Quasa.io berichtet von 13 Clips in neun Testkategorien mit dem Basismodell grok-imagine-video. Die Ergebnisse zeigen brauchbare Einzelbeispiele, aber auch deutliche Schwächen bei genau getakteten Abläufen und kleinen Bilddetails. Die im Bericht genannten Testkosten sind von xAIs direkt gelisteten API-Preisen zu unterscheiden.
Was Quasa.io getestet hat
Der am 2. November 2026 veröffentlichte Bericht beschreibt Clips für ein fiktives Technik-Nachrichtenformat. Quasa.io testete unter anderem Text-zu-Video, die Animation eines Standbilds, eine gesprochene Moderation, eingeblendeten Text und mehrteilige Szenen. Die Beobachtungen beziehen sich auf diese 13 Clips mit dem Basismodell.
xAI beschreibt für grok-imagine-video die Erzeugung von Videos aus Text oder Bildern sowie das Bearbeiten und Verlängern von Videos. Für das Basismodell nennt die Dokumentation 480p und 720p sowie eine allgemeine Ausgabedauer von 1 bis 15 Sekunden. Beim Referenzbild-Modus gelten eigene Grenzen: xAI nennt bis zu sieben Referenzbilder und bis zu zehn Sekunden. xAIs Videoübersicht und die Dokumentation zu Referenzbildern beschreiben diese Funktionen.
Präzise Abläufe blieben eine Schwachstelle
Bei drei Varianten derselben Serverraum-Szene mit einer, fünf und zehn Sekunden Dauer folgte keiner der Clips der gewünschten Linkskurve. Quasa.io berichtet für diese Läufe Renderzeiten von 24, 54 und 54 Sekunden. In einem 720p-Vergleich dauerte die Erstellung 76 Sekunden; dieser Clip wirkte schärfer und war in der Stichprobe der einzige von vier Serverraum-Clips mit der gewünschten Linkskurve.
Auch eine genau vorgegebene Montage gelang nicht wie geplant: Ein Prompt für drei Einstellungen in einem zwölfsekündigen Clip führte nach 169 Sekunden zu einem Video, in dem die ersten beiden Einstellungen zu einer Bewegung verschmolzen. Der Übergang zur letzten Einstellung war eine Überblendung statt eines harten Schnitts.
In einer Szene mit sieben Anweisungen wertete Quasa.io fünf als klar erfüllt, eine als teilweise erfüllt und eine als verfehlt. Das Modell platzierte eine rote Kugel zwischen zwei Würfeln statt links davon und änderte den Zustand einer Lampe, bevor die gewünschte Bewegung abgeschlossen war. Bei weiteren Aufgaben endete ein Glas trotz einer Pfütze nur zu etwa 85 Prozent gefüllt; in einer Drohnenszene stimmten Papiermenge und Pflanzenbewegung nicht mit der Vorgabe überein.
Quasa.io nennt 54 Sekunden als mittlere Renderzeit; acht der 13 Clips dauerten 54 bis 56 Sekunden. Ein einzelner längerer Clip brauchte jedoch 169 Sekunden. Diese Werte beschreiben die berichteten Läufe.
Referenzbilder, Sprache und Schrift
Bei der Animation eines Standbilds blieb die sichtbare Rückseite eines fiktiven Smartphones samt Gravur erkennbar. Die nicht sichtbare Vorderseite erfand das Modell. Eine zweite Referenz übertrug neben dem gewünschten Stil auch Elemente ihres Hintergrunds; außerdem verschob sich der Grünton des Telefons in Richtung Mint.
In einem sechssekündigen Moderationsclip gab eine Spracherkennung den vorgegebenen Text laut Quasa.io korrekt wieder. Der Bericht bewertet auch die Lippenbewegungen bei normaler Wiedergabegeschwindigkeit als passend. Eine große Schlagzeile, „CHIP PRICES FALL 12%“, erschien korrekt, während kleine Tastaturbeschriftungen fehlerhaft oder an falscher Stelle auftauchten. Quasa.io beschreibt zudem unerwünschte fruchtförmige Logos auf einem Laptop in mehr als einem Testclip.
Testkosten und xAIs direkte API-Preise
Quasa.io beziffert die Videokosten seiner 13 Clips auf 3,02 US-Dollar. Für seine Testläufe nennt der Bericht außerdem Stückpreise pro Sekunde und Referenzbild. xAIs Preisseite, zuletzt am 10. Oktober 2026 aktualisiert, führt eigene Direktpreise in US-Dollar auf. Die Angaben stehen für unterschiedliche Preislisten.
| Abrechnungseinheit | Für den Test von Quasa.io berichteter Satz | Von xAI gelisteter Direktpreis |
| Video in 480p, je Sekunde | 0,036 US-Dollar | 0,05 US-Dollar |
| Video in 720p, je Sekunde | 0,0504 US-Dollar | 0,07 US-Dollar |
| Referenzbild | 0,0014 US-Dollar | 0,002 US-Dollar |
Bei xAIs gelistetem Direktpreis kostet ein fünfsekündiger 480p-Clip rechnerisch 0,25 US-Dollar; ein 15-sekündiger 720p-Clip kostet 1,05 US-Dollar. xAIs Preisliste weist diese Beträge als Preise pro Sekunde beziehungsweise pro Eingabebild aus. Quasa.ios Testsumme von 3,02 US-Dollar ist der im Bericht genannte Betrag für dessen Videoläufe.
Für welche Clips der Einsatz naheliegt
Die Ergebnisse sprechen eher für kurze Szenen oder Bildanimationen als Ausgangsmaterial, das anschließend geprüft und bearbeitet wird, als für fertige Clips mit exakt choreografierten Bewegungen und Schnitten. Kleine Schrift, Markenzeichen und Einzelheiten der Bildhandlung sollten in den berichteten Beispielen ebenfalls kontrolliert werden.
