Grok Imagine Video ha prodotto clip d’atmosfera convincenti in alcuni esempi, ma ha faticato a rispettare l’ordine preciso delle azioni e i dettagli secondari. È il quadro emerso dai 13 clip del modello base grok-imagine-video descritti da Quasa.io in un test pubblicato il 2 novembre 2026: risultati utili per valutare il potenziale, non una garanzia sulle prestazioni di ogni clip.
Che cosa ha provato Quasa.io
Quasa.io ha descritto 13 clip distribuiti in nove categorie, pensati per un ipotetico notiziario tecnologico. La prova comprendeva filmati generati da testo, animazioni a partire da immagini, una presentatrice con battuta recitata, titoli in sovrimpressione e modifiche a un video. Tutti i 13 clip sono stati completati al primo tentativo.
Il test riguardava il modello base. La documentazione di xAI descrive per grok-imagine-video la generazione da testo e immagini, oltre alla modifica e all’estensione di video. Indica risoluzioni di 480p e 720p e, in generale, clip da 1 a 15 secondi. Per la generazione da immagini di riferimento, la specifica dedicata di xAI indica fino a sette immagini e una durata massima di 10 secondi per il modello base.
Atmosfera riuscita, azioni meno prevedibili
Nelle prove di una sala server, la versione a 720p è risultata più nitida di quella a 480p. Ma nessuna delle tre durate provate a 480p ha rispettato la svolta a sinistra richiesta; l’unico clip che l’ha eseguita correttamente era un campione a 720p. Quasa.io ha misurato 54 secondi di rendering per il clip a 480p da cinque secondi e 76 per quello a 720p. Sono tempi registrati in quelle prove, non una previsione per ogni richiesta.
La sequenza con tre inquadrature da quattro secondi, per un totale di 12 secondi, ha richiesto 169 secondi. Le prime due inquadrature si sono fuse in un unico movimento e il passaggio finale è stato una dissolvenza, anziché il taglio netto richiesto. In una scena con sette istruzioni, Quasa.io ha valutato cinque passaggi come corretti, uno come parziale e uno come errore: la sfera rossa è finita tra due cubi invece che alla loro sinistra, e la lampada è cambiata prima che l’azione fosse terminata.
Anche alcune scene con azioni fisiche hanno perso coerenza. In una prova con acqua, il bicchiere è terminato pieno per circa l’85% mentre compariva una pozzanghera. In un’altra, con un drone, il numero di fogli visibili è cambiato e le foglie della pianta non si sono mosse come richiesto. Questi esempi rendono la generazione meno adatta a sequenze in cui posizione, ordine e continuità devono essere esatti.
Immagini, voce e testo sullo schermo
Un telefono fittizio animato da un’immagine statica ha mantenuto riconoscibili il retro e il nome inciso, ma il modello ha inventato il lato dello schermo, che non compariva nell’immagine. Aggiungendo una seconda immagine di riferimento, il trattamento al neon è passato alla scena insieme a elementi dell’ambientazione; il verde salvia del telefono è diventato più simile alla menta.
In un clip di sei secondi, il riconoscimento automatico del parlato ha restituito la battuta richiesta, compreso il valore «12%»; Quasa.io ha giudicato sincronizzato il movimento delle labbra a velocità normale. Anche un titolo grande è apparso correttamente in un campione. I testi piccoli sulle legende di una tastiera, invece, sono risultati errati o spostati. In più di una prova è comparso sul laptop un marchio a forma di frutto non richiesto.
Il campione offre quindi indicazioni diverse a seconda del compito: atmosfera visiva, una battuta breve e un titolo grande hanno dato esiti utili in alcuni clip; sequenze rigorose, dettagli minuti e continuità fisica hanno richiesto più cautela. Per materiale destinato a un notiziario, i particolari che identificano un prodotto o comunicano un dato vanno controllati con attenzione.
Quanto costa: il conto del test e le tariffe dirette di xAI
Quasa.io ha riferito un costo di 3,02 $ per i video della prova e 0,006 $ per due immagini statiche. Per le singole attività ha riportato tariffe di 0,036 $ al secondo a 480p, 0,0504 $ al secondo a 720p e 0,0014 $ per immagine di riferimento.
La pagina dei prezzi API di xAI, aggiornata il 10 ottobre 2026, elenca per il modello base tariffe dirette di 0,05 $ al secondo a 480p, 0,07 $ al secondo a 720p e 0,002 $ per immagine in ingresso. Sono basi di prezzo distinte: il totale riportato da Quasa.io riguarda le attività del suo test, mentre i valori di xAI sono le tariffe pubblicate per l’API diretta.
| Unità di fatturazione | Tariffa riportata da Quasa.io | Tariffa diretta pubblicata da xAI |
| Video a 480p, per secondo | 0,036 $ | 0,05 $ |
| Video a 720p, per secondo | 0,0504 $ | 0,07 $ |
| Immagine di riferimento, per immagine | 0,0014 $ | 0,002 $ |
Applicando le tariffe pubblicate da xAI, un clip di cinque secondi a 480p costa 0,25 $; uno di 15 secondi a 720p costa 1,05 $. Sono calcoli sul listino diretto, non una rielaborazione del conto del test.
Il verdetto sul modello base
Per brevi filmati di raccordo, un titolo evidente o una semplice animazione da immagine, i risultati descritti da Quasa.io mostrano possibilità interessanti. Quando il clip deve rispettare una coreografia precisa, mantenere dettagli leggibili o conservare la continuità di una scena fisica, gli esempi del test sono meno convincenti.
La distinzione fra versioni conta: la valutazione riguarda grok-imagine-video, non Grok Imagine Video 1.5. xAI presenta 1.5 come una variante separata con generazione nativa a 1080p e funzioni di riferimento e voce; i risultati riportati per il modello base non descrivono quelle capacità.
