xAI 上线 Grok Imagine Video 1.5：登顶视频榜首，价格比 Sora 低 86%

AI 视频赛道打到现在，很多团队最大的痛点早就不是「能不能做出一秒惊艳的画面」，而是钱包扛不住。就在 OpenAI 两个月前因为算力成本太高直接砍掉 Sora 消费级应用、业内还在算账的时候，xAI 突然把价格战的油门踩到底了。

6 月 18 日消息，xAI 宣布将视频生成模型 Grok Imagine Video 1.5 正式推向全面商用，全量上线网页端 grok.com、移动端应用以及 Imagine API。更让同行坐立难安的是两组数字：它在第三方图生视频竞技场（Image-to-Video Arena）上以 52 分的单版本 Elo 暴涨跃居榜首，超越了 Sora 2、Google Veo 3.1 和 Kling；而在价格上，720p 视频每秒只要 0.14 美元，比当年 Sora 2 Pro 的价格直接砍掉了大约 86%。

像大模型写字一样生成视频

为什么 Grok 1.5 能在盲测里把对手甩在后面？核心在于它底下那套叫 Aurora 的架构。

市面上大部分主流视频模型（比如 Runway、Kling 和此前的 Sora）走的大多是扩散路线，简单说就是一口气铺开所有帧，从噪点里一步步把画面洗出来。Aurora 不一样，它是一个自回归的混合专家（MoE）引擎。说白了，它生成视频的逻辑跟大语言模型吐字一模一样：一帧一帧按顺序往后推，每一帧都要看着前面所有的历史帧。

这种机制的聪明之处在于连续性。从第一帧开始的一个镜头平移，到了第六十帧依然能稳稳咬住轨迹，主体不会走样，光影也不会突然飘忽。以前 AI 视频最容易出现的画面抽搐、背景变形，在这个架构下被大幅压缩了。

此外，Grok 1.5 还把音画同步做成了「一步到位」。环境音、音效甚至对嘴型的对白，都在生成视频的同一次推理中完成，省去了创作者后期自己去配音轨的麻烦。针对追求速度的交互场景，xAI 还同步推出了 Video 1.5 Fast 版本，生成一段 6 秒的 720p 视频大概只要 25 秒，比上一代快了约 40%。

便宜是真便宜，但短板也刻在架构里

在商业账本上，xAI 这次算得极其凶狠。Grok Imagine Video 1.5 的 API 价格是 480p 每秒 0.08 美元、720p 每秒 0.14 美元（折合每分钟 4.20 美元）。相比之下，Sora 2 Pro 之前每秒要 0.50 美元，Google 的 Veo 3.1 Quality 模式每分钟也要 24 美元。

如果一家中型创意工作室每个月需要生成 100 分钟视频，切换到 Grok 720p API，相比 Sora 2 Pro 每月能省下约 2580 美元，相比 Veo 3.1 Quality 也能省下约 1980 美元。即使不接 API，普通用户在网页端也有免费额度，每月 30 美元的 SuperGrok 会员则能获得更高额度。

但天下没有免费的午餐，Aurora 架构的代价同样写在脸上——它被硬生生卡在了 720p。

自回归模型是一帧一帧串行计算的。如果分辨率从 720p 提到 1080p，每一帧的像素 token 会翻 2.25 倍，这些 token 必须一个接一个排队算，没法像扩散模型那样靠并行计算摊平开销。所以尽管 Sora 2 Pro 和 Seedance 2.0 都能输出 1080p，Grok 目前只能止步 720p。单次最长 15 秒、接续延长两三次后画质明显下降，以及固定的 24fps 帧率，也是现阶段绕不开的限制。

更别提 xAI 还在背着安全包袱。去年底到今年初，Grok 曾因生成非自愿色情图像引发多国监管审查与诉讼，虽然目前加上了付费门槛和过滤网，但内容风控始终是一柄悬在头顶的剑。

为什么重要

对开发者和中小内容团队来说，Grok Imagine Video 1.5 是一个非常实惠的转折点。虽然 720p 和 15 秒上限暂时做不了院线或高端商业交付，但做社媒短视频、动态故事板、概念原型已经绰绰有余。更重要的是它自带同步音频，省掉了外接音频模型的工具链和账单，大幅降低了自动化视频流的搭建门槛。

对整个行业而言，xAI 这一手彻底击碎了头部模型高昂的算力溢价。在 OpenAI 关停 Sora 消费端、把 API 列入弃用轨道的大背景下，xAI 用极具杀伤力的定价迅速填补了生态真空。这直接给 Google、快手等选手施加了巨大的定价压力：如果 720p 级别的内容能用白菜价批量生产，居高不下的视频生成单价就很难再维持下去。

我们认为，xAI 这次的产品策略相当精明。它没有死磕好莱坞级别的高清渲染，而是用自回归架构抓住「镜头稳定」和「音画同步」这两个普通人最容易感知的体验，同时通过压低分辨率守住成本底线。这种刀法精准的妥协，看起来正是当前 AI 视频跑通商业化最急需的解法。