Kling 4 vs Seedance 2.5: dois modelos de referência de 30 segundos

A divisão de nuvem da ByteDance, a Volcano Engine, apresentou o Seedance 2.5 na conferência FORCE em junho de 2026, segundo a The Decoder. Em outubro de 2026, ele já pode ser acessado pela API do fal.ai, com endpoints de texto para vídeo, imagem para vídeo e referência para vídeo, conforme a página do Seedance 2.5 no fal.

O Kling 4.0 foi lançado oficialmente no app do Kling em 15 de outubro de 2026, depois de uma fase de acesso antecipado que começou em 28 de setembro, segundo a Kuaishou. A API para desenvolvedores está marcada como em breve. O fal.ai lista o Kling 4.0 em seu playground, mas a página do modelo informa que o acesso à API ainda está por vir.

O endpoint de referência para vídeo do Seedance 2.5 aceita até 50 referências: até 30 imagens, 10 vídeos e 10 áudios, segundo o fal.ai. Os vídeos de referência são limitados a 30 segundos no total, e o mesmo vale para o áudio de referência.

O Omni Reference do Kling 4.0 aceita até 15 referências: até 10 imagens, até 5 vídeos com 30 segundos somados e até 7 elementos, segundo o guia do Kling 4.0 no fal. Os elementos agrupam imagens de um mesmo sujeito, para que o modelo saiba quais fotos pertencem ao mesmo personagem ou produto.

Trinta imagens é mais do que a maioria dos sujeitos precisa: algumas poucas fotos bem variadas de ângulo já cobrem um rosto ou um produto. O limite maior ajuda principalmente quando a cena tem vários personagens, objetos e um cenário que precisam continuar fixos.

O Seedance 2.5 no fal.ai gera de 4 a 30 segundos, ou deixa o modelo escolher a duração, em 480p ou 720p. As proporções são 21:9, 16:9, 4:3, 1:1, 3:4 e 9:16, ou automática. O áudio é gerado por padrão e pode ser desligado, segundo a página do modelo no fal. A comparação do fal observa que o Seedance 2.0 também oferecia 1080p e 4K, ou seja, a versão 2.5 troca resolução por duração.

O Kling 4.0 gera de 3 a 30 segundos em 720p, 1080p ou 4K, nas proporções 21:9, 16:9, 1:1 e 9:16, com áudio estéreo e até 10 keyframes, segundo o guia do Kling 4.0 no fal. O modo Flash fica limitado a 20 segundos em 720p. Uma opção de HDR de 10 bits é descrita como em breve.

Na resolução, o Kling 4.0 está na frente: 1080p e 4K são saídas que o Seedance 2.5 não oferece no fal.ai. No acesso, o Seedance 2.5 leva vantagem, porque você pode usá-lo hoje.

Este é o fator com mais chance de decidir por você. No fórum da comunidade da Adobe, usuários relatam o erro "reference content can't include real human faces" tanto no Seedance 2.0 quanto no 2.5, e um gerente da comunidade da Adobe confirmou que o Seedance 2.0 não aceita rostos reais nas referências. Um guia da Renderforest diz que o Seedance 2.5 no Dreamina da ByteDance exige verificação ao vivo para rostos fotorrealistas.

Não encontramos documentação oficial da ByteDance sobre a política da versão 2.5, e a página do modelo no fal também não menciona nenhuma, então teste com suas próprias referências antes de se comprometer.

Na prática, o Seedance 2.5 é a escolha mais fácil para produtos, mascotes e personagens estilizados ou de anime. Para um apresentador real ou um criador humano fotorrealista, espere atrito. O Kling tem moderação própria; não testamos os dois modelos com as mesmas referências de rosto.

No fal.ai, o Seedance 2.5 de referência para vídeo custa cerca de US$ 0,47 por segundo em 720p e US$ 0,22 em 480p sem referências de vídeo, ou cerca de US$ 0,28 e US$ 0,13 com referências de vídeo, cobrados por token, segundo a página do modelo no fal. Um clipe de 10 segundos em 720p sem referências de vídeo sai por cerca de US$ 4,73.

Não conseguimos confirmar o preço da API do Kling 4.0: a página do Kling 4.0 no fal não lista nenhum, enquanto a API segue fechada. O Kling 3.0 Omni, sua versão anterior, custa de US$ 0,084 a US$ 0,14 por segundo no fal.ai, dependendo do plano e do áudio.

Escolha o Seedance 2.5 para produtos, mascotes e personagens estilizados quando precisar de clipes com mais de 15 segundos por API hoje e 720p for suficiente, principalmente em cenas com vários elementos fixos. Confira a composição primeiro em 480p, que custa menos da metade por segundo.

Escolha o Kling para rostos humanos reais e para 1080p ou mais. Hoje isso significa o Kling 3.0 Omni pela API, com até 15 segundos por clipe; quando a API do Kling 4.0 abrir, ela deve trazer takes mais longos, mais referências e 4K. Não rodamos os dois modelos com as mesmas referências, então este veredito trata de acesso, especificações e regras, não de fidelidade medida.

O RefVid usa o Kling 3.0 Omni hoje e vai migrar para o Kling 4.0 quando a API abrir. Ele não oferece o Seedance 2.5.