Ein einziger kurzer Auftrag kann jetzt eine zusammenhängende Bildserie erzeugen
Kuaishou hat Kling Image 4.0 mit nativer 8K-Bildgenerierung, Unterstützung für bis zu 2.000 Zeichen in einem Bild und einem Modus vorgestellt, der aus einer einzigen Eingabeaufforderung bis zu 10 zusammengehörige Bilder erstellt. Die Veröffentlichung ist über Kling Creative Studio und eine Programmierschnittstelle (API) verfügbar und richtet sich an Werbung, Storyboards, Produktpräsentationen und Online-Shoppingseiten.
Inhalt
- Ein einziger kurzer Auftrag kann jetzt eine zusammenhängende Bildserie erzeugen
- Was wurde wann vorgestellt?
- Was bietet natives 8K?
- Textkapazität trifft auf anspruchsvollen Postertest
- Wie funktioniert eine Serie aus 10 Bildern?
- Lange Produktseiten lassen sich in bearbeitbare Ebenen aufteilen
- Referenzen steuern Motive, Beleuchtung und Farben
- Eine Architektur übernimmt Verständnis und Generierung
- Fazit
Das Modell wurde am Dienstagabend, dem 17. November 2026, vorgestellt. Kling AI veröffentlichte am 18. November seinen Benutzerleitfaden zu Image 4.0. Darin werden native Ausgaben in 2K, 4K und 8K, bis zu 10 Referenzbilder pro Eingabe sowie Werkzeuge zum Aufteilen langer Bilder in bearbeitbare Ebenen aufgeführt.
Kling AI vermarktet nicht nur einen Bildgenerator, sondern einen Arbeitsablauf: ein Projekt beschreiben, visuelle Referenzen bereitstellen, eine zusammenhängende Serie erzeugen und anschließend einzelne Elemente überarbeiten. Die beworbenen Funktionen vereinen mehrere Aufgaben auf einer Plattform, darunter die Simulation von Fotografie, Textlayout, Bildbearbeitung und die Planung einer Szenenabfolge.
Frühe veröffentlichte Tests zeigen, weshalb diese Funktionen nützlich sein könnten, weisen aber auch auf praktische Schwächen hin. Ein Poster mit etwa 400 chinesischen Schriftzeichen enthielt Textfehler, und einige bearbeitete Bilder wiesen grobe Details oder Änderungen auf, die über den angefragten Umfang hinausgingen. Mit der Vorstellung rücken daher sowohl die Produktionskapazität als auch der erforderliche Korrekturaufwand in den Fokus.
Was wurde wann vorgestellt?
Kling Image 4.0 ist ein Modell für Standbilder und vom Videomodell Kling 4.0 getrennt. Die unmittelbaren Ergebnisse sind Bilder, darunter zusammengehörige Szenen, die Kreative zur Planung einer Geschichte oder zur Vorbereitung von Material für eine spätere Videoproduktion nutzen können.
Die Veröffentlichung erfolgte an zwei Tagen:
- 17. November 2026: Kuaishou stellte Kling Image 4.0 am Dienstagabend vor. Der Zugang ist über die Kreativplattform des Unternehmens und eine API möglich.
- 18. November 2026: Kling AI datierte seinen Benutzerleitfaden; veröffentlichte Tests untersuchten Fotografie, Bearbeitung, kommerzielle Layouts und Bildserien.
Über die API können Entwickler und Unternehmenskunden das Modell mit ihrer eigenen Software verbinden. Angaben zu Preisen, Generierungszeiten und möglichen Unterschieden beim Zugang je nach Abonnementstufe wurden bei der Vorstellung nicht gemacht.
Was bietet natives 8K?
Kling AI nennt drei native Ausgabeauflösungen: 2K, 4K und 8K. Bei einer nativen Generierung erstellt das Modell ein Bild direkt in der ausgewählten Auflösung, statt sich ausschließlich auf einen späteren Schritt zu stützen, der ein kleineres Bild vergrößert. Nach Angaben des Unternehmens bietet 8K mehr Spielraum für große Displays und Bildausschnitte.
Bei einem Bildausschnitt wird ein Teil des Bildes entfernt, um ein Gesicht, ein Produkt oder ein anderes Detail in den Mittelpunkt zu rücken. Eine höhere Pixelzahl am Anfang kann dafür sorgen, dass nach dem Zuschneiden mehr Bildinformationen erhalten bleiben. Kling AI zufolge verbessert das Modell außerdem Lichtübergänge, Hauttextur sowie Details von Stoffen und anderen Materialien.
Veröffentlichte Porträttests beschrieben die Lichtverhältnisse zwischen Personen und ihrer Umgebung als recht natürlich. Vergrößerte Bildbereiche bewahrten sichtbare Haar- und Kleidungstexturen, auch wenn die Darstellungen der Personen und der Umgebung nicht völlig realistisch waren. Bei Landschaftsaufgaben ging es um Morgennebel in einem Tal, Sonnenaufgang über verschneiten Bergen und Sonnenuntergang in einer Wüste; die Szenen zeigten jeweils unterschiedliche Licht- und Tiefenwirkungen.
Der Leitfaden führt außerdem Formate für unterschiedliche Einsatzbereiche auf, darunter quadratische Bilder im Format 1:1, Hochformatbilder im Format 3:4, Breitbild im Format 16:9 und breitere Kompositionen im Format 21:9. So können Kreative ein Bild vor der Generierung an ein Produktangebot, eine Präsentation oder einen Kinobildausschnitt anpassen.
Textkapazität trifft auf anspruchsvollen Postertest
Kling AI zufolge kann Image 4.0 bis zu 2.000 Zeichen in einem Bild platzieren und Eingaben mit bis zu 15.000 Tokens verarbeiten. Ein Token ist eine Einheit, mit der das Modell Informationen verarbeitet; dabei kann es sich um ein ganzes Wort oder einen Wortteil handeln. Die Eingabegrenze bezieht sich auf den Auftrag, die Zeichengrenze auf den Text, der im fertigen Bild erscheint.
Bei einer komplizierten Anzeige ist dieser Unterschied wichtig. Kreative können einen ausführlichen Auftrag verwenden, um Produkt, Hintergrund, Beleuchtung, Wortlaut und Layout festzulegen, während im Bild selbst nur eine kurze Überschrift erscheinen soll.
Im offiziellen Leitfaden werden sechs Sprachen genannt: Chinesisch, Englisch, Japanisch, Koreanisch, Spanisch und Portugiesisch. Berichte zur Vorstellung sprechen von sieben unterstützten Sprachen, während in der ausführlicheren Einführung zusätzlich vereinfachte und traditionelle chinesische Schriftzeichen genannt werden. Wer Inhalte für mehrere Märkte erstellt, muss die passende Sprache und das entsprechende Schriftsystem auswählen.
Kling AI führt außerdem mehr als 70 kommerziell lizenzierte Schriftarten auf und unterstützt das Hochladen eines Bildes als typografische Vorlage. Laut der offiziellen Einführung können Nutzer Text und Schriftstile in generierten Bildern bearbeiten.
Bei einem veröffentlichten Test für kommerzielles Design sollte ein Poster für ein Technologiemagazin mit etwa 400 chinesischen Schriftzeichen, einer großen Überschrift, einer Büroillustration und einer Farbpalette in Creme, Blau und Orange erstellt werden. Das Ergebnis gliederte Überschrift, Fließtext und Illustration in gut lesbare Bereiche, enthielt jedoch Textfehler und zeigte im dichten Layout vergleichsweise wenig gestalterische Raffinesse.
Nachfolgende Versuche, Schriftarten zu ändern und ausgewählte Formulierungen zu ersetzen, wurden als präzise beschrieben. Für Designer macht diese Kombination die Überarbeitung zu einem zentralen Teil des Arbeitsablaufs: Das System kann eine Seite zusammenstellen und anschließend gezielte Korrekturen übernehmen, der fertige Text muss jedoch weiterhin geprüft werden.
Wie funktioniert eine Serie aus 10 Bildern?
Kling Image 4.0 bietet den Standardmodus und den Serienmodus. Im Standardmodus wird aus einer Eingabeaufforderung ein oder werden mehrere Bilder erzeugt. Der Serienmodus ist darauf ausgelegt, zusammengehörige Bilder gemeinsam zu erstellen – bis zu 10 Bilder pro Generierung.
Kling AI zufolge legt die Planungsfunktion fest, was jedes Bild zeigen soll, und sorgt zugleich für einheitliche Motive und eine konsistente visuelle Ausrichtung. Bei einem Storyboard bedeutet das, eine Geschichte auf unterschiedliche Einstellungen zu verteilen, statt wiederholt Variationen derselben Szene zu generieren.
Bei einem veröffentlichten Test ging es um eine spannungsgeladene Geschichte über eine junge Frau, die spät in der Nacht an einer U-Bahn-Station wartet. Sie findet ein rotes Ticket und sieht bei der Ankunft des letzten Zuges eine Version ihrer selbst aus der Zukunft, zehn Jahre später. Die generierte Bildfolge wechselte zwischen Totalen, näheren Einstellungen und Gesichtsdetails, während Aussehen und Kleidung der Hauptfigur weitgehend gleich blieben.
Eine andere Bildfolge zeigte einen Büroprogrammierer, der sich eine Reise an einen Strand, in die Berge, in eine Wüste und ins Weltall ausmalte, bevor ihn eine Arbeitsnachricht aus seinen Träumen riss. Die Geschichte entwickelte sich über die Bilder hinweg, auch wenn einige Einstellungen künstlich und plastikartig wirkten.
Bei einer dritten Aufgabe sollten 10 Ansichten desselben Tals in Xinjiang vom Morgen bis zum Sonnenuntergang erstellt werden. Unterschiedliche Blickwinkel und wechselnde Lichtverhältnisse sorgten für einen einheitlichen Dokumentarstil. Zusammengenommen zeigen die Beispiele, welche Formen der Kontinuität die Funktion zu bewältigen versucht: eine Person in verschiedenen Szenen, eine Erzählung an unterschiedlichen Orten und eine Landschaft im Verlauf eines Tages.
Lange Produktseiten lassen sich in bearbeitbare Ebenen aufteilen
Kling AI unterstützt auch lange Bilder für Detailseiten von Online-Shops und Website-Designs. Diese fassen Produktbilder, erklärende Texte und separate visuelle Abschnitte in einem einzigen langen Layout zusammen.
Bei einem veröffentlichten Test wurde ein Laptopfoto bereitgestellt und eine vollständige Produktseite angefordert, mit einem Hauptproduktbild, Verkaufsargumenten, Details zum Erscheinungsbild, Anwendungsszenen und technischen Daten. Die generierte Seite ordnete diese Bestandteile in klar getrennten Abschnitten mit einem weitgehend einheitlichen Stil an.
Der offizielle Leitfaden nennt zudem eine praktische Bearbeitungsfunktion: Lange Bilder können in Ebenen aufgeteilt werden, sodass einzelne Elemente bearbeitet und neu generiert werden können. Eine Ebene ist ein separater Teil einer Komposition, der geändert werden kann, ohne alle anderen Teile neu aufzubauen. Bei einer Produktseite könnte das die Überarbeitung eines visuellen Abschnitts nach der ersten Generierung erleichtern.
Bei Tests für Produktwerbung wurden außerdem Fotos von Turnschuhen, einer Uhr und einem Laptop verwendet. Die daraus entstandenen Poster variierten Farben, Komposition und Typografie passend zu den Produkten. Das ist eine spezifischere kommerzielle Aufgabe als die Erstellung eines ansprechenden Einzelbilds: Der Generator muss Informationen um ein bereits vorhandenes Objekt herum organisieren.
Referenzen steuern Motive, Beleuchtung und Farben
Kling Image 4.0 akzeptiert bis zu 10 Referenzbilder pro Eingabe. Sie können Material für eine Bearbeitung liefern oder Entscheidungen zu Typografie, Farbe und Beleuchtung beeinflussen. Das Unternehmen nennt außerdem mehr als 110 voreingestellte Farblooks, die den Farbeindruck und die Stimmung eines Bildes verändern.
Zu den Bearbeitungstests gehörte ein Hochzeitsfoto mit Braut, Bräutigam und fünf Verwandten oder Freunden. Aufträge änderten den künstlerischen Stil und die Beleuchtung, während die Hauptkomposition und die Beziehungen zwischen den Personen erhalten blieben.
Bei einer weiteren Aufgabe wurde der Protagonist von Phantom Blade Zero verändert: Seine Kleidung wurde durch ein gelb-schwarzes Kung-Fu-Outfit ersetzt, wie es mit Bruce Lee verbunden wird, und seine Waffen wurden zu Nunchakus. Die Bearbeitung erfüllte den zentralen Wunsch, doch einige Details waren grob und manche Änderungen gingen weiter als beabsichtigt.
Auch eine einfache Hochzeitsskizze diente als Vorlage für eine fotografische Szene. Das Modell interpretierte die Hauptpersonen und ihre Positionen und fügte anschließend Stühle, Blumen und Gäste hinzu. Diese Beispiele veranschaulichen zwei verschiedene Arten, Referenzmaterial zu nutzen: bereits vorhandene Details in einem Foto zu bewahren und anhand eines groben visuellen Plans eine umfangreichere Szene aufzubauen.
Eine Architektur übernimmt Verständnis und Generierung
Kling AI beschreibt Image 4.0 als Verbindung von visuellem Verständnis und Bildgenerierung in einem autoregressiven Framework. Vereinfacht gesagt verwendet das System einen gemeinsamen Prozess, um Anweisungen und visuelles Material zu interpretieren und anschließend Schritt für Schritt das gewünschte Ergebnis zu erstellen.
Die technische Beschreibung stellt einen einzelnen Transformer in den Mittelpunkt, eine Art neuronales Netzwerk, das Beziehungen innerhalb von Informationen verarbeitet. Beschrieben wird auch die strukturierte Verarbeitung von Motiven, räumlichen Anordnungen, Kameraperspektiven und Beleuchtung. Diese Elemente muss ein detaillierter Auftrag aufeinander abstimmen, wenn er mehrere Figuren, bestimmte Positionen und einen einheitlichen visuellen Stil vorgibt.
Das Unternehmen bezeichnet die Planungskomponente als agentisch. Gemeint ist damit, eine komplexe Anfrage in kleinere Aufgaben zu gliedern und die zu ihrer Erledigung nötigen Schritte zu koordinieren. Die Generierung einer Serie ist ein direktes Beispiel: Das Modell muss entscheiden, wie eine Geschichte auf mehrere Bilder verteilt wird, und dabei gemeinsame Details von einem Bild zum nächsten übernehmen.
Für Kreative kommt es in der Praxis darauf an, wie viel Arbeit nach der Generierung noch bleibt. Die veröffentlichten Tests zeigten eine nützliche Szenenplanung, Layoutgestaltung und gezielte Bearbeitung, zugleich aber auch Textfehler und uneinheitliche visuelle Details. Bei einer Kampagne mit exakt formulierten Produktangaben oder einem Storyboard mit präzisen Kontinuitätsanforderungen sind weiterhin Prüfung und Überarbeitung nötig.
Fazit
- Kuaishou stellte Kling Image 4.0 am 17. November 2026 über Kling Creative Studio und eine API vor.
- Der offizielle Leitfaden nennt native Ausgaben in 2K, 4K und 8K sowie bis zu 10 Referenzbilder pro Eingabe.
- Der Serienmodus kann aus einer Eingabeaufforderung bis zu 10 zusammengehörige Bilder generieren.
- Kling AI wirbt mit bis zu 2.000 Zeichen pro Bild, Eingaben mit bis zu 15.000 Tokens und mehr als 70 kommerziell lizenzierten Schriftarten.
- Die Generierung langer Bilder und die Bearbeitung von Ebenen richten sich an Produktseiten und andere komplexe Layouts.
- Veröffentlichte Tests zeigten nützliche Bearbeitungs- und Kontinuitätsfunktionen, aber auch Textfehler, grobe Details und einige unbeabsichtigte Änderungen.






