Tarifs API Kling Image 4.0, images de référence et séries

Guide complet des tarifs API Kling Image 4.0 : prix par image en 2K et 4K, coût des références dès la première photo, limites single/series et code Python.

Lire en Markdown

Si vous cherchez aujourd’hui les tarifs de l’API Kling 4.0, la plupart des résultats citent les prix vidéo à la seconde ($0.157/s en 720p ou $0.235/s en 1080p) et passent complètement à côté du modèle d’image fixe. Kling Image 4.0 est un modèle API distinct (kling-image-4-0), lancé le 17 novembre 2026, facturé par image générée plus un faible tarif forfaitaire pour chaque photo de référence en entrée. Il se distingue également de Kling Image 4.0 Long Image, conçu pour les longues fiches e-commerce et les maquettes de pages web.

Contrairement aux générateurs d’images facturés aux tokens comme GPT Image 2.6, où le coût dépend d’une grille de format et de multiplicateurs de qualité, kling-image-4-0 repose sur une formule additive prévisible. Vous connaissez le coût exact en dollars de chaque requête avant d’appeler POST /v1/images/generations, dès lors que vous connaissez la résolution, le nombre de sorties et le nombre de références.

Ce guide documente la formule de facturation vérifiée, les tarifs TokLab en direct, les différences entre les modes single et series, les règles de validation renforcées pour les ensembles de 5 à 10 images et un script Python complet.

Formule de facturation exacte et tarifs en direct

Chaque tâche kling-image-4-0 aboutie sur TokLab suit une seule formule :

total_cost = (output_count × resolution_rate) + (reference_image_count × reference_rate)

Trois règles de facturation évitent les mauvaises surprises en production :

  1. Les images de référence sont facturées dès la première photo. Il n’existe pas d’emplacement de référence gratuit inclus. Envoyer un refer_image ajoute un frais de référence ; en envoyer dix en ajoute dix.
  2. Les images de référence sont facturées une fois par requête, pas par sortie. Si vous fournissez 2 photos de référence et demandez une série de 6 images en 4K, vous payez 6 sorties plus 2 références — jamais 12 références.
  3. Les tâches en échec coûtent $0. Les requêtes rejetées à la validation (HTTP 400) ou terminées avec le statut failed ne débitent pas votre solde.

Voici les tarifs passerelle TokLab en direct pour Kling Image 4.0, récupérés directement depuis la table tarifaire active :

Combien coûte Kling Image 4.0

CatégorieTarifs (USD)
Image de sortie 2K$0.0571432
Image de sortie 4K$0.0857144
Image de référence$0.0028568
Série Night Garden · 2K · trois images · sans référence$0.1714296

Aux tarifs vérifiés sur https://api.toklab.ai/v1/pricing le 20 novembre 2026, la sortie 2K coûte $0.0571432 par image, la sortie 4K coûte $0.0857144 par image (exactement 1,5x le tarif 2K) et chaque image de référence en entrée ajoute $0.0028568 (environ 5 % d’une seule image 2K). Notez que même si le Creative Studio web de Kling AI annonce des images 8K natives, le point de terminaison API TokLab actuel n’expose que 2k (par défaut) et 4k ; passer 8k renvoie une erreur de validation.

Exemples de budget : de 1 visuel à une série de 10 plans

Comme le supplément de référence est minime par rapport au tarif de sortie, regrouper des variantes ou des plans reliés dans une seule requête multi-sorties amortit le coût d’entrée des références sur tout l’ensemble.

ScénarioMode et réglagesImages de référenceSortiesDétail de la formule (tarifs du 20 nov. 2026)Coût total
Concept unique 2Ksingle, n: 1, 2k011 × $0.0571432$0.05714
Visuel principal 4Ksingle, n: 1, 4k111 × $0.0857144 + 1 × $0.0028568$0.08857
Pack produit 4 anglesseries, series_amount: 4, 2k244 × $0.0571432 + 2 × $0.0028568$0.23429
Lookbook 4K 4 plansseries, series_amount: 4, 4k344 × $0.0857144 + 3 × $0.0028568$0.35143
Campagne 4K 10 plansseries, series_amount: 10, 4k41010 × $0.0857144 + 4 × $0.0028568$0.86857

Pour 1 000 images générées par mois avec en moyenne 2 photos de référence par lot de 4 images (250 tâches), passer de la 4K à la 2K économise $28.57 par millier d’images ($58.57 en 2K contre $87.14 en 4K). Un pipeline efficace consiste à itérer la mise en page et le prompt en 2k avec n: 2, puis à ne relancer en 4k que les briefs validés.

Exemple 4K de serre botanique Kling Image 4.0 généré via TokLab

Mode single vs mode series : paramètres et limites strictes

La génération d’images indépendantes et les séries cohérentes partagent un seul point de terminaison (POST https://api.toklab.ai/v1/images/generations) et renvoient un seul ID de tâche dont le tableau output.data[] terminé contient chaque URL d’image générée dans l’ordre. Le champ settings.result_type contrôle le lien entre les sorties :

  • result_type: "single" (par défaut) : génère settings.n images indépendantes (1 à 9, par défaut 1) à partir du même prompt et des mêmes références. Utile pour des variantes A/B, des pistes de visuel principal ou des propositions d’icônes. En mode unique, series_amount est ignoré.
  • result_type: "series" : génère settings.series_amount images visuellement cohérentes (2 à 10, par défaut 4) qui préservent l’identité du sujet, la lumière, la palette et le style d’un plan à l’autre — idéal pour les storyboards, galeries produit ou shootings e-commerce multi-angles.

Le piège de validation des séries de 5 à 10 images

La majorité des échecs d’intégration API sur kling-image-4-0 surviennent lorsque les équipes font passer series_amount de 4 à 5 ou plus. Les requêtes dont series_amount est compris entre 5 et 10 imposent trois règles plus strictes :

  1. Chaque image de référence doit être mentionnée explicitement dans le prompt. Si vous joignez trois objets refer_image (lamp, desk, fabric) et ne citez que @lamp et @desk dans contents[].text, la requête échoue à la validation dès que series_amount >= 5.
  2. Limite de longueur du prompt réduite (20 000 caractères). Les requêtes standard acceptent jusqu’à 50 000 caractères anglais (ou 21 000 caractères non anglais, avec la contrainte mixte english / 50000 + non_english / 21000 <= 1). Pour les séries de 5 à 10 images, le prompt doit rester à 20 000 caractères maximum après expansion interne des balises @id en références positionnelles.
  3. Taille maximale des fichiers de référence réduite (20 Mo contre 30 Mo). Les entrées refer_image standard acceptent des fichiers JPEG ou PNG jusqu’à 30 Mo (au moins 300 px par côté, ratio entre 2:5 et 5:2). Lorsque series_amount vaut 5 à 10, chaque fichier de référence doit être lisible et ne pas dépasser 20 Mo.

Vérifier ces trois contraintes côté serveur avant l’envoi évite les erreurs 400 inutiles et garde vos files d’attente propres.

Test de typographie et de détail botanique Kling Image 4.0

Syntaxe des images de référence et règles de format

Vous pouvez transmettre entre 0 et 10 éléments refer_image dans contents, aux côtés d’un unique élément prompt. Donner un id court et unique à chaque référence permet de lier des sujets, matières ou palettes directement dans votre texte avec @id :

  • Formats valides : auto (par défaut), 16:9, 9:16, 1:1, 4:3, 3:4, 3:2, 2:3 et 21:9.
  • Pas de champ negative_prompt : contrairement aux anciens wrappers Kling Image 3.0, kling-image-4-0 ne prend pas de paramètre negative_prompt séparé. Écrivez les exclusions en langage naturel directement dans le texte du prompt (par exemple : « fond papier mat uni sans texte ni accessoire supplémentaire »).
  • Contrôle du filigrane : l’option options.watermark_info.enabled n’accepte que false.
  • Les IDs en double échouent immédiatement : chaque contents[].id doit être unique dans la requête et chaque URL de référence doit être publiquement accessible en HTTP(S) sans cookie de session.

Lorsque vous combinez plusieurs références, la clarté du rôle de chacune compte plus que la densité d’adjectifs. Indiquez explicitement au modèle ce que chaque @id apporte — par exemple : « reprenez la silhouette du flacon et la typographie de l’étiquette de @bottle, posez-le sur la pierre calcaire brossée de @stone et reproduisez la lumière latérale chaude de @mood ». Laisser une référence jointe sans mention oblige le modèle à deviner s’il doit copier sa géométrie, sa palette ou son arrière-plan, ce qui nuit à la cohérence entre les plans et provoque une erreur de validation dès que series_amount atteint cinq ou plus.

API à l’usage vs abonnements web à crédits

Les développeurs qui passent du studio web de Kling à l’automatisation demandent souvent sur les forums pourquoi les tarifs API officiels diffèrent des forfaits web mensuels. Les abonnements grand public regroupent des enveloppes fixes de crédits qui expirent chaque mois, limitent les tâches simultanées par compte et imposent des workflows navigateur manuels ou des wrappers fragiles. Une API directe à l’usage comme TokLab supprime les licences par siège, l’expiration mensuelle des crédits et les files par compte.

Pour des charges ponctuelles — par exemple générer 300 vues catalogue saisonnières pendant un lancement de deux jours puis zéro image le reste du mois — le paiement à l’usage revient généralement moins cher qu’un abonnement Pro ou Ultra inutilisé. Vous ne payez que les sorties terminées et leurs références d’entrée, et toute tâche en échec ou mal formée coûte zéro. Les équipes à volume quotidien régulier gardent la maîtrise du budget en verrouillant les brouillons en 2k avec n: 1 ou n: 2, en vérifiant le respect du prompt sur un petit échantillon, puis en ne passant en 4k ou en series que les briefs approuvés.

Lot de production, relances et idempotence

Parce que kling-image-4-0 s’exécute de manière asynchrone, une automatisation fiable doit séparer la soumission de la récupération. Ne traitez jamais un délai d’attente HTTP côté client pendant le polling comme une raison de renvoyer POST /v1/images/generations. Dès que la passerelle renvoie un ID de tâche, le travail est en file et sera facturé à son achèvement même si votre worker se déconnecte avant de lire la réponse finale.

Un worker de production propre enregistre trois champs dans sa base dès la soumission : le task_id TokLab, le hash exact de la requête et l’état local du job. Si le worker redémarre ou rencontre une erreur réseau passagère en interrogeant GET /v1/tasks/:id, il reprend le suivi sur le task_id enregistré au lieu de créer un doublon. Quand status passe à completed, téléchargez immédiatement chaque URL de output.data[] vers votre propre stockage objet (S3 ou Cloudflare R2) plutôt que de référencer des URL temporaires en boutique. Pour les séries, conservez l’ordre du tableau output.data[], car les tâches series renvoient les plans dans la séquence narrative exacte demandée.

Exemple Python complet : soumettre et suivre une série 4K

Le script ci-dessous envoie une série cohérente de 3 plans avec deux références nommées, interroge GET /v1/tasks/:id jusqu’à la fin et affiche chaque URL de sortie issue de output.data.

import os
import time
import requests

API_KEY = os.environ["TOKLAB_API_KEY"]
HEADERS = {
    "Authorization": f"Bearer {API_KEY}",
    "Content-Type": "application/json",
}

payload = {
    "model": "kling-image-4-0",
    "contents": [
        {"type": "refer_image", "url": "https://example.com/kettle.jpg", "id": "kettle"},
        {"type": "refer_image", "url": "https://example.com/slate-table.jpg", "id": "table"},
        {
            "type": "prompt",
            "text": (
                "Three connected editorial product photos of @kettle resting on @table. "
                "Frame 1: wide morning kitchen scene with soft side light. "
                "Frame 2: close-up of the matte spout pouring hot water into a ceramic dripper. "
                "Frame 3: overhead flat-lay showing the kettle beside two stoneware cups."
            ),
        },
    ],
    "settings": {
        "result_type": "series",
        "series_amount": 3,
        "resolution": "4k",
        "aspect_ratio": "3:2",
    },
}

create = requests.post(
    "https://api.toklab.ai/v1/images/generations",
    headers=HEADERS,
    json=payload,
    timeout=60,
)
create.raise_for_status()
task_id = create.json()["id"]

while True:
    poll = requests.get(
        f"https://api.toklab.ai/v1/tasks/{task_id}",
        headers={"Authorization": f"Bearer {API_KEY}"},
        timeout=30,
    )
    poll.raise_for_status()
    body = poll.json()
    status = body.get("status")
    if status == "completed":
        for idx, item in enumerate(body["output"]["data"], start=1):
            print(f"Frame {idx}: {item['url']}")
        break
    if status == "failed":
        raise RuntimeError(f"Task {task_id} failed: {body}")
    time.sleep(3)

Enregistrez toujours task_id avant d’entrer dans la boucle de suivi. Si votre worker redémarre en cours de route, réinterrogez GET /v1/tasks/:id avec l’ID sauvegardé au lieu de renvoyer POST /v1/images/generations, ce qui créerait et facturerait un doublon.

Quand utiliser Kling Image 4.0 vs Long Image

Utilisez Kling Image 4.0 lorsque vous avez besoin de visuels 2K ou 4K distincts, de compositions multi-références (jusqu’à 10 entrées) ou de séries visuelles cohérentes de 2 à 10 plans dans des formats standard. Passez à Kling Image 4.0 Long Image lorsque le livrable est une fiche produit e-commerce verticale unique ou une maquette de page web complète — ces mises en page utilisent les modes dédiés ecommerce et webpage avec largeurs fixes 1K/2K et hauteur adaptative plutôt que des formats classiques.

Sources

Guides associés