Generative মাল্টিমোডাল ভিডিও মডেল নির্মিত এর জন্য উচ্চ-fidelity টেক্সট-প্রতি-ভিডিও, ছবি-প্রতি-ভিডিও, camera control, এবং clip extension.
টেকনিক্যাল স্পেসিফিকেশন
- প্রোভাইডার
- xAI
- ক্যাটাগরি
- flagship
- রিলিজ তারিখ
- 2026-05
- ব্যাচ এপিআই ডিসকাউন্ট
- 20% off async batch
- কনজিউমার সাবস্ক্রিপশন
- $30 / month
- রিজনিং এফোর্ট কন্ট্রোল
- Fixed
- স্ট্রাকচার্ড আউটপুট
- No
- আউটপুট মোডালিটি
- video
- অফিশিয়াল ডকুমেন্টেশন
- প্রোভাইডার ডকুমেন্টেশন দেখুন ↗
ডেটা প্রাইভেসি, লাইসেন্স ও ডিপ্লয়মেন্ট নীতিমালা
অফিশিয়াল প্রোভাইডার রিলিজ স্পেক্স, API কোটা ও এজেন্টিক সক্ষমতা
- অফিশিয়াল API মডেল আইডি (SDK String)
- grok-imagine-video-1-5-latest
- সাপোর্টেড SDK ও API প্রোটোকল
- xAI REST API (OpenAI-Compatible)
- রিলিজ লাইফসাইকেল ও ডেপ্রিকেশন স্ট্যাটাস
- সক্রিয় প্রোডাকশন রিলিজ (কমপক্ষে 2028 সাল পর্যন্ত সাপোর্ট নিশ্চিত)
- প্রোডাকশন রেট লিমিট (RPM ও TPM কোটা)
- 5,000 – 15,000 RPM (Production Tier) · 800,000 – 2,000,000 TPM
- লং-কনটেক্সট প্রাইসিং টিয়ার (>128K / >200K)
- পূর্ণ 1K কনটেক্সট জুড়ে একই ফ্ল্যাট রেট ($5/1M)
- প্রম্পট ক্যাশিং ও TTL পলিসি
- ক্যাশড ইনপুট রেট $2.5/1M টোকেন
- কম্পিউটার ইউজ ও ব্রাউজার GUI এজেন্ট
- টেক্সট জেনারেশন (GUI অ্যাকশন লুপ নেই)
- MCP প্রোটোকল ও প্যারালাল টুল কলিং
- প্রম্পট-ভিত্তিক টেক্সট/JSON আউটপুট
- বিল্ট-ইন ওয়েব সার্চ ও কোড স্যান্ডবক্স
- রিয়েল-টাইম ওয়েব ও X (টুইটার) সার্চ গ্রাউন্ডিং + কোড এক্সিকিউশন
- ফাইন-টিউনিং ও ডিস্টিলেশন সুবিধা
- API প্রম্পট অপ্টিমাইজেশন ও RAG ইন্টিগ্রেশন
- মাল্টিমোডাল টোকেনাইজেশন হিসাব
- টেক্সট BPE (~৪ অক্ষর/টোকেন) · ইমেজ (~২৫৮–৭৬৫ টোকেন/ছবি)
- ওয়েটস প্রিসিশন ও কোয়ান্টাইজেশন ফরম্যাট
- Cloud-Hosted Proprietary (FP8 / BF16 Tensor Core Cluster)
- ন্যূনতম GPU VRAM রিকোয়ারমেন্ট
- লোকাল জিপিইউ প্রয়োজন নেই (১০০% ক্লাউড API)
- সেলফ-হোস্টেড ইনফারেন্স ইঞ্জিন
- Managed xAI Cloud API
- সিস্টেম কার্ড ও সেফটি ক্লাসিফিকেশন
- xAI Production Safety & Alignment Verified
- এন্টারপ্রাইজ কমপ্লায়েন্স (SOC2 / HIPAA / ZDR)
- SOC2 Type II · GDPR · এন্টারপ্রাইজ টিয়ারে Zero Data Retention (ZDR) ও HIPAA BAA সুবিধা
Grok Imagine Video 1.5: খরচ, কনটেক্সট, হার্ডওয়্যার ও কোড ইন্টিগ্রেশন
ব্যক্তিগত চ্যাট ব্যবহারের জন্য $30/মাস সাবস্ক্রিপশন প্ল্যান বেশি সাশ্রয়ী।
ব্রেক-ইভেন পয়েন্ট: দৈনিক ~29 টি মেসেজে API খরচ $30/মাস এর সমান হয়।
একই কাজের ভলিউমে শীর্ষ বিকল্প মডেলগুলোর মাসিক খরচ তুলনা
লাইভ প্রম্পট টোকেন কাউন্টার (BPE Tokenizer)
আপনার সিস্টেম প্রম্পট, JSON বা কোড পেস্ট করে তাৎক্ষণিক টোকেন সংখ্যা ও খরচ দেখুন।
হাইব্রিড মডেল রাউটিং ক্যাসকেড সাশ্রয় (Cascade Router)
সাধারণ প্রশ্নগুলো ফাস্ট রাউটার মডেলে (Gemini 2.5 Flash / GPT-4.1 Nano) পাঠিয়ে শুধুমাত্র জটিল টাস্ক Grok Imagine Video 1.5-এ পাঠালে মাসিক খরচ কত কমে দেখুন:
বেঞ্চমার্ক ফলাফল ও ৬-অক্ষের সক্ষমতা রাডার
- Chatbot Arena Elo
- 1250pts
শক্তিশালী দিকসমূহ
- উচ্চ-definition ছবি-প্রতি-ভিডিও animation সহ consistent temporal সঙ্গতি
- Dynamic camera motion controls এবং seamless scene transitions
- নেটিভ টেক্সট prompt alignment এবং realistic physics simulation
সীমাবদ্ধতা ও বিবেচ্য বিষয়
- প্রজন্ম সীমিত প্রতি short ভিডিও clips (typically 5 প্রতি 10 seconds প্রতি run)
- Computationally heavy সহ longer render লেটেন্সি এর তুলনায় টেক্সট মডেলগুলো
সম্পাদকীয় মূল্যায়ন
xAI-এর শীর্ষস্থানীয় মাল্টিমোডাল generative ভিডিও ইঞ্জিন bringing dynamic motion এবং ভিজ্যুয়াল storytelling প্রতি Grok ইকোসিস্টেম.
সবচেয়ে উপযুক্ত: সৃজনশীল media প্রোডাকশন, dynamic social ভিডিও clips, advertising storyboards, এবং conceptual ভিডিও mockups
Grok Imagine Video 1.5-এর তুলনা
Grok Imagine Video 1.5 সম্পর্কে সচরাচর জিজ্ঞাসিত প্রশ্নাবলী
Grok Imagine Video 1.5-এর API প্রাইসিং ও প্রম্পট ক্যাশিং খরচ কত?+
xAI-এর Grok Imagine Video 1.5 ব্যবহারের খরচ প্রতি ১০ লক্ষ (1M) ইনপুট টোকেনে $5 এবং প্রতি ১০ লক্ষ আউটপুট টোকেনে $20। প্রম্পট ক্যাশিং ব্যবহার করলে ইনপুট খরচ কমে প্রতি ১M টোকেনে $2.5 হয় এবং অ্যাসিঙ্ক্রোনাস ব্যাচ API-তে 20% পর্যন্ত ছাড় পাওয়া যায়।
Grok Imagine Video 1.5-এর জন্য $30/মাস সাবস্ক্রিপশন ভালো নাকি Pay-As-You-Go API?+
আপনি যদি শুধুমাত্র ব্যক্তিগত চ্যাট, রিসার্চ বা কোডিং অ্যাসিস্ট্যান্ট হিসেবে ব্যবহার করেন, তবে ফিক্সড $30/মাস সাবস্ক্রিপশন ঝুঁকিমুক্ত। কিন্তু আপনি যদি অ্যাপ্লিকেশন তৈরি করেন বা কম ভলিউমে (মাসে $30-এর কম টোকেন) ব্যবহার করেন, তবে প্রম্পট ক্যাশিংসহ API পে-অ্যাজ-ইউ-গো অনেক বেশি সাশ্রয়ী।
Grok Imagine Video 1.5-এর কনটেক্সট উইন্ডোতে কত শব্দ বা পৃষ্ঠা ধরে?+
Grok Imagine Video 1.5-এর কনটেক্সট উইন্ডো হলো 1K tokens, যা প্রায় 768টি ইংরেজি শব্দ বা প্রায় 2 পৃষ্ঠার স্ট্যান্ডার্ড ডকুমেন্টের সমান। এক বারে এর সর্বোচ্চ আউটপুট সীমা 1,024 টোকেন।
Grok Imagine Video 1.5 কি ওপেন-ওয়েটস এবং নিজের GPU-তে লোকালি চালানো যাবে?+
না, Grok Imagine Video 1.5 একটি প্রোপ্রাইটরি ক্লাউড মডেল। এর ওয়েট ডাউনলোড করা যায় না; এটি শুধুমাত্র xAI-এর অফিশিয়াল ক্লাউড API বা এন্টারপ্রাইজ এন্ডপয়েন্টের মাধ্যমে ব্যবহারযোগ্য।
Grok Imagine Video 1.5 API-তে পাঠানো ডেটা কি মডেল ট্রেইনিংয়ে ব্যবহার করা হয়?+
ডিফল্টভাবে API ডেটা দিয়ে মডেল ট্রেইন করা হয় না (Enterprise DPA)। লাইসেন্সের ধরন: Proprietary Commercial API (xAI Terms)। ডেভেলপাররা জেনারেটেড আউটপুট বাণিজ্যিক কাজে ব্যবহার করতে পারেন।
কোডিং ও রিজনিং বেঞ্চমার্কে Grok Imagine Video 1.5-এর স্কোর কত?+
Grok Imagine Video 1.5-এর কম্পোজিট ইন্টেলিজেন্স ইনডেক্স 55/100। বেঞ্চমার্কের মধ্যে SWE-bench Verified-এ N/A%, GPQA Diamond-এ N/A%, MMLU-Pro-তে N/A% এবং Arena Elo-তে 1250 স্কোর অর্জন করেছে।
Grok Imagine Video 1.5 কোন কাজের জন্য সবচেয়ে উপযুক্ত?+
Grok Imagine Video 1.5 মূলত সৃজনশীল media প্রোডাকশন, dynamic social ভিডিও clips, advertising storyboards, এবং conceptual ভিডিও mockups-এর জন্য সবচেয়ে কার্যকর। সম্পাদকীয় মূল্যায়ন: xAI-এর শীর্ষস্থানীয় মাল্টিমোডাল generative ভিডিও ইঞ্জিন bringing dynamic motion এবং ভিজ্যুয়াল storytelling প্রতি Grok ইকোসিস্টেম.
xAI ফ্যামিলি লাইনেজ, রাউটিং টিয়ার ও আপগ্রেড পাথ
হাইব্রিড প্রম্পট রাউটিং বা আপগ্রেডের জন্য xAI-এর অন্যান্য মডেল টিয়ার:
Grok 4.7
Grok 4.6
Grok-4
Grok 4.5
Grok 4.3
Grok Build 0.1
সম্পর্কিত এআই পরিভাষা ও গ্লোসারি
সব পরিভাষা দেখুন →Grok Imagine Video 1.5-এর আর্কিটেকচার ও বৈশিষ্ট্যের সাথে সম্পর্কিত মূল পরিভাষাসমূহ:
একটি ল্যাঙ্গুয়েজ মডেল যে ক্ষুদ্রতম টেক্সট এককে ডেটা প্রসেস করে, যা সাধারণত ৩ থেকে ৪টি ইংরেজি অক্ষর বা প্রায় ০.৭৫ শব্দের সমান। উদাহরণস্বরূপ: "Artificial intelligence is fast" বাক্যটি প্রায় ৫টি টোকেনে বিভক্ত হয়।
একটি প্রমিত ও নিয়ন্ত্রিত টেস্ট স্যুট যার মাধ্যমে বিভিন্ন এআই মডেলের কর্মক্ষমতা বস্তুনিষ্ঠভাবে পরিমাপ ও তুলনা করা হয়; যেমন কোডিংয়ের জন্য SWE-bench, গণিতের জন্য AIME এবং সাধারণ জ্ঞানের জন্য MMLU।
একটি এআই মডেল একক অনুরোধে যে সর্বোচ্চ সংখ্যক টোকেন ইনপুট হিসেবে পড়তে এবং আউটপুট হিসেবে লিখতে পারে। ১,০০০,০০০ টোকেনের কনটেক্সট উইন্ডো একবারে প্রায় ৭৫০,০০০ ইংরেজি শব্দ ধারণ করতে সক্ষম।
একটি আধুনিক খরচ ও গতি অপ্টিমাইজেশন প্রযুক্তি যেখানে বারবার ব্যবহৃত প্রম্পট প্রিফিক্সের অ্যাটেনশন স্টেট মেমোরিতে ক্যাশ রাখা হয়। এতে ইনপুট টোকেনের খরচ ৫০% থেকে ৯০% পর্যন্ত হ্রাস পায় এবং দ্রুত উত্তর মেলে।
জিপিইউ মেমোরির একটি অপ্টিমাইজেশন যা পূর্ববর্তী টোকেনগুলোর কী (Key) এবং ভ্যালু (Value) ভেক্টর সংরক্ষণ করে রাখে, যাতে নতুন টোকেন তৈরির সময় পুনরায় হিসাব করতে না হয়। এটি দ্রুত স্ট্রিমিং ও প্রম্পট ক্যাশিংয়ের জন্য অপরিহার্য।
একটি মাল্টিমোডাল নিউরাল নেটওয়ার্ক যা একই সাথে ছবি, ডায়াগ্রাম, স্ক্রিনশট ও ভিডিওর মতো ভিজ্যুয়াল কন্টেন্ট এবং সাধারণ টেক্সট বিশ্লেষণ করে যৌক্তিক সিদ্ধান্ত ও ব্যাখ্যা প্রদানে সক্ষম।
এআই ল্যাবগুলোর নতুন রিলিজের সাথে সাথে বেঞ্চমার্ক স্কোর, টোকেন প্রাইসিং এবং রেট লিমিট নিয়মিত পরিবর্তিত হয়। প্রোডাকশনে ব্যবহারের পূর্বে সর্বদা অফিশিয়াল প্রোভাইডার ডকুমেন্টেশন যাচাই করুন।
তথ্যসূত্র: xAI Imagine Suite Documentation (May 2026)↗