
A referência de terceiros que se encontra vem da arena de testes cegos anônimos da Artificial Analysis. Um artigo de avaliação relata que o Kling Image 4.0 ficou em sexto lugar no mundo e em primeiro na China, tanto no ranking de texto para imagem quanto no de edição de imagem; os cinco primeiros do ranking de texto para imagem são todos da série GPT Image, da OpenAI. A equipe de imagem do Kling afirma ainda que o novo modelo ganhou mais de duzentos pontos sobre a geração anterior, o 3.0 Omni, nos dois rankings. As posições na arena oscilam com o número de votos, e vale o dado em tempo real do ranking.
Numa comparação lateral, nos últimos dois anos a disputa entre os modelos de imagem chineses tem girado em torno da renderização do chinês e da licença de uso comercial. Ao pôr as “fontes comerciais” entre os argumentos de venda, o Kling mira a preocupação de designers e equipes de e-commerce com os direitos das fontes; a violação de direitos de fontes já é uma fonte comum de disputas no comércio eletrônico. A série GPT Image, que lidera nos rankings em inglês, sempre foi fraca na diagramação de parágrafos longos em chinês, e é justamente aí que os modelos nacionais mais conseguem abrir distância.
Na frente de vídeo, o Kling 4.0, lançado em outubro, gera um clipe de 30 segundos; com o 8K agora acrescentado à linha de imagem, as duas linhas de produto caminham para especificações de “gerou, entregou”. A plataforma de design Lovart integrou o novo modelo no mesmo dia do lançamento.
Fontes: ITHome, Smzdm, CocoLoop, Sina Finance; os níveis de resolução e o preço dos pontos de inspiração foram conferidos com base em testes práticos da imprensa, e as posições no ranking são relatadas a partir da arena de imagens da Artificial Analysis.