Prezzi API Kling Image 4.0: immagini di riferimento e serie
Guida ai prezzi API di Kling Image 4.0: tariffe per immagine 2K e 4K, costo dei riferimenti dalla prima foto, limiti single vs series e codice Python.
Leggi in MarkdownSe cerchi oggi i prezzi API di Kling 4.0, la maggior parte dei risultati cita tariffe video al secondo ($0.157/s a 720p o $0.235/s a 1080p) e ignora del tutto il modello per immagini statiche. Kling Image 4.0 è un modello API separato (kling-image-4-0) rilasciato il 17 novembre 2026, fatturato per immagine generata più un piccolo addebito fisso per ciascuna foto di riferimento in input. È distinto anche da Kling Image 4.0 Long Image, pensato per pagine prodotto ecommerce verticali e layout web scorrevoli.
A differenza dei generatori di immagini fatturati a token come GPT Image 2.6, dove il costo dipende dal calcolo della griglia delle proporzioni e dai moltiplicatori di qualità, kling-image-4-0 usa una formula additiva prevedibile. Conosci il costo esatto in dollari di qualsiasi richiesta prima di chiamare POST /v1/images/generations, purché tu tenga conto di risoluzione, numero di output e numero di riferimenti.
Questa guida documenta la formula di fatturazione verificata, le tariffe TokLab dal vivo, le differenze tra le modalità single e series, le regole di validazione più rigide per set da 5 a 10 immagini e codice funzionante per le richieste.
Formula di fatturazione esatta e tariffe dal vivo
Ogni attività kling-image-4-0 completata su TokLab segue un'unica formula:
total_cost = (output_count × resolution_rate) + (reference_image_count × reference_rate)Tre regole di fatturazione evitano sforamenti imprevisti in produzione:
- Le immagini di riferimento si pagano dalla prima foto. Non esiste alcuno slot gratuito incluso: inviare un
refer_imageaggiunge un addebito di riferimento, inviarne dieci ne aggiunge dieci. - Le immagini di riferimento si pagano una volta per richiesta, non per output. Se passi 2 foto di riferimento e richiedi una serie di 6 immagini in 4K, paghi 6 output più 2 riferimenti — mai 12 riferimenti.
- Le attività non riuscite costano $0. Le richieste respinte dalla validazione (HTTP 400) o le attività che terminano con stato
failednon addebitano il saldo.
Ecco le tariffe dal vivo del gateway TokLab per Kling Image 4.0, estratte direttamente dalla tabella prezzi attiva:
Quanto costa Kling Image 4.0
| Categoria | Prezzi (USD) |
|---|---|
| Immagine di output 2K | $0.0571432 |
| Immagine di output 4K | $0.0857144 |
| Immagine di riferimento | $0.0028568 |
| Serie Night Garden · 2K · tre immagini · nessun riferimento | $0.1714296 |
Alle tariffe verificate su https://api.toklab.ai/v1/pricing il 20 novembre 2026, l'output 2K costa $0.0571432 per immagine, l'output 4K costa $0.0857144 per immagine (esattamente 1,5x la tariffa 2K) e ogni immagine di riferimento in input aggiunge $0.0028568 (circa il 5% di una singola immagine 2K). Nota che mentre il Creative Studio web di Kling AI pubblicizza immagini 8K native, l'endpoint API TokLab attuale espone solo 2k (predefinito) e 4k; passare 8k restituisce un errore di validazione.
Esempi di budget da 1 immagine a una serie da 10 scatti
Poiché il sovrapprezzo dei riferimenti è minimo rispetto alla tariffa di output, raggruppare varianti o scatti collegati in un'unica richiesta multi-output ammortizza il costo di input dei riferimenti sull'intero set.
| Scenario | Modalità e impostazioni | Immagini di riferimento | Output | Dettaglio formula (tariffe 20 nov 2026) | Costo totale |
|---|---|---|---|---|---|
| Concept singolo 2K | single, n: 1, 2k | 0 | 1 | 1 × $0.0571432 | $0.05714 |
| Immagine hero 4K | single, n: 1, 4k | 1 | 1 | 1 × $0.0857144 + 1 × $0.0028568 | $0.08857 |
| Set prodotto 4 angolazioni | series, series_amount: 4, 2k | 2 | 4 | 4 × $0.0571432 + 2 × $0.0028568 | $0.23429 |
| Lookbook 4K da 4 scatti | series, series_amount: 4, 4k | 3 | 4 | 4 × $0.0857144 + 3 × $0.0028568 | $0.35143 |
| Campagna 4K da 10 fotogrammi | series, series_amount: 10, 4k | 4 | 10 | 10 × $0.0857144 + 4 × $0.0028568 | $0.86857 |
Su 1.000 immagini generate al mese con una media di 2 foto di riferimento per lotto da 4 immagini (250 attività), passare da 4K a 2K fa risparmiare $28.57 ogni mille immagini ($58.57 in 2K contro $87.14 in 4K). Un flusso pratico consiste nell'iterare layout e testo del prompt in 2k con n: 2, rieseguendo in 4k solo i brief approvati.

Modalità single vs series: parametri e limiti rigorosi
Sia la generazione di immagini singole sia i set collegati multi-fotogramma condividono un unico endpoint (POST https://api.toklab.ai/v1/images/generations) e restituiscono un solo ID attività il cui array completato output.data[] contiene in ordine tutti gli URL delle immagini generate. Il campo settings.result_type controlla il legame tra gli output:
result_type: "single"(predefinito): generasettings.nimmagini indipendenti (da1a9, predefinito1) dallo stesso prompt e dagli stessi riferimenti. Usalo per varianti A/B, esplorazioni hero o proposte di icone indipendenti. In modalità singola,series_amountviene ignorato.result_type: "series": generasettings.series_amountimmagini visivamente coerenti (da2a10, predefinito4) che mantengono identità del soggetto, luce, palette e stile tra un fotogramma e l'altro — ideale per storyboard, gallerie prodotto o shooting ecommerce multi-angolo.
La trappola di validazione delle serie da 5 a 10 immagini
La maggior parte degli errori di integrazione API su kling-image-4-0 avviene quando i team portano series_amount da 4 a 5 o più. Le richieste con series_amount compreso tra 5 e 10 impongono tre regole più rigide rispetto ai set più piccoli:
- Ogni immagine di riferimento deve essere citata esplicitamente nel prompt. Se alleghi tre oggetti
refer_image(lamp,desk,fabric) ma menzioni solo@lampe@deskincontents[].text, la richiesta fallisce la validazione quandoseries_amount >= 5. - Limite di lunghezza del prompt più stretto (20.000 caratteri). Le richieste standard accettano fino a 50.000 caratteri inglesi (o 21.000 non inglesi, con prompt misti vincolati a
english / 50000 + non_english / 21000 <= 1). Per serie da 5–10 immagini, il prompt deve restare entro 20.000 caratteri dopo che i tag@idsono stati espansi internamente in riferimenti posizionali. - Limite file di riferimento ridotto (20 MB invece di 30 MB). Gli input standard
refer_imageammettono file JPEG o PNG fino a 30 MB (minimo 300 px per lato, proporzioni tra2:5e5:2). Quandoseries_amountè tra 5 e 10, ciascun file di riferimento deve essere leggibile e non superare 20 MB.
Verificare questi tre vincoli sul tuo server prima di inviare la richiesta evita errori 400 prevedibili e mantiene pulite le code dei worker.

Sintassi delle immagini di riferimento e regole sulle proporzioni
Puoi passare da 0 a 10 elementi refer_image dentro contents, insieme esattamente a un elemento prompt. Assegnare a ciascun riferimento un id breve e univoco ti permette di associare soggetti, materiali o palette specifici direttamente nel testo del prompt usando @id:
- Proporzioni valide:
auto(predefinito),16:9,9:16,1:1,4:3,3:4,3:2,2:3e21:9. - Nessun campo
negative_prompt: a differenza dei vecchi wrapper di Kling Image 3.0,kling-image-4-0non accetta un parametronegative_promptseparato. Scrivi le esclusioni in linguaggio naturale dentro il testo diprompt(per esempio, "sfondo in carta opaca liscia senza testo aggiuntivo né oggetti di scena"). - Controllo filigrana: il campo facoltativo
options.watermark_info.enabledsupporta solofalse. - Gli ID duplicati falliscono subito: ogni
contents[].iddeve essere univoco nella richiesta e ogni URL di riferimento deve essere raggiungibile pubblicamente via HTTP(S) senza cookie di accesso.
Quando combini più riferimenti, la chiarezza nell'assegnazione dei ruoli conta più della densità di aggettivi. Dì esplicitamente al modello quale attributo visivo porta ogni @id — per esempio: "usa la silhouette della bottiglia e la tipografia dell'etichetta da @bottle, appoggiala sulla superficie in pietra calcarea spazzolata da @stone e riprendi la luce calda direzionale da finestra di @mood." Lasciare un riferimento allegato senza citarlo costringe il modello a indovinare se copiare geometria, palette o sfondo, aumentando le incoerenze tra i fotogrammi e causando un errore di validazione non appena series_amount arriva a cinque o più.
API a consumo vs abbonamenti web a crediti
Gli sviluppatori che passano dal web studio di Kling all'automazione chiedono spesso nei forum perché i preventivi API ufficiali differiscano dai piani web mensili. Gli abbonamenti consumer mensili includono pacchetti fissi di crediti che scadono a ogni ciclo di fatturazione, limitano i job simultanei per account e richiedono flussi manuali nel browser o fragili wrapper di sessione di terze parti. Un'API diretta a consumo come TokLab elimina costi per postazione, scadenza mensile dei crediti e code di slot per account.
Per carichi di produzione a picchi — come generare 300 angolazioni di catalogo stagionale in due giorni di lancio e zero immagini per il resto del mese — la fatturazione a consumo è quasi sempre più economica rispetto a mantenere un abbonamento Pro o Ultra inutilizzato. Paghi solo gli output completati e i relativi riferimenti in input, e qualsiasi attività fallita a monte o respinta per parametri errati non costa nulla. Anche i team con volumi giornalieri costanti controllano bene la spesa bloccando le bozze su 2k con n: 1 o n: 2, verificando l'aderenza al prompt su un piccolo campione e promuovendo a 4k o a series multi-fotogramma solo i brief approvati.
Batching in produzione, retry e idempotenza
Poiché kling-image-4-0 è asincrono, un'automazione affidabile separa l'invio dal recupero. Non trattare mai un timeout HTTP lato client durante il polling come motivo per reinviare POST /v1/images/generations. Una volta che il gateway restituisce un ID attività, quel job è già in coda e verrà fatturato al completamento anche se il worker si disconnette prima di leggere il payload finale.
Un worker di produzione pulito salva immediatamente nel proprio database tre campi subito dopo l'invio: il task_id di TokLab, l'hash esatto della richiesta e lo stato locale del job. Se il worker si riavvia o incontra un errore di rete transitorio durante il polling di GET /v1/tasks/:id, riprende il polling sul task_id salvato anziché aprire un'attività duplicata. Quando status diventa completed, scarica subito ogni URL di output.data[] nel tuo object storage (come S3 o Cloudflare R2) invece di fare hotlink verso URL temporanei di generazione nei negozi esposti ai clienti. Per set multi-immagine, preserva l'ordine dell'array output.data[], poiché le attività series restituiscono i fotogrammi nell'esatta sequenza narrativa richiesta nel prompt.
Esempio Python end-to-end: invio e polling di una serie 4K
Lo script seguente invia una serie collegata da 3 scatti con due riferimenti nominati, interroga GET /v1/tasks/:id fino al completamento e stampa ogni URL di output da 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)Salva sempre task_id prima di entrare nel ciclo di polling. Se il worker si riavvia a metà polling, interroga nuovamente GET /v1/tasks/:id con l'ID salvato invece di reinviare POST /v1/images/generations, che creerebbe e fatturerebbe un job duplicato.
Quando usare Kling Image 4.0 vs Long Image
Usa Kling Image 4.0 quando ti servono immagini singole 2K o 4K, composizioni con più riferimenti (fino a 10 input) o serie visive coerenti da 2 a 10 fotogrammi con proporzioni standard. Passa a Kling Image 4.0 Long Image quando il deliverable è un'unica pagina dettaglio prodotto ecommerce verticale o un intero design web scorrevole: quei layout usano le skill dedicate ecommerce e webpage con larghezze fisse 1K/2K e altezza adattiva anziché proporzioni standard.
Fonti
- Pagina modello TokLab Kling Image 4.0 — Tariffe 2K/4K dal vivo, prezzi dei riferimenti e Playground interattivo.
- Riferimento API TokLab Kling Image 4.0 — Schema JSON completo, limiti di caratteri e contratto di polling.
- API prezzi dal vivo TokLab — Feed tariffario leggibile da macchina verificato il 20 novembre 2026.


