xAI 发布 Grok Imagine 1.0：支持 720p 与 10 秒视频生成

AI 生成视频这一仗打到现在，各家都在卷电影级质感和长镜头，结果 xAI 突然扔出一颗价格炸弹，顺手把月生成量刷到了十亿级别。

xAI 正式推出了 Grok Imagine 1.0，并同步上线了 Grok Imagine API。官方数据显示，光是过去 30 天，Imagine 就已经生成了 12.45 亿段视频。

马斯克更是发文声称，Grok Imagine 现在生成的图片和视频数量，比其他所有竞争对手加起来还要多。

价格打到骨折，榜单冲到前排

新模型一露面，就在基准测试机构 Artificial Analysis 的排行榜上拿下了文本生成视频和图像生成视频的双料第一。在 Arena 的 Video Arena 榜单里，它也仅次于 Veo 3 和 Sora Pro。

在规格上，官方表示 Imagine 1.0 支持 720p 分辨率、10 秒视频以及大幅提升的音频质量。而面向开发者的 API 则支持文生视频、图生视频，以及最长 15 秒的片段生成，并且直接内嵌了原生音频。

最刺眼的是定价。Grok Imagine API 的价格定在每分钟 4.20 美元，而且这个价格已经包含了音频生成。

对比一下同类产品，Google 的 Veo 3.1 报价每分钟 12 美元，OpenAI 的 Sora 2 Pro 则是每分钟 30 美元。换句话说，xAI 几乎是以对手几分之一甚至七分之一的成本在卖。

换物体换背景，要做可控编辑

除了单纯从零生成，这次随 API 推出的还有一套视频编辑工具箱。

用户可以直接在视频中替换特定物体，或者给整个场景换一套美术风格。它还支持让角色根据指定的动作来进行自定义表演，甚至一条指令就能切换整个画面所处的环境。

这意味着它不想只做一个听天由命的开盲盒玩具，而是试图把视频生成的控制权交还给工作流。

为什么重要

这一步走得相当精明，xAI 显然没打算在单纯的单帧画质巅峰上死磕，而是选择用低价和高吞吐量先抢占创作者的日常工作流。

每分钟 4.20 美元加上自带音频，极大地拉低了批量跑素材的门槛。对于独立创作者和小型团队来说，以前用 Sora 或 Veo 跑几版废稿可能就心疼得不行，现在完全可以把 Imagine 当成草稿纸和批量迭代的流水线。

我们认为，这对整个行业是一次直接的价格施压。视频生成技术走到今天，技术差距正在被迅速拉平，当排名前列的模型价格差出三到七倍时，哪怕 Google 和 OpenAI 有更好的品牌号召力，也不得不重新思考自己的定价策略。

不过隐患也同样摆在眼前。720p 的分辨率在当下只能算勉强够用，如果是面向高端商业广告或影视级交付，清晰度依然是硬伤。此外，10 到 15 秒的片段离真正的故事化创作还有距离。但看起来，在把视频生成从奢侈品变成日用品这条路上，xAI 已经抢先跑出了极具侵略性的一步。