xAIが「Grok Imagine Video 1.5」を一般公開、Soraより86％安く首位獲得

AI動画生成の現場で最大の壁となってきたのは、表現力そのものよりも過酷な計算コストでした。OpenAIが採算性を理由にSoraの一般向けアプリを停止してから約2カ月、xAIがこの市場に強烈な価格破壊を仕掛けてきました。

6月18日の報道によると、xAIは動画生成モデル「Grok Imagine Video 1.5」をAPI、Web版grok.com、iOSおよびAndroidアプリ向けに正式公開しました。本モデルはブラインド比較による「Image-to-Video Arena」のリーダーボードで前バージョンから52 Eloポイント伸ばし、Sora 2やGoogleのVeo 3.1、Klingを抑えて首位を獲得。さらに720p動画のAPI価格を1秒あたり0.14ドルに設定し、Sora 2 Pro比で約86％という破格の安さを打ち出しました。

LLMのように動画を一コマずつ紡ぐ「Aurora」

Grok 1.5が高い評価を得ている理由は、基盤となる自己回帰型MoE（混合エキスパート）エンジン「Aurora」にあります。

RunwayやSoraなどの拡散モデルが全フレームのノイズを同時に除去しながら映像を作るのに対し、Auroraは大規模言語モデルが文章を生成するように、直前の全フレームを参照しながら1フレームずつ順番に生成していきます。この仕組みにより、カメラワークの軌道や被写体の位置関係、光の当たり方がクリップ全体を通じて極めて安定し、従来のAI動画特有の不自然な歪みが大幅に抑えられています。

また、音声が動画と同一の推論パスで同時に生成される点も大きな特徴です。環境音や効果音、口の動きに合わせたセリフまで一括で出力されるため、後から音声生成ツールを挟む手間が省けます。あわせて提供される「Video 1.5 Fast」では、6秒の720p動画を約25秒で生成でき、従来モデルより約40％高速化されています。

圧倒的な安さと「720p」の壁

商用利用におけるコスト差は歴然です。720pで1分あたり4.20ドルという価格設定は、月間100分の動画を生成する制作会社の場合、Sora 2 Proと比べて約2580ドル、Veo 3.1 Qualityと比べても約1980ドルのコスト削減につながります。コンシューマー向けにも月額30ドルのSuperGrokプランや無料枠が用意されています。

一方で、この自己回帰アーキテクチャは明確な制限も抱えています。それが「最大720p」という解像度の上限です。1080pに引き上げるとフレームあたりのトークン数が約2.25倍に跳ね上がり、並列処理が難しい自己回帰の計算チェーンが極端に重くなってしまいます。そのため、1回の生成上限は15秒にとどまり、フレーム延長を繰り返すと画質劣化が見られるなど、放送規格向けの用途にはまだ制約が残ります。過去に起きた不適切画像生成問題に伴う規制当局の監視も、運用上の留意点と言えます。

なぜ重要か

クリエイターや個人開発者にとって、今回のGrok 1.5はAI動画を実務ワークフローに組み込む強力な後押しになります。フルHDが必須でないSNS投稿やプロトタイプ制作、絵コンテ作成において、ネイティブ音声付きの動画をこの低価格で試せる価値は非常に高いと言えます。

業界全体にとっても、OpenAIがSoraの一般提供から退きAPI廃止へ向かうタイミングで首位級モデルが格安投入された影響は甚大です。Googleなどの競合各社は、価格体系や提供モデルの見直しを迫られる可能性が高まっています。

私たちは、xAIが極めて現実的な割り切りを行ったと評価しています。無理に高解像度を追うのではなく、自己回帰による「動きの安定性」と「音声同期」という実用上の強みに絞り、圧倒的な低価格で普及を狙うアプローチは、AI動画の商業利用を一気に加速させる一手になりそうです。