Kling 4.0 ya está disponible: vídeos de 30 segundos y mayor control creativo
Kuaishou ha lanzado globalmente Kling 4.0, la nueva generación de su modelo de vídeo con inteligencia artificial. La actualización promete escenas más largas, movimientos complejos más estables y un control mucho mayor sobre personajes, productos, cámara y ritmo narrativo mediante imágenes, vídeos, voces y fotogramas clave.
El modelo se estrenó el 15 de octubre, después de varias semanas de adelantos y acceso limitado a Kling 4.0 Flash. Su principal salto es la generación nativa de vídeos de hasta 30 segundos en una sola pasada. Puede parecer una cifra modesta, pero en vídeo generativo mantener durante medio minuto la identidad, la iluminación y la continuidad física sigue siendo un reto considerable.

Vídeos de 30 segundos sin unir varios clips
Hasta ahora, crear una escena larga solía exigir generar varios fragmentos y montarlos después. En cada corte podía cambiar el rostro del personaje, la ropa, el fondo o la dirección de la luz. Kling 4.0 duplica el límite de 15 segundos de la generación anterior y permite desarrollar una pequeña acción completa: presentación, movimiento y desenlace dentro de la misma toma.
Según el anuncio oficial de Kuaishou, el modelo mejora los movimientos rápidos, las acciones continuas y recorridos de cámara como acercamientos, panorámicas, seguimientos y órbitas. También acepta instrucciones de hasta 8.000 tokens y puede ampliar un prompt con una lógica más cercana a la planificación de un director.
La promesa es ambiciosa: no basta con que un fotograma aislado resulte espectacular. Un modelo destinado a producción debe sostener anatomía, velocidad, espacio y cámara durante toda la secuencia. Por ahora, las afirmaciones sobre estabilidad proceden principalmente del fabricante; será necesario comprobar la tasa de intentos fallidos y la consistencia en trabajos reales.
Omni Reference combina hasta 15 referencias
La segunda gran novedad es Omni Reference. Una generación puede combinar hasta 15 recursos, con máximos parciales de 10 imágenes, cinco vídeos y siete sujetos, siempre dentro de ese total conjunto. Las fotografías pueden fijar la apariencia de un personaje o producto; los vídeos sirven para indicar interpretación, movimiento de cámara o ritmo; y las referencias de voz ayudan a mantener la identidad sonora.
Kling admite materiales muy distintos: hojas de personaje con varias vistas, storyboards, bocetos, modelos tridimensionales simplificados y mapas de profundidad. Además, puede tomar la estructura narrativa y la composición de un vídeo de referencia para recrearlas con otros personajes, objetos o productos. Esta función apunta directamente a publicidad, moda y contenido para redes sociales.

Diez fotogramas clave para dirigir la historia
Los creadores pueden aportar hasta 10 fotogramas clave y decidir cómo debe verse la escena en momentos concretos. En lugar de definir únicamente el inicio y el final, es posible marcar un cambio de pose, la entrada de un personaje, una transición de escenario o la aparición final de un producto. El modelo genera el movimiento intermedio intentando respetar esos puntos.
Esta capacidad puede ser más importante que el aumento de resolución. Para una campaña, conservar una botella, un automóvil o una prenda durante toda la toma vale más que producir un vídeo muy nítido en el que el producto cambia de forma. La cobertura en español de IA University destaca precisamente el potencial para anuncios completos con producto, texto y voz dentro de una misma secuencia.
HDR, 4K y extensiones de dos minutos
Kuaishou también ha anunciado salida HDR de 10 bits, resoluciones 1080p y 4K y formato ultrapanorámico 21:9. El HDR debería conservar mejor las luces y sombras en escenas nocturnas, contraluces o ambientes con neón y dejar más margen para el etalonaje. Sin embargo, parte de estas opciones avanzadas continúa desplegándose y no debe darse por hecho que todas estén disponibles en cada cuenta.
La extensión de vídeo permitirá próximamente encadenar ampliaciones hasta alcanzar unos dos minutos. También está pendiente el acceso general mediante API para empresas y desarrolladores. Kling 4.0 ya se ha integrado con Kling MCP y su herramienta de línea de comandos, de modo que agentes de IA pueden solicitar generaciones con referencias y fotogramas clave.
Para aprovechar el nuevo flujo, lo lógico es separar las referencias por función: imágenes para fijar apariencia, un clip para describir el movimiento, una muestra de voz para el sonido y fotogramas clave para los momentos decisivos. Después conviene escribir el prompt por bloques temporales, indicando qué ocurre al inicio, durante el desarrollo y al final. Cuanto más largo sea el vídeo, más importante será evitar instrucciones contradictorias.
La versión Flash continúa siendo la opción rápida para probar conceptos antes de gastar más créditos en una generación definitiva. Ese método de boceto y render final puede reducir costes, especialmente cuando una pieza de 30 segundos necesita varios intentos.
Qué puede cambiar para los creadores
Para cineastas y animadores, el atractivo está en diseñar planos clave o previsualizaciones con una dirección más precisa. Para marcas y agencias, la combinación de referencias permite mantener el producto y adaptar una misma idea a distintas campañas. Los creadores de contenido pueden producir escenas verticales más largas sin ocultar cambios de identidad mediante cortes constantes.
Aun así, más duración también significa más oportunidades para que algo falle. Un error en el segundo 27 puede obligar a repetir una generación costosa, y diez fotogramas clave no garantizan que todas las transiciones resulten naturales. Tampoco conocemos todavía suficientes comparaciones independientes frente a Omni Flash, Seedance o MiniMax H3.
Kling afirma haber superado los 100 millones de usuarios y los 50.000 clientes empresariales. Con esa base, la versión 4.0 no es solo una demostración técnica: es un intento de convertir el vídeo generativo en una herramienta de producción más predecible. El verdadero avance no será crear el clip más llamativo, sino repetir resultados utilizables con el control que exige un trabajo profesional.
