Puesto #3 Generación de Vídeo — Hollywood en un Cuadro de Texto
xAI

Grok Imagine Video 1.5

El modelo de vídeo de xAI acaba de arrebatar la corona en pruebas ciegas de Image-to-Video — rápido, barato y asombrosamente bueno convirtiendo prompts o imágenes en clips coherentes a 720p con audio nativo. Imagina un laboratorio creativo a toda velocidad que le planta cara a Hollywood.

Actualizado 16 de junio de 2026 Image-to-VideoText-to-VideoNative Audio
Ideal para

El modelo de vídeo de xAI acaba de arrebatar la corona en pruebas ciegas de Image-to-Video — rápido, barato y asombrosamente bueno convirtiendo prompts o imágenes en clips coherentes a 720p con audio nativo. Imagina un laboratorio creativo a toda velocidad que le planta cara a Hollywood.

Por qué gana

#1 en el leaderboard Arena.ai Image-to-Video (1,473 Elo, +52 pts sobre v1.0). Genera vídeo 480p/720p a partir de texto, imagen y edición de vídeo con audio nativo a $0.06–$0.08 por segundo — un 65–80 % más barato que Seedance o Sora a calidad comparable. Velocidad excelente: 5–30 segundos por clip.

Ten en cuenta

Limitado a 720p/24fps con un máximo de 15 segundos — sin 4K, sin storyboarding multi-toma. La moderación de contenido agresiva bloquea incluso prompts completamente inofensivos. Aún en Preview; la limitación dinámica puede restringir las generaciones en horas pico.

01

Lo que realmente es

Grok Imagine Video 1.5 de xAI es lo que ocurre cuando lanzas 110.000 GPUs al problema de hacer que la generación de vídeo sea rápida, barata y realmente buena. Lanzado discretamente el 31 de mayo de 2026 como Preview, inmediatamente se catapultó a la cima del leaderboard Image-to-Video de Arena.ai — la prueba de sabor a ciegas que más importa — derrotando a Seedance 2.0, Veo 3.1 y a todos los demás contendientes en votaciones de preferencia humana directa.

El modelo funciona sobre el motor autoregresivo Aurora de xAI y soporta tres modos principales: text-to-video, image-to-video (su punto más fuerte) y generación condicionada por referencia para mantener la consistencia visual. El audio nativo no está pegado con cinta adhesiva — está integrado de fábrica, generando diálogos con lip-sync, paisajes sonoros ambientales y música en el mismo forward pass que los visuales. La versión 1.5 mejoró específicamente la naturalidad de los diálogos y la integración del audio de fondo respecto al lanzamiento 1.0.

Pero el titular de verdad es el precio: a $0.06–$0.08 por segundo, Grok Imagine Video 1.5 cuesta una fracción de lo que cobran Seedance ($0.30+/s) o Sora 2 Pro ($0.70/s) — y el audio viene incluido. Para creadores que necesitan iterar rápido y producir en volumen, las cuentas son irresistibles. El acceso está disponible a través de la API de xAI, el chatbot Grok (niveles SuperGrok desde $10–$300/mes) y plataformas de terceros como Fal.ai, Replicate y OpenRouter.

02

Puntos fuertes y límites honestos

Puntos fuertes

  • #1 en Arena.ai Image-to-Video: Lidera el leaderboard de pruebas ciegas comunitarias más relevante con 1,473 Elo de más de 5.500 votos — por poco delante de Seedance 2.0 (1,467) y muy por encima de las variantes de Veo 3.1. El modelo que la gente elige cuando no puede ver la etiqueta.
  • Generación de audio nativa: Produce diálogos sincronizados con lip-sync preciso, sonidos ambientales, música y efectos de sonido en el mismo pase de generación. La versión 1.5 mejoró la naturalidad respecto a la 1.0 con mejor integración de música de fondo.
  • Mejor relación precio/rendimiento: A $0.06–$0.08 por segundo ($3.60–$4.80/min), es dramáticamente más barato que Seedance ($0.30+/s), Sora 2 Pro ($0.70/s) y competitivo con Kling — incluyendo audio nativo sin coste adicional.
  • Velocidad de generación fulminante: Los clips se renderizan en 5–30 segundos según la complejidad, ideal para iteración creativa rápida. Construido sobre el motor Aurora de xAI ejecutándose en 110.000 GPUs NVIDIA GB200.
  • Integración con la plataforma X: Está integrado de forma nativa en X (antes Twitter), lo que permite generar y compartir contenido dentro del mismo ecosistema.
  • Paso de audio/video integrado: La versión 2.0 presenta una mejora de velocidad significativa y procesa video y audio de forma nativa en un solo paso para obtener resultados más coherentes.

Limitaciones honestas

  • Techo de 720p: La resolución máxima de salida es 720p a 24fps — donde Kling 3.0 ofrece 4K a 60fps. Suficiente para redes sociales y prototipado, pero insuficiente para producción cinematográfica.
  • Solo clips cortos: Duración máxima de 6–15 segundos. Sin storyboarding multi-toma ni secuenciación de escenas — cada generación es independiente. Las narrativas más largas requieren ensamblaje manual.
  • Moderación de contenido agresiva: Incluso prompts claramente inofensivos a veces activan los filtros de contenido. Los creadores profesionales reportan frustración por la aplicación inconsistente.
  • Exclusividad de la plataforma X: En la versión 2.0 desapareció el acceso mediante API de terceros. Grok Imagine Video solo está disponible en X, ya no a través de Fal, Replicate u otras plataformas para desarrolladores.
  • Limitaciones del Preview: La limitación dinámica reduce los límites de generación durante picos de demanda. Los costes de créditos han aumentado desde el lanzamiento. La economía de la plataforma sigue evolucionando.
03

Resumen de Benchmarks

Arena.ai Image-to-Video — #1 (1,473 Elo)

Lidera el leaderboard más relevante de preferencia humana ciega con más de 5.500 votos. Superó a Seedance 2.0 por 6 puntos Elo y a la versión anterior de Grok por 52 puntos. El estándar de oro para la preferencia del mundo real.

Velocidad de generación — 5–30 segundos

Entre los modelos de vídeo frontier más rápidos. Impulsado por el motor autoregresivo Aurora de xAI sobre 110K GPUs GB200. Permite una iteración creativa rápida que los modelos más lentos no pueden igualar.

Eficiencia de costes — $0.06–$0.08/seg

Mejor relación precio/rendimiento en la categoría de vídeo frontier. 480p a $0.06/seg, 720p a $0.08/seg, con audio nativo incluido. Los competidores cobran 4–10x más por calidad comparable.

04

El Veredicto

El modelo de vídeo frontier con mejor relación calidad-precio ahora mismo — y el que la gente real elige en pruebas ciegas. Grok Imagine Video 1.5 no reemplazará el control multi-toma a nivel de director de Seedance 2.0 ni la salida cinematográfica 4K de Kling, pero no necesita hacerlo. Para prototipado creativo rápido, contenido para redes sociales y cualquiera que quiera calidad líder en Arena sin precios líder en Arena, es la elección obvia. Aún en Preview, así que esperemos aristas — pero la trayectoria es inconfundible.

05

Preguntas frecuentes