Kling 4.0 dobra o tempo de vídeo nativo para 30 segundos e adiciona 10 keyframes
A corrida pela geração de vídeo com IA ganhou mais um capítulo de peso. A Kuaishou, gigante chinesa por trás do Kling, anunciou a versão 4.0 do modelo, que finalmente entrega clipes nativos de até 30 segundos — o dobro do que a geração anterior suportava. Parece pouco no papel, mas em vídeo sintético cada segundo a mais representa um salto expressivo em custo computacional e coerência narrativa.
O que mudou de verdade
O grande headline é a duração, mas o pacote vai além. O Kling 4.0 passa a aceitar até 10 keyframes — quadros-chave que funcionam como âncoras visuais para o modelo entender início, meio e fim da cena sem que o usuário precise descrever cada transição em texto. Para quem trabalha com motion design ou pré-visualização, isso reduz drasticamente o retrabalho de prompting.
A segunda novidade relevante são as 15 referências simultâneas. Na prática, o usuário pode enviar até 15 imagens de referência para que o modelo mantenha consistência de personagem, figurino ou produto ao longo de toda a sequência. É um pedido antigo da comunidade de creators: resolver o problema de "deriva de identidade" (quando o rosto ou objeto muda de um frame para o outro) continua sendo o calcanhar de aquiles da categoria, e mais referências é uma das formas mais diretas de atacar isso.
A saída também subiu de régua: 4K com HDR de 10 bits, o que coloca o Kling no mesmo patamar técnico de ferramentas profissionais de câmera quando o assunto é amplitude dinâmica e profundidade de cor.
Disponibilidade em duas etapas
A Kuaishou optou por um lançamento escalonado. A variante Flash do Kling 4.0 já está disponível para assinantes do plano Ultra anual, com foco em velocidade de inferência — ou seja, o tempo que o modelo leva para transformar o prompt em vídeo final. A versão completa do modelo, com maior fidelidade e mais opções de controle, chega em outubro.
A estratégia de separar Flash e Pro não é nova no setor. Sora, Veo e Runway já adotam tiers parecidos, em que a versão "rápida" serve para iteração criativa e a "completa" para entrega final. O ponto de atenção é que, sem números públicos de preço por geração ou tempo médio de fila, fica difícil comparar custo-benefício real com os concorrentes.
Por que importa para o ecossistema
Trinta segundos nativos mudam a matemática de produção. Até então, criar um clipe de meia minuto com IA exigia encadear vários clipes curtos via edição, o que introduzia cortes visíveis e quebra de ritmo. Com geração nativa, o modelo precisa manter coerência de cena, iluminação e movimento de câmera por metade de um minuto inteiro — algo que exige uma context window temporal muito maior e, provavelmente, uma arquitetura otimizada para longos horizontes de atenção.
Para o mercado brasileiro, onde produtoras pequenas e médias já usam Kling e Runway para prototipagem de comerciais e conteúdo para redes sociais, a possibilidade de gerar 30 segundos em uma única tomada reduz etapas de pós-produção e abre espaço para narrativas mais complexas — pense em vinhetas, abertura de vídeos no YouTube ou até cenas curtas para curtas-metragens experimentais.
O que ainda não sabemos
Alguns pontos ficam em aberto. A Kuaishou não detalhou se o limite de 30 segundos vale para todas as resoluções ou apenas para 1080p, nem divulgou benchmarks de latência da variante Flash. Também não há informação oficial sobre preços por segundo gerado ou limites diários para assinantes.
Outro ponto sensível: a política de uso comercial dos clipes, especialmente em relação a direitos de imagem das referências enviadas. Com 15 imagens de entrada, a questão de propriedade intelectualfica mais espinhosa do que em workflows comprompt puro.
Por ora, o mais sensato é testar a versão Flash com material próprio e aguardar a chegada do modelo completo em outubro para avaliar se a promessa de qualidade se sustenta fora de demos curadas.
Fontes consultadas
- CellCog Blog — https://cellcog.ai/blog/kling-4-0/