可灵AI的Kling 4.0是在凌晨上线的。没有预热倒计时，也没开发布会，参数直接甩出来：最长30秒直出，最多10帧多帧参考，全能参考能力加强，复杂打斗和大范围动态表现重做。做AI视频的人看到"30秒"这三个字，心里大概会咯噔一下——过去一年多，这个行业一直在用秒做单位抠时长。有创作者烧掉数万积分去实测，城市追逐、电梯打斗、花样滑冰轮着跑，最后给出的判断挺有意思：纸箱被撞之后会瘪下去，这种细节才说明模型真的开始懂物理了。
三十秒一镜到底，比多出五秒难得多
时长卡在五秒，卡的是误差
视频生成本质上是一场在时间轴上滚动的预测。每一帧都在猜下一帧，猜错一点点没关系，猜错几百次就会累积成灾难：人物的脸开始漂移，衣服的纹理换了面料，镜头运动忽然失控，背景建筑像被水泡过一样软掉。
把时长从5秒拉到30秒，不是多跑几步的事。模型得在六倍的时间跨度里，维持同一套物理假设、同一个角色身份、同一种光线逻辑。30秒直出真正的价值不在"长"这个字，而在于它第一次让创作者可以完整讲完一个动作段落，而不是只能拍个片段然后靠剪辑硬拼。
十帧参考，控制权被交回创作者手里
以前做参考，主流就两张帧——首帧和尾帧，中间全靠模型自由发挥。你只能祈祷它别跑偏。Kling 4.0把上限提到10帧，意味着你可以在时间轴上插十个锚点，告诉模型"第2秒是这个构图，第5秒人物到这儿，第9秒镜头拉远"。
这对分镜预演、广告分镜、动画前期的意义，比画质提升大得多。可控性才是生产力，随机性只是玩具。当你能指定画面而非描述画面，AI视频才真正从"灵感工具"变成"生产工具"。官方这次还强化了全能参考，把角色、场景、风格的一致性往上提了一档——多镜头、多片段拼成一条片子时，这一步是绕不过去的。
纸箱会瘪下去，这件事比画质更值得说
城市追逐，考验的是大范围位移
高速运动镜头是AI视频的传统弱项。背景一致性、透视变化、运动模糊，三个变量同时搅在一起，模型很容易把街道拍成一团融化的颜料。
实测的城市追逐场景里，4.0在大范围动态上的稳定性明显好转。建筑轮廓没有随镜头甩动而扭曲，运动模糊的出现位置也符合真实摄像机的曝光逻辑——不是均匀地糊一层，而是沿着运动方向拖尾。这种"该糊的地方糊、不该糊的地方清楚"的取舍，恰恰是物理直觉的体现。
电梯打斗，狭小空间最不宽容
把人关进电梯里打架，对模型来说是地狱难度。肢体交缠、互相遮挡、镜头频繁切换视角，任何一处人体结构出错都藏不住——多一只手、少一条腿，观众一眼就看出来。
作者实测后认为，复杂打斗是这一代重点修补的方向。动作之间的衔接更连贯，出拳、格挡、碰撞不再像两段独立动画硬接在一起。这背后是模型对"动作意图"的理解在变深，它不只是在预测像素怎么变，还在猜这两个人在干什么。
冰面上最难糊弄
花样滑冰是我最看重的一类测试。旋转、冰屑飞溅、刀刃与冰面的接触角、衣物随离心力甩出去的弧度，全是物理约束密集区，模型想蒙混过关几乎不可能。
而真正让作者下判断的，是一个不起眼的细节：纸箱受到撞击后会形变。硬物受力瘪下去、边缘出现折痕、回弹时保留残余变形——这些是刚体与柔体力学的基本表现。模型没有专门学过纸箱，它只是在足够多的数据里，把"这个世界该怎么动"内化了一部分。
450积分一条30秒，这笔账得掰开算
1080P和三档清晰度，差价并不离谱
1080P的30秒大约450积分，折合约16元。720P便宜一半多，约9元。放在当下的AI视频市场里，这个定价属于中位偏上——但考虑到它给的是30秒而不是5秒，单位时长的成本其实被摊薄了不少。
关键在于，你要不要为那额外的一致性付钱。做商业交付，16元一条30秒的可用素材，比起请人搭景拍摄，账面上没什么好争的。做个人创作，那就得算算试错成本了。
Flash档位是给试错留的口子
4.0 Flash在720P下跑20秒，只要120积分。这个档位的定位非常清楚：不是给你出成片的，是给你快速试提示词、试构图、试运镜方向的。
合理的用法是——先用Flash把方案跑通，确认镜头语言和节奏对了，再切到高规格出正式版本。一次正式生成十几块钱，试错阶段用便宜档位探路，成本能压到原来的三分之一以下。
4K HDR还没落地，但方向已经摆在那
10-bit意味着什么调色空间
官方预告将支持10-bit 4K HDR输出。这句话对普通用户可能没什么感觉，但对做后期的人来说，分量很重。
8-bit色彩只有256级灰阶，高光和暗部一旦溢出就再也拉不回来，AI生成的画面本就容易在渐变处出现色带，8-bit会把这个缺陷放大。10-bit把色深提到1024级，调色空间足够容纳一次正儿八经的后期流程——套LUT、压高光、提阴影、做风格化，都不用担心画面先崩掉。这一步迈过去，AI素材才有可能真正混进实拍项目的时间线里。
真正的瓶颈，可能不在时长
30秒很爽，但它解决的是单镜头问题。真正的门槛还在别处：跨镜头的人物一致性、场景连续性、可编辑性，以及导演能不能像改剧本一样改画面。
Kling 4.0在这条路上往前挪了一格。10帧参考给了控制权，物理理解给了可信度，Flash档位给了试错空间。剩下的，是把它接进真正的工作流里去，而不是停在刷短视频的快感里。
