Runway Gen-4.5와 Kling 3.0, 제어 정밀도와 생성 비용 비교

영상 품질보다 선택을 어렵게 만드는 것

2026년 AI 영상 생성 시장에서 Runway Gen-4.5와 Kling 3.0은 서로 다른 제작 방식을 겨냥한다. Runway는 사용자가 장면의 움직임을 세밀하게 지정하는 데 무게를 두고, Kling은 고해상도 영상과 오디오를 통합 생성하는 비용 효율에 초점을 맞춘다.

Artificial Analysis 비디오 아레나에서 두 모델은 각각 1,247·1,248 Elo를 기록하며 박빙의 경쟁을 벌였다. 그러나 실제 도입 판단에서는 점수 차이보다 제어 인터페이스와 제작 비용, 후반 작업 방식이 더 직접적인 기준이 된다.

2025년 말 등장한 Runway Gen-4.5는 Motion Brush 3.0과 개선된 시간축 일관성으로 전문 제작자를 겨냥했다. 같은 시기 Kuaishou의 Kling 3.0은 MVL(Multi-modal Visual Language) 아키텍처를 기반으로 네이티브 4K 출력과 다국어 립싱크를 단일 모델에서 구현하며 비용 대비 성능에서 높은 평가를 받았다.

⤢✕

Runway Gen-4.5가 장면을 붙잡는 방식

Gen-4.5의 변화는 아키텍처를 완전히 갈아엎기보다 사전훈련 데이터 효율을 개선하고 시간 정규화(temporal regularization) 파인튜닝을 적용한 데 있다. Temporal Attention Layer는 Frame N을 처리할 때 이전 Frame N-1의 컨텍스트를 결합한다. 초기 AI 영상에서 자주 보이던 프레임 사이의 깜빡임(flickering)을 줄이기 위한 구조다.

개선 효과는 모션, 복수 피사체, 표면 표현에서 드러난다. 무게감과 운동량이 더 현실적으로 표현되고 피사체의 관성도 물리 법칙에 부합하는 방향으로 시뮬레이션된다. 여러 피사체가 함께 등장할 때는 오클루전(occlusion), 깊이, 조명의 연결이 유지된다. 머리카락 결이나 직물 조직, 표면 정반사(specular) 같은 세부 요소도 프레임 사이에서 쉽게 떠다니지 않는다.

다만 장면을 복잡하게 만들수록 일관성을 유지하기 어려운 문제까지 사라진 것은 아니다. 주요 피사체 하나와 명확한 배경을 둔 구성이 여러 요소를 한꺼번에 배치한 장면보다 높은 시간적 안정성(temporal stability)을 보인다.

Motion Brush 3.0으로 움직임을 분리한다

Motion Brush 3.0의 핵심은 여러 피사체에 서로 다른 움직임을 부여하는 기능이다. 사용자는 소스 이미지의 영역을 브러시로 칠한 뒤 각 영역에 독립적인 모션 벡터를 할당한다. 모델은 지정된 움직임들이 서로 영향을 주고 장면의 기하구조와 맞물리는 방식을 계산한다.

작업은 이미지 업로드에서 시작한다. 브러시 도구로 움직일 부분을 표시하고, 방향 컨트롤에서 영역별 모션 방향을 정하면 모델이 물리적 상호작용을 반영해 영상을 생성한다.

카메라 움직임도 피사체와 별도로 다룰 수 있다. 팬, 틸트, 줌, 포커스와 피사계심도를 독립적으로 지정하며, 네이티브 립싱크와 Act-Two 퍼포먼스 캡처도 지원한다. 스틸 이미지 전체에 하나의 움직임을 적용하는 방식과 달리, 장면 속 요소마다 방향을 구분할 수 있어 전문 제작 과정에서 활용할 여지가 크다.

브랜드 작업에서 중요한 아이덴티티 보존

광고나 브랜드 콘텐츠에서는 한 컷의 완성도만큼 같은 제품과 캐릭터가 계속 같은 모습으로 남는지가 중요하다. Gen-4.5에서는 테이블 위 커피컵의 모양과 색상이 영상 전체에서 유지된다. 클립 중간에 캐릭터나 오브젝트의 외관이 바뀔 가능성도 낮아졌다.

모션과 카메라 이동이 커져도 복수 요소가 포함된 장면의 구성을 읽기 쉽게 유지하는 능력은 이전 모델보다 향상되었다. 동일한 상품이나 캐릭터를 여러 장면에 반복 노출해야 하는 상업 영상에서 이 특성이 Gen-4.5의 강점이 된다.

Kling 3.0은 모달리티를 한 파이프라인에 묶는다

Kuaishou가 2026년 2월 4일 출시한 Kling 3.0의 기반은 MVL(Multi-modal Visual Language) 프레임워크다. 텍스트, 이미지, 오디오, 영상을 각기 다른 도구에서 처리한 뒤 결합하지 않고 하나의 통합 아키텍처 안에서 다룬다.

이 구조는 모달리티 사이의 시맨틱 정렬(semantic alignment)을 높인다. 생성 영상이 텍스트 프롬프트와 참조 이미지의 의도를 함께 반영하도록 만드는 접근이다.

⤢✕

Kling 2.6과 비교하면 출력 사양의 변화가 분명하다.

항목	Kling 2.6	Kling 3.0	변화
최대 해상도	1080p	네이티브 4K	+업스케일 없는 4K
최대 프레임레이트	48fps	60fps	+25%
최대 길이	10초	15초	+50%
오디오 언어	2개국어	5개국어	+3개 추가

Omni 오디오는 일본어, 한국어, 스페인어 지원을 추가했으며 화면의 상황과 어울리는 환경음도 생성한다. 별도 오디오 파일 없이 텍스트 프롬프트에서 언어별 싱크 오디오를 만들 수 있다. 10초 이상의 클립에서도 캐릭터 아이덴티티와 장면 일관성, 모션 품질을 유지하는 시간적 일관성이 경쟁 모델보다 우수하다는 평가를 받고 있다.

Kling의 비용은 어떻게 구성되는가

공식 Kling VIDEO 3.0 가격은 720p 노오디오 영상이 초당 6크레딧, 1080p 노오디오 영상이 초당 8크레딧이다. 네이티브 오디오를 포함하면 각각 9·12크레딧이 필요하다. API를 이용한 텍스트-투-비디오와 이미지-투-비디오 생성은 초당 $0.075부터 시작한다.

무료 티어는 워터마크가 포함된 일일 약 66크레딧을 제공한다. 월 $10-15 수준의 스탠다드 플랜은 약 660크레딧, 월 $32.56 수준의 프로 플랜은 3,000크레딧을 제공한다. 프로 플랜에서는 한 달에 약 720p 6분 또는 1080p 4분 분량을 생성할 수 있다.

리더보드는 빠르게 바뀌었다

Artificial Analysis 비디오 아레나의 2026년 6월 상위권에는 ByteDance Seedance 2.0과 Alibaba ATH HappyHorse-1.0이 올라왔다. Runway Gen-4.5는 2025년 말 출시 당시 Elo 1,247로 1위를 기록했지만, Seedance 2.0이 2026년 2월, HappyHorse-1.0이 2026년 4월 등장하면서 순위 구도가 달라졌다.

당시 상위권은 Seedance 2.0이 1위, HappyHorse-1.0이 2위였다. Kling 3.0의 복수 엔트리는 Elo 약 1,248로 3~6위권에 있었고, Veo 3.1은 7위이면서 오디오 포함 모델 가운데 3위권이었다. Kling 3.0이 상위 10위권에 복수 엔트리를 보유했다는 점은 설정이 달라도 상위권 성능을 냈다는 의미다.

Runway·Kling·Veo의 선택 기준

항목	Runway Gen-4.5	Kling 3.0	Veo 3.1
핵심 강점	Motion Brush 제어, 장면 일관성	4K 60fps, 가성비, 오디오	프롬프트 준수, 오디오, 4K
최대 해상도	1080p (제어 품질 집중)	네이티브 4K	4K
오디오	네이티브 립싱크	Omni 5개국어	네이티브 오디오
멀티샷 모드	미지원	스토리보드 모드 지원	미확인
제어 인터페이스	Motion Brush 3.0	텍스트 기반 자동화	텍스트 기반
목표 사용자	전문 영상 제작자	기업·스타트업	범용 크리에이터

실사 표현의 한계에서는 Veo 3.1과 Kling 3.0이 경쟁을 주도한다. Veo 3.1은 프롬프트 준수, 네이티브 오디오와 4K 출력에서 앞선다. Kling 3.0은 시네마틱 조명과 복잡한 모션에서 동등한 성능을 보이면서 멀티샷 스토리보드와 네이티브 오디오 싱크를 제공한다.

Runway Gen-4.5의 방향은 정밀 제어다. Motion Brush 3.0의 영역별 독립 모션 벡터, Act-Two 퍼포먼스 캡처, 카메라 경로 제어를 전문 제작 파이프라인에 연결한다. 제작자가 원하는 움직임을 직접 지정해 후반 작업(post-production) 의존도를 낮추려는 전략이다.

Kling 3.0은 통합 자동화에 가깝다. 텍스트 프롬프트 하나에서 영상과 오디오를 함께 생성하고 멀티샷 스토리보드 모드로 장면 사이의 일관성을 유지한다. 초당 $0.075부터 시작하는 API 비용은 기업 규모의 콘텐츠 생산에 유리하다.

영상 생성 시스템을 설계할 때 볼 구조

시간적 일관성(Temporal Consistency)은 영상 생성 모델의 기본 과제다. 확산 모델(Diffusion Model)은 각 프레임을 독립적으로 생성하려는 경향이 있다. Runway Gen-4.5는 이전 프레임을 컨텍스트로 참조하는 시간축 어텐션 레이어로 이 문제를 다룬다. 트랜스포머의 자기회귀 특성을 영상 영역에 적용한 사례다.

멀티모달 융합(Multimodal Fusion)에서는 Kling 3.0의 MVL 아키텍처가 텍스트·이미지·오디오·영상을 단일 잠재 공간(latent space)에서 처리한다. 모달리티마다 인코더를 따로 운영하고 후처리에서 결과를 결합하는 파이프라인보다 의미 정렬을 자연스럽게 만들 수 있다.

결과의 예측 가능성을 높이려면 명시적 조건(explicit conditioning)이 필요하다. Motion Brush는 공간 마스크와 모션 벡터를 명시적 조건으로 쓴다. 텍스트 기반 모델은 암묵적 조건(implicit conditioning)에 더 의존한다. 전자는 정밀하지만 사용자가 익혀야 할 것이 많고, 후자는 접근하기 쉽지만 결과를 예측하기 어렵다.

비용과 품질도 함께 봐야 한다. 기업이 총소유비용(TCO)을 계산할 때 Kling 3.0의 API 가격인 초당 $0.075-0.14는 대량 생성 시나리오에서 Runway Gen-4.5보다 명확한 원가 우위를 제공한다.

전문화되는 영상 AI 시장

ByteDance Seedance 2.0과 Alibaba ATH HappyHorse-1.0의 등장은 중국 빅테크가 영상 AI 시장에서 공세를 강화하고 있음을 보여준다. 아레나 상위권이 6개월 만에 두 차례 바뀐 것은 기술 발전 주기가 빠르게 짧아지고 있다는 신호다.

제어 인터페이스도 영상 편집 도구 쪽으로 이동하고 있다. Motion Brush 같은 공간 제어 방식은 Adobe Premiere, DaVinci Resolve 등과의 플러그인 통합을 통해 전문 제작자 시장을 겨냥할 것으로 예상된다.

Kling 3.0의 Omni 오디오와 Veo 3.1의 네이티브 오디오는 영상과 소리를 동시에 생성하는 기능이 표준으로 자리 잡는 방향을 제시한다. 텍스트 프롬프트 하나에서 완성된 영상 콘텐츠를 만드는 방식은 2026년 하반기 안에 업계 표준이 될 것으로 보인다.

가격 경쟁도 거세다. Kling 3.0은 초당 $0.075의 가격과 무료 티어를 제공해 시장 전반에 가격 하락 압력을 만들고 있다. Runway 역시 Pro 플랜 기준 월 $15 수준을 유지하며 접근성을 높이고 있다.

Runway Gen-4.5는 멀티 모션 벡터와 시간축 어텐션을 통해 원하는 장면을 세밀하게 통제하는 제작에 맞는다. Kling 3.0은 MVL 아키텍처 안에서 네이티브 4K 60fps와 5개국어 Omni 오디오를 제공하며 생성 효율을 우선한다. 경쟁의 기준은 이제 무엇을 생성할 수 있는지를 넘어, 결과를 얼마나 정확히 통제하고 어느 비용으로 반복 생산할 수 있는지로 이동했다. 2026년 하반기에는 Seedance 2.0과 HappyHorse-1.0 같은 신규 진입자의 도전으로 3강에서 다강 구도로 재편될 전망이다.