研究员|陈俊一
编辑|邱慧
近日,可灵AI全新一代图像创作模型Kling Image 4.0上线,支持原生8K图像生成、2000字单图长文本等功能。在此前8天,字节跳动发布Seedream 5.5。
两家头部AI公司几乎前后脚更新图像模型。
在文生视频领域,第三方数据显示,今年5月,按算力日消耗统计,Seedance已超80%份额,可灵仅约占14%。
1可灵为何发力“图片”?
对于可灵而言,这是一次竞争策略的主动调整:在视频生成领域短时间难以抹平差距的前提下,转向图像赛道寻找新的博弈空间。
但问题在于,图像生成与视频生成往往集成在一个平台里。当视频模型差距明显之时,即使图像生成模型能力接近,用户为什么要从Seedream转向可灵?
Kling Image 4.0采用了可灵所称的“理解与生成统一”架构,将视觉理解与图像生成整合进统一模型体系。
产品能力上,官宣新模型有三大核心升级:一是真实感与原生8K;二是单张照片内最高支持生成2000字,支持最高15000 tokens文本输入;三是连贯组图与长图生成。
Seedream 5.5的迭代重心则放在多轮编辑稳定性、原生RGBA透明素材输出、复杂文字与真实质感三大方向。
可灵的新模型同样强化了多轮编辑稳定性。两家的主要区别是:可灵支持原生8K(Seedream为4K),Seedream支持原生RGBA透明素材。
不过,阿里的Qwen-Image-2.1也原生支持RGBA透明背景生成与编辑。
文生图能力,我们使用完全相同的提示词,对可灵Image 4.0和字节Seedream 5.5进行了对比,测试两款模型对复杂场景、人物细节、光影、材质和空间关系的理解能力。
提示词要求生成宇航员在空间站舱内,右手捏着水袋喝水,宇航服头盔面罩掀起,顶灯在她脸上投下明暗分明的侧光。透过右侧圆形舷窗,能看到地球弧线、边缘一圈被阳光照亮的金色气辉带。
![]()
动作与细节层面,可灵Image 4.0和字节Seedream 5.5都能够理解右手捏水袋这个指令也能够理解在水袋上生成标签文字这样的文字型指令。字节生成了更真实的喝水动作,可灵为了展现水袋,宇航员动作不够自然。提示词要求左臂上有中国国旗臂章,字节位置正确,可灵放在了右臂。对于头盔面罩向后掀的提示词,可灵的头盔面罩生成错位,且面罩的塑料质感太强。
指令完成度层面,可灵遵循了面部明暗分明、侧光这个指令,字节没有遵循;但在面部真实性上,可灵的人脸有明显的AI感,字节人脸真实度更高。提示词要求圆形舷窗,可灵遵循指令,字节生成的是椭圆形。提示词里明确了三个水滴漂浮,但两个大模型生成的水滴都多于三颗。两家都没有理解金色气辉带这个概念。
整体来看,字节Seedream 5.5保持小幅领先。
可灵此时补齐图像能力,还有一个更直接的商业逻辑:图像生成的推理成本相对视频更低,应用场景却更加广泛。从电商商品图、广告海报,到影视概念设计、游戏素材和社交媒体内容,都有规模化需求。
更重要的是,图像生成还可以成为视频生成的上游入口。
一条AI视频的生产流程,往往需要先确定人物形象、场景、服装和镜头构图,再进入动态生成。图像生成能力越强,就越容易为视频创作提供稳定的角色、场景和分镜素材。图生视频也能够提供视觉锚点,缓解视频生成中的人物和场景一致性问题。
目前主流的AI创作平台(如可灵、即梦、Runway等)普遍选择做“一站式创作工作台”。用户可以在同一个界面内完成文生图、文生视频、图生视频等不同操作,避免在不同工具之间反复切换的割裂感。
图像与视频虽然面向客户不同,但并不是两个完全独立的市场,而是逐渐融合的视觉创作生态。快手早期就分别推出文生图模型可图和视频生成模型可灵,2026年2月上线的可灵3.0系列,才取消独立可图,将图像生成直接融入统一多模态架构中。
对于可灵而言,发布能力更强大Image 4.0,除了要争夺图像生成市场,更是为了避免在视频竞争暂时落后的情况下,继续失去整个AI视觉创作入口。
2可灵丢失先发优势了吗?
快手2024年6月发布可灵,是全球首个向普通公众开放测试的真实影像级(DiT路线)视频生成大模型,切入AI视频生成赛道比字节早了一年,在商业化上比字节更占先机。字节2025年6月才发布Seedance 1.0,距离2023年内部启动Seedance原型约两年。
SensorTower数据显示,可灵曾在全球超过40个国家和地区的应用商店艺术与设计类下载榜位居第一,并接连登顶过韩国、土耳其、新加坡等市场的图形设计类应用榜单。今年一季度可灵还位居全球市场图像与视频生成AI应用下收入榜第一。
![]()
但先发优势并没有持续转化为技术壁垒。
随着字节跳动Seedance系列模型不断迭代,格局已经发生变化。特别是今年2月发布的Seedance 2.0,在Artificial Analysis Video Arena上以1269的Elo分登上榜首,多模态参考控制、复杂动作连贯性以及自动分镜上表现突出,靠减少“抽卡”次数吸引大批影视、广告、短剧创作用户。
可灵也登过测评榜首。
Kling 3.0 Pro在2月上线后,2月下旬也曾在Artificial Analysis Video Arena盲测中以1240 Elo位居文生视频榜首。到2026年11月中旬,文生视频和图生视频盲测榜首已由Wan 3.0(1175 Elo)、Seedance 2.5(1161 Elo)等新一代模型接棒,Kling 3.0排在20名开外,Kling 4.0发布较晚暂未纳入评测。
![]()
可灵的问题在于,虽然比字节更早进入市场,却没有将先发优势转化为持续领先的技术和生态壁垒。
从商业化数据看,可灵并非没有成绩。
据快手披露,2026年第一季度,可灵AI营业收入超过6.5亿元,同比增长超过300%;第二季度营业收入超过8.5亿元,同比增长超过200%。
其收入主要来自两类业务:一类是面向企业客户的API调用,另一类是面向专业创作者和普通用户的付费订阅。按用户结构,2026年一季度,可灵API业务收入占比首次超过订阅服务,约为60%,订阅收入约占40%。其中,超级大客户收入占API收入的比例超过80%。从地域来看,海外市场贡献了约80%的收入。
海外市场已经成为可灵商业化的重要支撑。据Sensor Tower 2026年第二季度移动应用(非游戏)出海排行榜,上半年Kling AI大多数时间位列美国iPhone绘图与设计类应用下载榜与畅销榜前三。出海区域分布上,美国是Kling AI海外收入最大的市场,占第二季度海外收入的32%,日本、韩国、英国及德国分列其后,共同构成Top 5出海市场。
Kling Image 4.0发布时宣称在语言方面,模型支持简体中文、繁体中文、英文、日文、韩文、西班牙语和葡萄牙语;从语言支持能力上,可能成为后续增长的重要方向。
快手及可灵官方并未单独披露图像生成与视频生成各自的收入占比。两类功能共享会员、灵感值和API按量计费体系,无法直接判断Image 4.0能够带来多少新增收入。考虑到视频生成更高的算力消耗,视频生成应占更多比例。
一旦海外超级大客户流失,将直接影响可灵的API业务收入。据每经梳理,今年4月,3家海外超级大客户对可灵的API收入已经因竞争影响出现下滑。
这正是可灵需要加强图像业务的另一个原因:它需要寻找新的用户和收入来源,降低对单一产品形态和少数大客户的依赖。
更大的压力来自字节的生态优势。字节拥有模型、创作工具和内容平台三层优势,集团内部不同业务之间可以相互导流、共享资源。
可灵的海外客户则更多是通过订阅或购买API调用模型,再将生成的视频上传至YouTube、Instagram等外部平台。可灵目前主要赚取模型调用和创作工具这一层的收入,未必能够分享后续内容分发和商业转化的价值。
从竞争格局看,可灵面对的对手也不只是字节。视频生成领域,Seedance、阿里Wan、生数科技Vidu等模型持续迭代;图像生成领域,Seedream、Qwen图像模型、MiniMax等也在不断增强复杂文字排版、多参考图控制和图像编辑能力。
模型能力可以成为竞争的入场券,却很难单独构成长期壁垒。
对于可灵而言,真正重要的是能否将图像、视频和编辑能力整合成一套完整的工作流,让用户从生成第一张图像开始,就愿意持续在平台上完成后续创作。
这不仅关系到可灵能否从视频市场的竞争压力中找到新的增长空间,也关系到它能否建立更稳定、更多元的收入结构。
对于一家正在寻求独立融资、探索资本化发展的AI公司而言,这一点尤其重要。
Image 4.0让可灵有机会重新站上图像生成的竞争牌桌,但能力拉近了与Seedream的距离,还不足以弥合它与字节之间的商业化差距。可灵需要证明的,是自己不仅能够做出好模型,还能围绕模型构建覆盖创作平台、内容分发乃至商业转化的完整生态。
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.