SpaceXAI: Grok Imagine Video
x-ai/grok-imagine-video
Grok Imagine Video is SpaceXAI's fast, text-, image-, and reference-conditioned video generation model. It produces short videos (1–15 seconds, 24 fps) at 480p or 720p across seven aspect ratios - 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, and 2:3.
The model supports three generation modes: text-to-video from a prompt alone, image-to-video that animates a still input, and reference-to-video that grounds the output in up to seven reference images for consistent characters, styles, or settings.
Resumo de exemplos de saídas de SpaceXAI: Grok Imagine Video
Área de testes
Avaliações de desempenho
Pontuações em avaliações padronizadas e as próprias saídas deste modelo para prompts compartilhados de testes de desempenho. Porcentagens maiores são melhores — e cada posição mostra onde este modelo fica entre os modelos avaliados naquela fonte.
| Fonte | Avaliação comparativa | Pontuação |
|---|---|---|
| Artificial Analysis | grok-imagine-video Elo | 1.328 |
Resumo das saídas de avaliações de desempenho de SpaceXAI: Grok Imagine Video
- Traffic light: A fixed camera on a single traffic light against a plain grey sky. The light starts red, changes to green, and then changes to amber, in that exact order, each colour holding for a clearly visible moment. No other objects, no camera movement, no cuts. (27º de 28 neste prompt)
- Five candles: A fixed straight-on shot of five lit candles in a row on a dark table. The candles go out one at a time from left to right until all five are out. No hand or person visible, no camera movement, no cuts. (Empatado na posição 17º de 28 neste prompt)
- Wrong-way escalator: A fixed shot of an empty upward-moving escalator. A single red rubber ball bounces down the escalator steps from top to bottom, against the direction of the escalator's movement, and exits the frame at the bottom. No people, no cuts. (Empatado na posição 1º de 28 neste prompt)
- Frozen crowd: A busy pedestrian plaza in daylight where every single person stands perfectly still like a statue for the entire clip. Only the flags on the buildings move in the wind. No person moves at all, not even slightly. Fixed camera, no cuts. (Empatado na posição 4º de 28 neste prompt)
- Sign stays readable: A slow steady dolly toward a shop window sign reading exactly "OPEN 7 DAYS - COFFEE & BAGELS - EST. 2003". The text stays sharp, correctly spelled and unchanged for the whole clip as the camera approaches. No other text in the frame. (Empatado na posição 1º de 28 neste prompt)
- Glass of water: A fixed close shot of a full glass of water on a wooden table. A rolling orange bumps into the glass. The glass tips over away from the camera, water spills across the table and spreads outward, and the empty glass rolls slightly and comes to rest. No hands, no cuts. (Empatado na posição 3º de 28 neste prompt)
- Domino run: A fixed side-on shot of exactly eight upright black dominoes in a straight evenly spaced row on a white surface. The leftmost domino tips right and the whole row falls in a single left-to-right chain until all eight are flat. No hands after the start, no cuts. (Empatado na posição 7º de 28 neste prompt)
- Mirror walk: A fixed shot of a large wall mirror in a bright dance studio. A man in a green t-shirt walks from left to right in front of the mirror. His reflection matches his movement exactly, mirrored, for the entire clip. No cuts. (Empatado na posição 4º de 28 neste prompt)
- Behind the pillar: A fixed camera on a wide walkway with a single thick concrete pillar in the middle. A woman in a yellow raincoat walks at a steady pace from the left edge to the right edge, passing behind the pillar. She is briefly hidden, then reappears on the other side wearing exactly the same clothes, and exits frame right. No cuts. (Empatado na posição 1º de 28 neste prompt)
- Steaming mug: Thin steam rises from the coffee and drifts slowly to the right. Everything else holds still: the mug and its painted design, the table, the background, the lighting and the framing stay exactly as in the reference. Static camera. No cuts. (Empatado na posição 25º de 27 neste prompt)
- Walk out: The person from the reference turns and walks out of the frame to the right. Their face, hair and clothing stay exactly as in the reference until they exit. The background does not change. No cuts. (Empatado na posição 1º de 26 neste prompt)
- Continuous shot: A single continuous shot, no cuts, orbiting exactly once, slowly, around a stone statue of a horse in an empty courtyard. The statue stays centred the whole time and the camera ends where it started. Nothing else enters the frame. (Empatado na posição 20º de 28 neste prompt)
Provedores
Este modelo é hospedado por um provedor. O OpenRouter encaminha todas as solicitações sem roteamento.
| US$ 0,05 | US$ 0,002 | 43,31s | 5,5 s/min |
- Saída US$ 0,05 / Entrada de imagem US$ 0,00243,31s de latência100,00% de disponibilidade
Desempenho
O tempo de geração é o tempo que um vídeo leva do envio à conclusão (quanto menor, melhor). A velocidade corresponde aos segundos de vídeo gerados por minuto de tempo de geração (quanto maior, melhor).
P50, melhor provedor
P50, melhor entre os provedores
Disponibilidade
A disponibilidade é a porcentagem dos últimos 3 dias em que pelo menos um provedor estava respondendo às solicitações. A disponibilidade é a porcentagem de tempo em que a inferência foi realizada com sucesso. O OpenRouter monitora continuamente e usa o próximo melhor provedor quando um deles retorna um erro.
Disponibilidade nos últimos 3 dias
Últimas 72 horasDisponibilidade nas últimas 24 horas
Quando ocorre um erro em um provedor upstream, podemos nos recuperar roteando para outro provedor saudável, se os filtros da sua solicitação permitirem. Você pode acessar os dados de disponibilidade por provedor de forma programática pela API de endpoints. Saiba mais sobre nossas opções de balanceamento de carga e roteamento de provedores.
Aplicativos
Aplicativos públicos que enviam mais tráfego para este modelo. Um bom indicador de como são as cargas de trabalho reais em produção — e uma pista sobre os casos de uso para os quais este modelo é mais adequado.
Nenhum dado disponível para o gráfico
Atividade
Volume de tokens e tráfego de requisições para este modelo ao longo do tempo.
API
Código pronto para chamar este modelo. A API do OpenRouter é compatível com a OpenAI — a maioria dos SDKs funciona apenas trocando a URL base. A única coisa que muda entre os modelos é o slug do modelo abaixo.
Atualmente indisponível por meio do roteamento intrarregional da UE. Documentação de roteamento na região
Documentação
Guias, receitas práticas, publicações de blog e ferramentas para desenvolver com SpaceXAI: Grok Imagine Video na OpenRouter.
Perguntas frequentes
Grok Imagine Video is SpaceXAI's fast, text-, image-, and reference-conditioned video generation model. It produces short videos (1–15 seconds, 24 fps) at 480p or 720p across seven aspect ratios - 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, and 2:3.
A documentação de Grok Imagine Video no OpenRouter inclui a publicação Best Image-to-Video AI Models in 2026: Cost, Resolution, and Control no blog. O guia de início rápido aborda chaves de API e sua primeira requisição, e a referência da API lista todos os parâmetros.
Grok Imagine Video custa de US$ 0,05/second em 480p a US$ 0,07/second em 720p por Video Output e US$ 0,002/image por Image Input.
Grok Imagine Video gera vídeo em 480p e 720p, aceita clipes de 1–15 segundos, abrange as proporções de imagem 16:9, 9:16, 1:1, 4:3, 3:4, 3:2 e mais 1 e pode ser orientado com uma imagem first frame.
Grok Imagine Video aceita texto e imagens como entrada e retorna vídeo.
Grok Imagine Video é servido por 1 provedor no OpenRouter: SpaceXAI.
Grok Imagine Video 1.5 Lite e Grok Imagine Video 1.5 são outros modelos de vídeo de SpaceXAI.
Grok Imagine Video foi lançado em 18 de maio de 2026.