Kling Image 4.0 API 定價、參考圖規則與連貫系列指南

完整解析 Kling Image 4.0 API 定價:2K 與 4K 單張費率、從第一張起計的參考圖費用、單圖與系列模式限制,附 Python 完整範例。

以 Markdown 閱讀

如果你現在搜尋 Kling 4.0 API 定價,多數結果只會列出影片模型的每秒費率(720p 為 $0.157/秒,1080p 為 $0.235/秒),完全略過靜態生圖模型。Kling Image 4.0 是於 2026 年 11 月 17 日推出的獨立 API 模型(kling-image-4-0),採每張輸出圖片單價加上每張輸入參考照的固定小額費用計價;它也不同於專攻直式電商詳情頁與網頁長圖的 Kling Image 4.0 Long Image。

相較於像 GPT Image 2.6 這類按 token 計費、成本會隨畫面比例網格與畫質倍率波動的圖片生成器,kling-image-4-0 採用可預測的加法公式。只要掌握解析度、輸出張數與參考圖數量,在呼叫 POST /v1/images/generations 之前就能算出每筆請求的確切美元費用。

本指南整理經實測驗證的計費公式、TokLab 即時費率、single 與 series 模式的差異、5 至 10 張系列的嚴格驗證規則,以及可直接執行的請求程式碼。

精確計費公式與即時費率

在 TokLab 上,每筆完成的 kling-image-4-0 任務都遵循同一條公式:

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

以下三條計費規則可避免正式環境出現意外超支:

  1. 參考圖從第一張起即計費。 沒有內含免費參考圖額度。傳入 1 張 refer_image 就計 1 次參考圖費,傳入 10 張就計 10 次。
  2. 參考圖按整筆請求計費,而非按輸出張數重複計算。 若傳入 2 張參考照並請求 4K 的 6 張系列圖,你只需支付 6 張輸出加 2 張參考圖費用,絕不會被收 12 次參考圖費。
  3. 失敗任務費用為 $0。 未通過參數驗證(HTTP 400)或以 failed 狀態結束的任務一律不扣餘額。

以下為直接讀取自即時價目表的 Kling Image 4.0 TokLab 閘道費率:

Kling Image 4.0 費用說明

類別價格 (USD)
2K 輸出圖片$0.0571432
4K 輸出圖片$0.0857144
參考圖片$0.0028568
Night Garden 系列 · 2K · 3 張圖片 · 無參考圖$0.1714296

依 2026 年 11 月 20 日在 https://api.toklab.ai/v1/pricing 核實的費率,2K 輸出為每張 $0.0571432,4K 輸出為每張 $0.0857144(正好是 2K 的 1.5 倍),每張輸入參考圖加收 $0.0028568(約為單張 2K 圖片的 5%)。須注意,儘管 Kling AI 網頁版 Creative Studio 宣傳支援原生 8K 靜態圖,但目前 TokLab API 端點僅開放 2k(預設)與 4k 解析度;傳入 8k 會回傳驗證錯誤。

從單張靜態圖到 10 鏡頭系列的預算試算

由於參考圖加價相較於輸出單價非常低,將多個變體或連貫鏡頭合併在同一次多輸出請求中,可將參考圖輸入成本分攤到整組圖片上。

情境模式與設定參考圖數輸出張數公式拆解(2026 年 11 月 20 日費率)總費用
單張 2K 概念圖single、n: 1、2k011 × $0.0571432$0.05714
單張 4K 主視覺single、n: 1、4k111 × $0.0857144 + 1 × $0.0028568$0.08857
4 角度商品圖組series、series_amount: 4、2k244 × $0.0571432 + 2 × $0.0028568$0.23429
4 鏡頭 4K 造型冊series、series_amount: 4、4k344 × $0.0857144 + 3 × $0.0028568$0.35143
10 畫面 4K 活動組圖series、series_amount: 10、4k41010 × $0.0857144 + 4 × $0.0028568$0.86857

以每月生成 1,000 張圖片、每組 4 張平均附 2 張參考照(共 250 筆任務)計算,從 4K 改用 2K 每千張可省下 $28.57(2K 為 $58.57,4K 為 $87.14)。實務上建議先用 2k 搭配 n: 2 迭代構圖與提示詞,確認定稿後再以 4k 重新輸出。

透過 TokLab 渲染的 Kling Image 4.0 4K 植物玻璃花房範例

單圖模式與系列模式:參數與硬性限制

單圖生成與多畫面連貫系列共用同一個端點(POST https://api.toklab.ai/v1/images/generations),皆回傳單一任務 ID,完成後的 output.data[] 陣列會依序包含每張生成圖片的 URL。輸出圖片之間的關聯由 settings.result_type 控制:

  • result_type: "single"(預設):依相同提示詞與參考圖生成 settings.n 張彼此獨立的圖片(1 至 9,預設 1),適合 A/B 變體測試、主視覺探索或獨立圖示提案。在單圖模式下會忽略 series_amount。
  • result_type: "series":生成 settings.series_amount 張視覺連貫的圖片(2 至 10,預設 4),跨畫面維持主體一致、光線、色調與風格,適合分鏡腳本、商品詳情圖集或多角度電商拍攝。

5 至 10 張系列圖的驗證陷阱

多數 kling-image-4-0 的 API 串接錯誤都發生在團隊將 series_amount 從 4 調高到 5 以上時。當 series_amount 介於 5 與 10 之間,系統會強制套用三條比小張數更嚴格的規則:

  1. 每張參考圖都必須在提示詞中明確提及。 如果你附加了三個 refer_image 物件(lamp、desk、fabric),卻只在 contents[].text 中提到 @lamp 與 @desk,當 series_amount >= 5 時請求就會驗證失敗。
  2. 更緊的提示詞字數上限(20,000 字元)。 一般請求可接受最多 50,000 個英文字元(或 21,000 個非英文字元,中英混排須滿足 english / 50000 + non_english / 21000 <= 1)。但 5–10 張系列圖在系統內部將 @id 展開為位置參照之後,總長仍不得超過 20,000 字元。
  3. 較小的參考圖檔案上限(20 MB 而非 30 MB)。 一般 refer_image 允許最大 30 MB 的 JPEG 或 PNG(每邊至少 300 px,寬高比介於 2:5 與 5:2);但當 series_amount 為 5–10 時,每張參考圖必須可讀取且不得超過 20 MB。

在伺服器端送出請求前先檢查這三項限制,即可避免無謂的 400 錯誤並維持佇列工作進程穩定。

Kling Image 4.0 植物標本字體與細節實測

參考圖語法與畫面比例規則

你可以在 contents 中傳入 0 至 10 個 refer_image 項目,搭配唯一一個 prompt 項目。替每張參考圖指定簡短且不重複的 id,就能直接在提示詞文字中用 @id 綁定特定主體、材質或色調:

  • 有效畫面比例:auto(預設)、16:9、9:16、1:1、4:3、3:4、3:2、2:3 與 21:9。
  • 無 negative_prompt 欄位:與舊版 Kling Image 3.0 封裝不同,kling-image-4-0 不接受獨立的 negative_prompt 參數。請直接在 prompt 文字中以自然語言寫出排除條件(例如「純霧面紙質背景,不要額外文字或道具」)。
  • 浮水印控制:選填的 options.watermark_info.enabled 僅支援設為 false。
  • 重複 ID 會立即失敗:同一筆請求中的所有 contents[].id 必須唯一,且每個參考圖 URL 都必須可透過公開 HTTP(S) 直接存取,無需登入 Cookie。

結合多張參考圖時,清楚分工比堆砌形容詞更有效。請明確告知模型每個 @id 負責哪項視覺屬性——例如「採用 @bottle 的瓶身輪廓與標籤字體,放置在 @stone 的拉絲石灰岩檯面上,並延續 @mood 的暖色側向窗光」。若附上參考圖卻未在提示詞中提及,模型只能自行猜測要取用其造型、色彩還是背景,不僅會降低跨鏡頭一致性,在 series_amount 達 5 張以上時更會直接驗證失敗。

按量計費 API 與網頁點數訂閱制比較

從 Kling 網頁創作室轉向自動化流程的開發者,常在社群論壇詢問為何官方 API 報價與月付網頁方案不同。消費級月費訂閱綁定每期歸零的點數池、限制單帳號併發任務數,且依賴人工瀏覽器操作或脆弱的第三方工作階段封裝;像 TokLab 這樣的按量計費 API 則完全免除席次費、點數到期與單帳號排隊限制。

針對尖峰波動型正式環境負載(例如兩天新品上架活動生成 300 張商品角度圖,該月其餘時間用量為零),按量計費通常遠比長期養著閒置的 Pro 或 Ultra 訂閱更省錢。你只為成功完成的輸出與輸入參考圖付費,任何上游失敗或參數錯誤皆不收費。即使是每日穩定出圖的團隊,也能透過先以 2k 與 n: 1 或 n: 2 打樣、抽樣檢查提示詞貼合度、再把核准方案升級至 4k 或多鏡頭 series 來嚴格控管預算。

正式環境批次處理、重試與冪等性

由於 kling-image-4-0 採非同步執行,穩定的自動化系統必須將「提交任務」與「取回結果」分開。千萬不要把輪詢過程中的用戶端 HTTP 逾時當成重新呼叫 POST /v1/images/generations 的理由。只要閘道回傳了任務 ID,該任務就已進入佇列,即使工作進程在讀到結果前斷線,完成後依然會計費。

乾淨的正式環境工作進程在提交成功後應立即將三個欄位寫入自家資料庫:TokLab task_id、精確請求雜湊值與本地任務狀態。若工作進程重啟或在輪詢 GET /v1/tasks/:id 時遇到暫時性網路錯誤,應接續輪詢已保存的 task_id,而非建立重複任務。當 status 變為 completed 時,請立即將 output.data[] 中的每個 URL 下載至自家物件儲存(例如 S3 或 Cloudflare R2),避免在面向終端用戶的商店頁面直接熱連結暫時生成 URL。針對多圖輸出,請保留 output.data[] 的陣列順序,因為 series 任務正是依提示詞敘事順序回傳每個畫面。

端對端 Python 範例:提交並輪詢 4K 系列圖

以下腳本會以兩張具名參考圖提交一組 3 鏡頭連貫系列,持續輪詢 GET /v1/tasks/:id 直至完成,並列印 output.data 中的每個輸出 URL。

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)

進入輪詢迴圈前務必先持久化保存 task_id。如果工作進程在輪詢中途重啟,請用已保存的 ID 重新查詢 GET /v1/tasks/:id,切勿重複提交 POST /v1/images/generations 以免產生並重複計費第二筆任務。

何時選用 Kling Image 4.0 vs Long Image

當你需要標準比例的獨立 2K/4K 靜態圖、多參考圖合成(最多 10 張輸入),或 2 至 10 鏡頭的連貫視覺系列時,請使用 Kling Image 4.0。當交付物是單張直式捲動電商商品詳情頁或完整網頁視覺設計時,請改用 Kling Image 4.0 Long Image——該模型提供專屬的 ecommerce 與 webpage 技能,採用固定 1K/2K 寬度搭配自適應高度,而非一般畫面比例。

參考來源

相關指南