[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"news-e8ad36b6-ec3c-4c90-8fbc-bf1e6807ae34":3},{"id":4,"title":5,"summary":6,"original_url":7,"source_id":8,"tags":9,"published_at":23,"created_at":24,"modified_at":25,"is_published":26,"publish_type":27,"image_url":13,"view_count":28},"e8ad36b6-ec3c-4c90-8fbc-bf1e6807ae34","xAI Grok Imagine Video 1.5：单图生视频登顶 Arena榜首，自回归 MoE 改写视频生成规则","xAI 于 5 月 31 日以 API 预览形式上线 Grok Imagine Video 1.5。短短数日，这款模型在 Artificial Analysis 的 Image-to-Video Arena 720p 榜上以 1473 Elo 直接登顶——比上一代 Grok Imagine Video（1421）高 52 分，跨过字节跳动 Seedance 2.0（1467）和 Google Veo 3.1（1397）。对 xAI 而言，这是一次不在媒体头版、却把生成式视频的工程边界往前推了一截的发布。\n\n**架构是这次的真正变量。** 模型内部代号 Aurora，采用自回归 Mixture of Experts（MoE）路线——与当前主流的扩散路线分道扬镳，以\"逐帧生成\"做时序延展，而非一次性去噪整段视频。xAI 在 Colossus 超算上用 11 万张 GB200 完成训练，2025 年 3 月收购的 Hotshot 视频团队贡献了关键能力。技术规格上，输出 480p\u002F720p，固定 24 FPS，单段 6~15 秒，定价 0.08~0.14 美元\u002F秒，比 Runway Gen-4、Kling 2.x、Veo 3.1 同档位低一个数量级。\n\n**真正改变工作流的是\"原生同帧音频\"。** 1.5 把语音、效果音、环境音和配乐放进同一次前向推理，环境音会跟随画面物体的空间位置变化。配合 0.01 美元\u002F张的图像输入和\"多镜头分镜\"拼接能力，广告团队拿到的是一条从静帧素材直接到带声短片的工业化链路——单条 6 秒 720p 视频约 0.85 美元含图与音。\n\n需提醒的是，当前 preview 仅支持 image-to-video，不支持 T2V、剪辑或多图编辑；X Premium 端全面开放仍在进行中。\n\n**评论：** Grok Imagine 1.5 的意义不在\"AI 视频又多一个选手\"，而在于它把生成式视频的隐形成本曲线向下砸穿——0.85 美元\u002F段、零后期音频、自回归 MoE 在时序一致性上的天然优势，三者叠加意味着\"动态广告素材\"第一次具备工业级铺开的可能。下一步要看 Aurora 能否在分钟级长时序下保持一致，以及 xAI 是否把 T2V 合并进同一推理端点。","https:\u002F\u002Fx.ai\u002Fnews\u002Fgrok-imagine-1-5","b82e17a3-1dbd-4b5d-88dc-9f518f917cc0",[10,14,17,20],{"id":11,"name":12,"slug":12,"description":13,"color":13},"7e89b5cc-57db-4f37-bc6d-28919a73931c","model-release",null,{"id":15,"name":16,"slug":16,"description":13,"color":13},"499f4b56-819d-49a3-9609-33e775143b86","multimodal",{"id":18,"name":19,"slug":19,"description":13,"color":13},"b1853a5a-d940-42b7-94f9-0488ee3f2cf7","new-model",{"id":21,"name":22,"slug":22,"description":13,"color":13},"ebe5dcd1-46b1-4298-b8c2-8e0e2f456e56","video-generation","2026-06-07T08:00:00Z","2026-06-07T08:09:54.184313Z","2026-06-07T08:09:54.184322Z",true,"agent",3]