可灵4.0实测：AI手搓探展视频

10月30日深夜，快手在港交所发布公告：旗下视频生成业务可灵完成增资交割，198.02亿元增资款全部到账，约合29.05亿美元，可灵投后估值约179亿美元，折合人民币超过1200亿元，高于快手当日约968亿元的港股收盘市值。“一个可灵，比整个快手还贵”，尤其考虑到，2026年上半年，可灵收入占快手总收入的比例仅为2.17%。资本市场买的显然不是可灵当下的收入，而是它在AI视频赛道里的未来。

最近，我们用可灵4.0制作一条探展视频，真人出镜环节全部交给AI，采用展会实拍素材与AI人物结合的方式，拆分生成7组画面，再通过音画同出、视频修改和时间线等功能完成后续制作。测试前，我们准备了约3000字提示词，尽可能明确主体关系、镜头运动、构图和声音要求，减少指令歧义。实测结果喜忧参半，个别镜头的人物融合、运镜和构图已经相当自然，几乎看不出明显违和；但另一些片段里，AI会把手上的机器人换成台下的主播，把一镜到底变成几次硬切，甚至在修改视频后，将原本正常的声音变成一串难以辨认的乱码。

AI已经能生成不少惊艳镜头，为什么成片仍要反复试错？可灵4.0距离“一站成片”，还差哪些关键能力？在180亿美元估值与行业资源重组之下，稳定交付能否成为AI视频的商业分水岭？

在国内互联网公司的大模型竞争中，快手选择了一条相对聚焦的路线：没有将主要筹码押在通用聊天机器人上，而是持续投入视频生成。这与快手原有的业务生态密切相关。广告、电商、短剧、影视和创作者内容，都有大量视频生产需求，模型能力也有机会通过会员订阅、企业服务和API调用转化为收入。

这门生意离钱更近，也更烧钱。视频生成的付费场景相对直接，但训练、推理、算力和人才，每一项都价格不菲。可灵由此从快手内部的技术项目，逐渐走向公司的战略中心。

这种权重变化，清晰地写在组织与资本动作里。2025年4月，快手设立可灵AI事业部，负责人直接向程一笑汇报，7月可灵推进独立分拆融资安排，融资规模近30亿美元，投后估值约180亿美元，腾讯、阿里云、百度以及多家地方产业投资基金和文娱产业方进入股东名单。9月30日，原社区科学线负责人于越转任可灵AI公司董事兼CEO，负责经营管理。10月30日，这轮独立融资正式完成交割，实际到账增资款约198.02亿元，折合约29.05亿美元。

从一级事业部到独立融资，再到专设CEO，可灵正在获得一家独立公司的资源配置，也开始面对一家独立公司的经营考题。

商业化数据是它眼下最有分量的筹码。根据快手披露的数据，2026年第一季度，可灵AI收入超过6.5亿元，同比增长超过300%；第二季度收入超过8.5亿元，同比增长超过200%，上半年合计超过15亿元。

但收入增长，并不等于商业模式已经高枕无忧。随着业务独立性增强，它还需要回答几个更现实的问题，诸如收入增长能否延续，算力成本如何消化，企业客户是否愿意持续续费，以及产品能否建立足够稳固的竞争壁垒等等。

关于可灵筹备赴港IPO的消息已见诸报端，不过相关安排仍处于早期阶段，上市时间和规模均存在调整空间。资本给了可灵更大的空间，也抬高了它的及格线。接下来，市场追问的不只是模型还能生成什么，更是技术高光能否变成持续回报。

可灵4.0正是在这样的背景下到来，也是可灵尝试向专业创作流程再迈进一步的产品节点。

根据快手官方信息，可灵4.0升级重点围绕真实、可控和专业展开：单次原生生成时长最长可达30秒；图片、视频、主体与音色等参考素材可以灵活组合，最多支持15项参考素材和10张关键帧；提示词长度上限也进一步提高。官方希望通过这些升级，更好地处理高动态场景、复杂运镜和连续叙事。

这些能力变化对应着AI视频行业评价标准的转变。早期模型首先要证明自己能否把文字描述转换成一段画面：人物动作是否自然，画面是否逼真，光影是否接近真实摄影。随着生成质量提升，创作者开始提出更复杂的要求：人物跨镜头要保持一致，镜头要按指定的景别、构图和节奏移动，多个片段之间还要维持基本的空间关系和叙事连贯性。

模型需要处理的除了“画面里有什么”，还包括素材各自承担什么作用、哪些元素可以改变、哪些信息必须保留，以及创作者希望镜头如何展开，可灵4.0对参考素材、运镜和生成时长的升级，正是在回应这些需求。

与模型能力同步演进的还有产品形态。可灵逐步将生成、编辑、画布和时间线等能力整合到同一工作空间，希望减少用户在不同工具之间切换的成本。字节跳动Seed团队此前推出的Seedance系列，也把长叙事、多模态参考和视频编辑作为产品迭代的重要方向。

各家实现方式不尽相同，但竞争目标逐渐清晰：创作者期待的已不只是一个能生成片段的按钮，还包括一套能协助完成作品的工具。

如果说AI视频的上半场拼的是生成能力，下半场考验的则是对创作意图的执行能力。但更长的生成时长、更多的参考素材和更丰富的编辑能力，是否就意味着创作者能更准确地控制最终结果？

奇点用一条探展视频进行了一番实测，展会现场是实拍素材，AI人物需要进入既有环境，完成不同的镜头运动；多个片段之间还要维持人物和场景关系，并与口播、声音及后期处理衔接起来。

我们想看看，一条没有真人出镜的探展视频，从素材整理、镜头生成到配音配乐，究竟能被AI包揽多少？

可灵4.0一手实测，好镜头与好成片之间，差几次“重来”

这次测试全程使用可灵4.0，视频采用实拍素材与AI人物结合的方式，拆分为7组画面，并在画布中完成生成、修改和素材整理。为了尽可能减少指令歧义，我们借助AI助手和团队剪辑同事整理了约3000字提示词，明确主体关系、构图、景别、运镜和声音要求。

换句话说，这不是一次完全放任模型的随机测试，而是一场有专业辅助、有明确交付目标的实战。

可灵4.0的上限，确实足够惊喜。表现最好的几段素材，能够准确完成提示词要求的镜头推移，构图、景别和切换节奏也基本符合预期。更难得的是，AI人物与实拍环境的融合相当自然，人物没有明显“贴”在背景上的感觉，与环境互动时也不显得突兀。

这类画面已经接近可以直接交付的状态。它说明可灵4.0并不只是能生成几段适合展示的样片，在条件合适时，确实能够产出具有专业使用价值的内容。

声音也是本次测试中相对亮眼的部分，大部分环境声和口播可以直接使用，整体可用率高于画面，音画同出减少了逐段配音的步骤，对于需要快速完成短片的创作者，具有明确的效率价值。

但高光表现并不能稳定复现。原因一是模型对主体与场景关系的处理仍会出现偏差。在一次生成中，原本应该站在台下的主播，直接替换掉了台上的机器人；另一段素材里，AI又用角色人物换掉了背景视频中的主持人。即使补充“围观”等关系描述，结果也没有明显改正。还有片段出现人物与场景比例失衡，让正常探展突然有了“误闯小人国”的观感。

这些bug的核心不是画质，而是模型是否真正理解画面中“谁是谁、谁在哪里、谁与谁互动”。

其次，长镜头与连续叙事。我们专门设计了一组一镜到底的指令，但几次尝试后，得到的仍是不同场景之间的硬切，人物虽然一直在走，镜头却没有形成连续运动，周围环境也被大幅修改，提示词中对素材使用的限制没有被稳定执行。

时长增加，并不自然等于叙事能力升级，模型可以生成更长的内容，却未必能持续维持空间、人物和镜头关系。

最后，修改与声音的一致性。部分片段经过视频修改后，不仅没有按指令修正，还擅自添加字幕；原本正常的声音，也可能在后续生成中变成乱码，提前为人物主体配置的声音，没有被稳定引用，不同片段中的同一个人物，声线也会出现差别。

画布和时间线确实改善了素材管理，但BGM、转场、音效与修改流程，仍未形成足够顺畅的成片闭环，任何一处出现问题，都要“推到重来”。

这也是本次实测最直接的感受，可灵4.0已经抬高了好镜头生成的上限，但稳定交付一条符合要求的视频，仍然需要创作者在关键环节兜底。

这期间产生的成本很容易被单次生成的价格掩盖，提示词调试、反复生成、筛选素材、失败修改、等待时间，以及人工检查和修补，共同构成了视频真正的生产成本。

对个人创作者而言，它们消耗的是时间和精力；对广告、短剧和影视团队来说，它们还会影响工期、预算和交付验收。

可灵分拆，小云雀并入即梦，AI视频下半场换了打法

从实测效果来看，可灵4.0已经能在部分场景生成具有专业使用价值的画面，但稳定执行复杂要求、在修改中保留有效内容、顺畅完成整条生产流程，仍有提升空间。

这些问题也关系到AI视频行业下一阶段的竞争焦点。可灵、Seedance、Vidu、海螺和通义万相等产品，正在围绕画面质量、人物一致性、连续叙事、生成成本和垂直场景持续迭代。

单次版本升级可以带来阶段性的能力变化，随着基础生成能力不断提升，单看某个样片是否惊艳，越来越难以完整衡量一款产品的实际价值。

可灵的商业化进展已有较明确的公开数据，收入增长也让它成为视频生成领域值得持续观察的玩家。

不过，收入规模、用户增长、盈利能力和长期竞争力是不同维度，没有同口径的竞品数据，也很难据此断言它在商业化上已经全面领先。

竞争同样发生在应用生态上。字节拥有Seedance、即梦、剪映、抖音和火山引擎等不同环节的产品与服务；快手也有内容平台和快影。

可灵在获得更独立的融资与经营空间后，既需要继续与母公司协同，也需要面向外部开发者和企业客户建立自己的产品生态。

最近有报道称字节旗下AI短剧创作平台小云雀