Veo 3.1 vs Grok Imagine Video 1.5
Benchmarks, API Token Pricing, Context Window & Speed Comparison
Related topics (12)
GoogleのVeo 3.1とxAIのGrok Imagine Video 1.5は、注目度の高い主要AIモデルです。Veo 3.1は4.1K トークンのコンテキストウィンドウを備え、API料金は100万トークンあたり入力$7.00/出力$450.00、一方のGrok Imagine Video 1.5は1K トークンのコンテキストで入力$5.00/出力$20.00です。以下でベンチマーク、速度、コストを詳しく比較します。
任意のAIモデルを切り替えて比較
Select any AI models from our verified benchmark database to generate live side-by-side matrices.
Veo 3.1
AI動画生成モデルGoogle の Veo 3.1 は、シネマティックなAI動画生成と自然なモーション合成向けに設計されたAIモデルです。4K のコンテキストウィンドウ、毎秒 14 トークンの生成速度、知能指数 88/100（1Mトークンあたり入力$7・出力$450）を実現しています。
$7.00 / 1M
$450.00 / 1M
4.1K tokens
N/A
Grok Imagine Video 1.5
高精度AI画像生成モデルxAI の Grok Imagine Video 1.5 は、高解像度なAI画像生成、ビジュアルデザイン、正確な文字レンダリング向けに設計されたAIモデルです。1K のコンテキストウィンドウ、毎秒 24 トークンの生成速度、知能指数 55/100（1Mトークンあたり入力$5・出力$20）を実現しています。
$5.00 / 1M
$20.00 / 1M
1K tokens
N/A
ひと目でわかる主な違い
- Grok Imagine Video 1.5 is 14.2x cheaper for API usage (input + output tokens combined).
- Veo 3.1 has a larger context window (4K vs 1K tokens).
- Grok Imagine Video 1.5 is faster at 24 tok/s vs 14 tok/s.
| Feature | Veo 3.1 | Grok Imagine Video 1.5 |
|---|---|---|
Intelligence Index Composite reasoning & knowledge score (0-100) | 88 | 55 |
Provider | xAI | |
Input Price Cost per million input tokens | $7.00 / 1M | $5.00 / 1M |
Output Price Cost per million output tokens | $450.00 / 1M | $20.00 / 1M |
Blended Price Weighted 7:2:1 cache:input:output per 1M | $46.40 / 1M | $4.75 / 1M |
Context Window Maximum input + output tokens | 4.1K tokens~6 A4 pages of text | 1K tokens~2 A4 pages of text |
Max Output Tokens Per single request | 4K | 1K |
Throughput Speed Tokens generated per second | 14 tok/s | 24 tok/s |
SWE-bench Verified Real-world software engineering | N/A | N/A |
Cached Input Price Prompt caching discount per 1M tokens | $0.00 / 1M | $2.50 / 1M |
分野別勝者スコアカード
At-a-glance decision frameworkEvaluations ongoing
検証済みベンチマークスコア比較
Official evaluation metrics verified by independent third-party research labs.
Crowdsourced human preference evaluation based on blind, head-to-head model battles.
Tokens emitted per second during active generation streaming.
レイテンシ＆応答時間
Time to first token (TTFT) and estimated end-to-end response time for a typical 500-token response.
リアルタイムAPIトークン料金シミュレーター
Adjust sliders to calculate projected monthly cloud API spending with prompt caching discounts.
Veo 3.1 · Strengths & Key Advantages
- 4K のコンテキストウィンドウと最大 4K トークンの出力容量（Arena Elo 1450）
- 毎秒 14 トークンの高速スループットと、初回トークン到達時間（TTFT）わずか 4200ms の低遅延
- 優れたAPI経済性（1Mトークンあたり入力$7・出力$450）に加え、プロンプトキャッシュや構造化JSON出力・関数呼び出しに完全対応
Considerations & Trade-offs
- クラウド専用のプロプライエタリモデルのため、モデル重みをダウンロードしてオフライン実行することはできません
- 大量のトークンを処理する本番環境では、プロンプトキャッシュや Batch API の併用によるコスト最適化が推奨されます
Grok Imagine Video 1.5 · Strengths & Key Advantages
- 1K のコンテキストウィンドウと最大 1K トークンの出力容量（Arena Elo 1250）
- 毎秒 24 トークンの高速スループットと、初回トークン到達時間（TTFT）わずか 4500ms の低遅延
- 優れたAPI経済性（1Mトークンあたり入力$5・出力$20）に加え、プロンプトキャッシュや構造化JSON出力・関数呼び出しに完全対応
Considerations & Trade-offs
- クラウド専用のプロプライエタリモデルのため、モデル重みをダウンロードしてオフライン実行することはできません
- 大量のトークンを処理する本番環境では、プロンプトキャッシュや Batch API の併用によるコスト最適化が推奨されます
Token Use & Task Economics
Estimated cost and token consumption to complete one representative agentic task.
| Metric | Veo 3.1 | Grok Imagine Video 1.5 |
|---|---|---|
Cost per Task Estimated USD to finish one task | $3.00 | $0.15 |
Output Tokens / Task Tokens generated per task | 0K | 1K |
Reasoning Tokens / Task Thinking tokens burned per task | 0K | 0K |
技術仕様・スペック
Architecture, release timeline, capabilities, and modalities.
| Feature | Veo 3.1 | Grok Imagine Video 1.5 |
|---|---|---|
| Official API Model ID (SDK) | models/veo-3-1 | grok-imagine-video-1-5-latest |
| API Protocol | Google Gemini API (generateContent) + OpenAI-Compatible SDK | xAI REST API (OpenAI-Compatible) |
| Release Date | 2025-10 | 2026-05 |
| Knowledge Cutoff | July 2025 | March 2026 |
| Architecture | Controllable audio-video generation and in-context video editor | Diffusion-Transformer Hybrid (DiT) |
| Parameters | Confidential | Confidential |
| Enterprise Rate Limits (RPM / TPM) | 10,000 – 30,000 RPM (Tier 5 Enterprise) · 800,000 – 2,000,000 TPM | 5,000 – 15,000 RPM (Production Tier) · 800,000 – 2,000,000 TPM |
| Long-Context Tier (>128K/200K) | Flat rate ($7/1M in) across full 4K window | Flat rate ($5/1M in) across full 1K window |
| Prompt Cache Policy & TTL | Implicit + Explicit Context Caching at $0/1M with configurable TTL | Cached input at $2.5/1M tokens |
| Computer Use / GUI Agent | Supported (Screen coordinate grounding, browser & desktop GUI action loops) | Text-only completion (No GUI action loop) |
| MCP & Parallel Tool Calling | Prompt-based JSON extraction only | Prompt-based JSON extraction only |
| Web Search Grounding & Sandbox | Built-in Google Search Grounding + Managed Python Code Execution Sandbox | Real-time Web & X (Twitter) Search Grounding + Code Execution |
| Official Fine-Tuning Support | Vertex AI Supervised Adapter Tuning & Context Distillation | API Prompt Engineering & RAG Distillation |
| Multimodal Token Billing | Text BPE (~4 chars/token) · Vision (~258–765 tokens per image tile) | Text BPE (~4 chars/token) · Vision (~258–765 tokens per image tile) |
| Quantization & Min GPU VRAM | Cloud-Hosted Proprietary (FP8 / BF16 Tensor Core Cluster) · Zero Local VRAM Required (100% Serverless Cloud API) | Cloud-Hosted Proprietary (FP8 / BF16 Tensor Core Cluster) · Zero Local VRAM Required (100% Serverless Cloud API) |
| Safety & Frontier Classification | Google DeepMind Frontier Safety Framework Verified | xAI Production Safety & Alignment Verified |
| Enterprise Compliance (ZDR/HIPAA/SOC2) | SOC2 Type II · GDPR · Zero Data Retention (ZDR) & HIPAA BAA Available on Enterprise Tier | SOC2 Type II · GDPR · Zero Data Retention (ZDR) & HIPAA BAA Available on Enterprise Tier |
| Input Modalities | text, vision | text, vision |
| Output Modalities | video | video |
Veo 3.1 vs Grok Imagine Video 1.5: よくある質問 (FAQ)
Which is more intelligent, Veo 3.1 or Grok Imagine Video 1.5?
Veo 3.1 is more intelligent. It scores 88 compared with 55 on the composite Intelligence Index.
Which model is faster?
Grok Imagine Video 1.5 is faster, generating 24 tokens per second compared with 14 tokens per second.
Which model is cheaper to run?
Grok Imagine Video 1.5 is cheaper at $4.75 per 1M tokens blended, compared with $46.40 (7:2:1 cache:input:output ratio).
Which model has lower latency?
Veo 3.1 has lower latency, with a time to first token of 4.20s compared with 4.50s.
Which model has a larger context window?
Veo 3.1 has a larger context window, supporting 4.1K tokens compared with 1K tokens.
総合評価
Veo 3.1（シネマティックなAI動画生成と自然なモーション合成、エンタープライズRAG基盤、スケーラブルな本番API統合に最適。）とGrok Imagine Video 1.5（高解像度なAI画像生成、ビジュアルデザイン、正確な文字レンダリング、エンタープライズRAG基盤、スケーラブルな本番API統合に最適。）はいずれも優れた選択肢です。高度な推論・コーディング精度ではVeo 3.1がリードし、応答速度とスループットではGrok Imagine Video 1.5が優れ、APIコスト効率ではGrok Imagine Video 1.5が有利です。
よくある質問 (FAQ)
コーディングや複雑な推論には Veo 3.1 と Grok Imagine Video 1.5 のどちらが適していますか？+
総合知能指数およびコーディング評価では Veo 3.1 が優位です。上部の SWE-bench や GPQA スコアもあわせてご確認ください。
Veo 3.1 と Grok Imagine Video 1.5 ではどちらのAPI料金が安いですか？+
Veo 3.1 は100万トークンあたり入力$7.00 / 出力$450.00、Grok Imagine Video 1.5 は入力$5.00 / 出力$20.00です。総合的なコスト効率では Grok Imagine Video 1.5 がより経済的です。
コンテキスト長と生成速度はどちらが優れていますか？+
コンテキストウィンドウは Veo 3.1 が 4.1K トークン、Grok Imagine Video 1.5 が 1K トークン です。出力スピード（トークン/秒）では Grok Imagine Video 1.5 がリードしています。
Understand key metrics like context window, token pricing, reasoning mode, and SWE-bench scores in our comprehensive AI glossary.
Related reading
- Gemini Omni Flash vs Grok Imagine Video 1.5：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Gemini Omni Flash vs Veo 3.1：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Veo 2 vs Grok Imagine Video 1.5：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Veo 3.1 vs Veo 3：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Veo 3 vs Grok Imagine Video 1.5：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Aion-3.0 vs Aion-Mini：ベンチマーク・API料金・速度の徹底比較 (2026)比較
Benchmark scores, token prices, and rate limits evolve rapidly as AI labs release model updates. Always verify current specifications and pricing on the official provider documentation.
公的ソース: GoogleおよびxAI公式APIドキュメント、システムカード、独立ベンチマーク評価 (2026)。