Kling Image 4.0: Kuaishous Bildmodell erzeugt native 8K-Bilder mit bis zu 2000 Zeichen Text
Der chinesische Videoplattform-Betreiber Kuaishou hat mit Kling Image 4.0 eine neue Generation seines Bildmodells veröffentlicht. Es soll erstmals Bilder direkt in 8K erzeugen, bis zu 2000 Schriftzeichen sauber ins Bild setzen und mit einer einzigen Beschreibung ganze Serien von bis zu zehn zusammenpassenden Bildern liefern.

Worum es geht
Kuaishou, der chinesische Konzern hinter der gleichnamigen Kurzvideo-App, hat am späten Abend des 17. November 2026 (chinesischer Zeit) ein neues Bildmodell vorgestellt: Kling Image 4.0. Das berichtet das chinesische Techportal ITHome. Kling ist Kuaishous KI-Marke, bekannt vor allem durch seine Videomodelle. Das neue Bildmodell gibt es ab sofort auf der Kling-Plattform. Zeitgleich können Unternehmen und Entwickler es über eine API einbinden, also über eine Programmierschnittstelle, mit der sich das Modell aus eigener Software heraus nutzen lässt.
Die Gewichte des Modells veröffentlicht Kuaishou nicht. Kling Image 4.0 läuft nur über die Dienste des Herstellers, nicht auf dem eigenen Rechner.
Kuaishou wirbt mit drei Neuerungen: realistischere Bilder in nativer 8K-Auflösung, deutlich mehr und besser lesbarer Text im Bild und zusammenhängende Bildserien und Langbilder aus nur einer Beschreibung.
Eine Architektur für Verstehen und Erzeugen
Technisch setzt Kuaishou auf eine Architektur, die es „Einheit von Verstehen und Generieren“ nennt. Viele Bildgeneratoren bestehen bisher aus zwei Teilen: Ein Sprachmodell liest die Eingabe, ein getrenntes Bildmodell malt das Bild. Bei Kling Image 4.0 sollen Bildverständnis und Bilderzeugung in einem gemeinsamen Modellsystem stecken. So soll das Modell besser erfassen, was der Nutzer eigentlich will, und das genauer umsetzen. Ähnliche Ansätze verfolgen auch andere Anbieter. Wie die Architektur im Detail aussieht und wie groß das Modell ist, verrät Kuaishou nicht.
Dazu passt, dass die Texteingabe sehr lang sein darf: bis zu 15.000 Tokens. Ein Token ist ein Wort oder Wortbestandteil, mit dem ein Sprachmodell rechnet. 15.000 Tokens reichen für ein ausführliches Briefing mit Angaben zu Layout, Texten, Farben und Bildinhalt auf mehreren Seiten.
Realismus und natives 8K
Die erste große Neuerung betrifft die Bildqualität. Nach Kuaishous Angaben bezieht das Modell physikalische Gesetzmäßigkeiten und Wissen über die menschliche Wahrnehmung schon bei der Erzeugung ein. Licht und Schatten, Haut und Materialoberflächen sollen dadurch so natürlich aussehen wie ein Foto direkt aus der Kamera.
Erstmals erzeugt das Modell außerdem Bilder nativ in 8K. Das Bild entsteht also gleich in dieser hohen Auflösung (rund 7680 × 4320 Pixel) und wird nicht erst klein erzeugt und dann künstlich vergrößert. Beim Hochskalieren erfindet ein Programm die fehlenden Details nachträglich, bei nativer Erzeugung sollen sie von Anfang an stimmen. Laut Kuaishou eignet sich das für hochauflösende Präsentationen und lässt in der Nachbearbeitung mehr Spielraum, etwa wenn man nur einen Ausschnitt verwenden will. Unabhängige Tests zur tatsächlichen Detailschärfe gibt es bisher nicht.
2000 Zeichen Text in einem Bild
Text war lange eine Schwäche von Bildgeneratoren: Buchstaben verschwammen, Wörter waren falsch geschrieben. Kling Image 4.0 soll in einem einzigen Bild bis zu 2000 Schriftzeichen darstellen können. Gemeint sind chinesische Schriftzeichen, in lateinischer Schrift entspricht das nicht genau 2000 Buchstaben. Das Modell soll komplexe Anweisungen zur Typografie genauer umsetzen, sodass auch kleine Schrift lesbar bleibt und verzierte Schrifteffekte gut aussehen. Damit zielt Kuaishou auf Plakate, Infografiken, Speisekarten oder Produktbilder mit viel Text.
Eingebaut sind über 70 kommerziell nutzbare Schriften. Zusätzlich kann man ein Referenzbild hochladen, an dem sich Form und Stil der Schrift orientieren sollen. Bei den Sprachen werden vereinfachtes und traditionelles Chinesisch, Englisch, Japanisch, Koreanisch, Spanisch und Portugiesisch genannt. Deutsch fehlt in der Liste. Ob Umlaute und deutsche Texte trotzdem zuverlässig dargestellt werden, ist offen.
Bildserien, Langbilder und Stilvorlagen
Die dritte Neuerung sind zusammenhängende Bildserien. Aus einer einzigen Beschreibung erzeugt das Modell bis zu 10 Bilder. Alle folgen denselben Vorgaben und haben einen einheitlichen Stil, jedes Bild setzt aber einen eigenen Schwerpunkt. Kuaishou spricht von „nativen agentischen Fähigkeiten“. Das Modell plant die Serie also selbst: Es versucht zu verstehen, was der Nutzer vorhat, und verteilt Inhalte und Schwerpunkte auf die einzelnen Bilder. Als Beispiele nennt der Hersteller Storyboards für eine Geschichte und Produktpräsentationen.
Außerdem kann Kling Image 4.0 Langbilder erzeugen. In China sind sehr lange, senkrecht scrollbare Grafiken für Produktdetailseiten in Onlineshops üblich. Auch ganze Webseiten-Entwürfe sollen sich als ein langes Bild gestalten lassen.
Für die Bildstimmung gibt es über 110 voreingestellte Looks, die Farbe, Kontrast und Licht bestimmen, ähnlich wie Filter in einer Foto-App. Wer eine bestimmte Stimmung möchte, kann ein eigenes Referenzbild hochladen. Das Modell übernimmt dann dessen Farben und Lichtführung.
Hintergrund: Die Kling-4.0-Familie
Das Bildmodell folgt einen Monat nach dem Videomodell Kling 4.0, das Kuaishou am 15. Oktober 2026 gestartet hat. Laut der Mitteilung des Konzerns erzeugt Kling 4.0 bis zu 30 Sekunden Video am Stück, in bis zu 4K und mit 10-Bit-HDR, also einem größeren Farb- und Helligkeitsumfang. Es verarbeitet bis zu 15 Referenzen (Bilder, Videos, Figuren) und bis zu 10 Schlüsselbilder. Das sind feste Bildmomente, die der Nutzer vorgibt und zwischen denen das Modell die Handlung erzeugt. Partner wie die App YouCam des Unternehmens Perfect Corp. haben die Video-API bereits eingebunden.
Ein Blogbeitrag auf note.com weist allerdings darauf hin, dass Kling 4.0 Mitte November noch auf keiner unabhängigen Rangliste für Videomodelle auftauchte. Zur Leistung gibt es also vor allem Herstellerangaben. Für das neue Bildmodell gilt das erst recht: Es ist gerade erst erschienen, Benchmarks oder unabhängige Vergleiche liegen noch nicht vor. Auch Preise für die API nennt ITHome nicht.
Einordnung
Mit Kling Image 4.0 baut Kuaishou seine KI-Marke von einem reinen Videoanbieter zu einer Plattform für Video und Bild aus. Die Funktionen zielen klar auf berufliche Anwender: Online-Händler, Werbeagenturen und Designer, die viele einheitliche Bilder mit Text brauchen. Native 8K, sehr viel Text im Bild und Bildserien aus einer Beschreibung wären dort echte Arbeitserleichterungen, wenn sie zuverlässig funktionieren.
Die Konkurrenz ist groß. Googles Bildmodelle, OpenAIs Bildgenerierung und chinesische Anbieter wie ByteDance mit Seedream werben ebenfalls mit guter Textdarstellung und einheitlichen Figuren über mehrere Bilder hinweg. Ob Kling hier wirklich vorne liegt, lässt sich erst nach unabhängigen Tests sagen. Alle genannten Werte, von 8K über 2000 Zeichen bis zum „Foto-Realismus“, sind bisher Herstellerangaben.
Für deutschsprachige Nutzer ist ein Punkt wichtig: Deutsch gehört nicht zu den offiziell unterstützten Sprachen für Text im Bild. Wer deutsche Plakate oder Produktbilder gestalten will, sollte das erst selbst testen. Lokal ausprobieren lässt sich das Modell nicht, weil Kuaishou die Gewichte nicht freigibt.
Quellen
- ITHome (CN) ithome.com
- note.com note.com
- finance.yahoo.com finance.yahoo.com
- markets.ft.com markets.ft.com
Frag den KI-Assistenten
Fragen zu diesem Artikel, zur Installation oder zu Hintergründen? Unser Assistent kennt diese Seite und läuft auf unserem eigenen Rechner, nicht in einer fremden Cloud.
Der Assistent ist eine KI (Gemma 4) und kann sich irren – wichtige Angaben bitte in der Quelle prüfen. Fragen werden nur zum Beantworten genutzt und nach einer Stunde gelöscht. Bitte keine persönlichen Daten eingeben.
Kommentare
Was meinst du dazu? Schon ausprobiert? Schreib es hier, ohne Anmeldung.
Kommentare sind öffentlich. Links sind nicht erlaubt, beleidigende Beiträge löschen wir. Deinen eigenen Kommentar kannst du in diesem Browser jederzeit wieder löschen. Mehr dazu in der Datenschutzerklärung.