快手发布可灵 2.0

背景

可灵（Kling）是快手推出的 AI 视频生成产品，快手是一家中国短视频平台公司。在 2.0 版本之前，它已经是一门有收入的生意：2025 年 3 月，快手披露可灵的年化收入运行率（annualized revenue run rate）已超过 1 亿美元^[2]。年化收入运行率是把某一段时间的收入按一年折算出来的数字，并不等于已经落袋的全年收入，但它说明已经有一批用户在为这项服务付费，这对一个诞生不久的视频生成产品来说并不常见。

发布

2025 年 4 月中旬，快手发布可灵 2.0，并把它称作全球最强的 AI 视频生成工具^[1]。同月，这一版本面向全球用户开放^[2]。按快手的说法，新版本在三个方面领先：运动质量（motion quality）、语义响应（semantic responsiveness）和画面美感（visual aesthetics）^[2]。用日常的话说，这三项分别对应画面里的动作是否自然可信、生成结果是否忠实于用户提出的要求、以及单帧画面是否好看。这三点恰好是 AI 生成视频长期被诟病的地方：人物走形、动作漂移，提示词只被部分执行，画面一动起来就显得平板或失真。

多模态的控制方式

可灵 2.0 引入了快手称为多模态视觉语言（Multi-modal Visual Language，MVL）的能力，以及多模态视频编辑^[3]。所谓多模态，就是同时处理不止一种输入——文字、图像、视频——而不是只靠一段文字提示词。在这个语境里，「视觉语言」指的是把用户的意图用一种模型能直接处理的形式表达出来，而不是把所有要求都写成句子。多模态编辑则把同样的思路用在改动已有素材上：用户不必从零生成一段新视频，而是拿一段现成的视频来修改，指令由不止一种类型的输入来承载。这一转向之所以重要，是因为真实的内容制作里大量工作是修改——调整一个已经拍好或已经生成的镜头——而不是凭空造出画面。

反响与商业面

快手 CEO 表示，可灵 AI 2.0 于 2025 年 4 月推出，在全球范围内获得强烈反响^[3]。围绕这次发布的那些「领先」说法——最强、运动最好、最听懂指令、画面最美——是厂商对自己产品的表述；与这些说法并列的，是一个更容易核对的数字：截至 2025 年 3 月，年化收入运行率超过 1 亿美元，而这一数字出现在 2.0 发布之前^[2]。

意义

AI 视频生成最初是一种演示性技术：短片之所以令人印象深刻，恰恰因为做出来很难。可灵 2.0 所处的阶段，重心已经转向付费用户真正在意的事情——对输出结果的控制、能改而不只是能生成、以及一次性面向多个国家的用户开放^[2][3]。这个收入数字，也把它放进了少数几个有真实商业牵引力的生成式媒体服务之列^[2]。

这次发布同时显示了这一领域的竞争是如何被表述的。厂商不再只说自己的模型能生成视频，而是具体声称在运动、指令遵循和观感上的优势，并把这些说法与全球开放、收入披露放在一起讲^[1][2]。可灵 2.0 在当时是否真的最强，需要独立的横向比较才能回答；但它登场的方式——技术术语、全球可用与商业数字同时呈现——此后成了视频模型面向市场的一套常见做法。