Veo 3 vs Grok Imagine Video 1.5
Benchmarks, API Token Pricing, Context Window & Speed Comparison
Related topics (12)
Veo 3 da Google e Grok Imagine Video 1.5 da xAI são dois modelos de IA de destaque. O Veo 3 oferece uma janela de contexto de 2K tokens a $6.00/$400.00 por milhão de tokens, enquanto o Grok Imagine Video 1.5 oferece 1K tokens de contexto a $5.00/$20.00 por milhão de tokens. Veja abaixo a comparação completa de benchmarks, latência e custos.
Troque e Compare Qualquer Modelo
Select any AI models from our verified benchmark database to generate live side-by-side matrices.
Veo 3
Geração de Imagens por IAO Veo 3 da Google é um modelo de IA projetado para geração de imagens em alta resolução, design visual e tipografia precisa, oferecendo janela de contexto de 2K, velocidade de 12 tokens/s, índice de inteligência de 85/100 e tarifa de $6/$40
$6.00 / 1M
$400.00 / 1M
2K tokens
N/A
Grok Imagine Video 1.5
Geração de Imagens por IAO Grok Imagine Video 1.5 da xAI é um modelo de IA projetado para geração de imagens em alta resolução, design visual e tipografia precisa, oferecendo janela de contexto de 1K, velocidade de 24 tokens/s, índice de inteligência de 55/100 e ta
$5.00 / 1M
$20.00 / 1M
1K tokens
N/A
Principais Diferenças em Resumo
- Grok Imagine Video 1.5 is 12.6x cheaper for API usage (input + output tokens combined).
- Veo 3 has a larger context window (2K vs 1K tokens).
- Grok Imagine Video 1.5 is faster at 24 tok/s vs 12 tok/s.
| Feature | Veo 3 | Grok Imagine Video 1.5 |
|---|---|---|
Intelligence Index Composite reasoning & knowledge score (0-100) | 85 | 55 |
Provider | xAI | |
Input Price Cost per million input tokens | $6.00 / 1M | $5.00 / 1M |
Output Price Cost per million output tokens | $400.00 / 1M | $20.00 / 1M |
Blended Price Weighted 7:2:1 cache:input:output per 1M | $41.20 / 1M | $4.75 / 1M |
Context Window Maximum input + output tokens | 2K tokens~3 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 | 12 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 |
Quem vence em cada categoria?
At-a-glance decision frameworkEvaluations ongoing
Pontuações de Benchmarks Verificadas
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.
Latência e Tempo de Resposta
Time to first token (TTFT) and estimated end-to-end response time for a typical 500-token response.
Simulador Interativo de Custo de Tokens
Adjust sliders to calculate projected monthly cloud API spending with prompt caching discounts.
Veo 3 · Strengths & Key Advantages
- Janela de contexto de 2K com limite máximo de saída de 4K tokens (Arena Elo 1420)
- Taxa de transferência rápida de 12 tokens/segundo com latência inicial (TTFT) de 4500 ms
- Economia de API competitiva ($6/$400 por 1M de tokens) com suporte a cache de prompts e saídas JSON estruturadas
Considerations & Trade-offs
- Modelo proprietário em nuvem; não permite download dos pesos para execução local offline
- Para alto volume de requisições, recomenda-se ativar o cache de prompts e a Batch API para reduzir custos
Grok Imagine Video 1.5 · Strengths & Key Advantages
- Janela de contexto de 1K com limite máximo de saída de 1K tokens (Arena Elo 1250)
- Taxa de transferência rápida de 24 tokens/segundo com latência inicial (TTFT) de 4500 ms
- Economia de API competitiva ($5/$20 por 1M de tokens) com suporte a cache de prompts e saídas JSON estruturadas
Considerations & Trade-offs
- Modelo proprietário em nuvem; não permite download dos pesos para execução local offline
- Para alto volume de requisições, recomenda-se ativar o cache de prompts e a Batch API para reduzir custos
Token Use & Task Economics
Estimated cost and token consumption to complete one representative agentic task.
| Metric | Veo 3 | Grok Imagine Video 1.5 |
|---|---|---|
Cost per Task Estimated USD to finish one task | $2.50 | $0.15 |
Output Tokens / Task Tokens generated per task | 0K | 1K |
Reasoning Tokens / Task Thinking tokens burned per task | 0K | 0K |
Especificações Técnicas
Architecture, release timeline, capabilities, and modalities.
| Feature | Veo 3 | Grok Imagine Video 1.5 |
|---|---|---|
| Official API Model ID (SDK) | models/veo-3 | grok-imagine-video-1-5-latest |
| API Protocol | Google Gemini API (generateContent) + OpenAI-Compatible SDK | xAI REST API (OpenAI-Compatible) |
| Release Date | 2025-05 | 2026-05 |
| Knowledge Cutoff | February 2025 | March 2026 |
| Architecture | Joint multimodal audio-video diffusion transformer | 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 ($6/1M in) across full 2K 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 vs Grok Imagine Video 1.5: Respostas Rápidas (FAQ)
Which is more intelligent, Veo 3 or Grok Imagine Video 1.5?
Veo 3 is more intelligent. It scores 85 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 12 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 $41.20 (7:2:1 cache:input:output ratio).
Which model has a larger context window?
Veo 3 has a larger context window, supporting 2K tokens compared with 1K tokens.
Veredito
Tanto Veo 3 (Indicado para geração de imagens em alta resolução, design visual e tipografia precisa, arquiteturas RAG corporativas e integração escalável via API.) quanto Grok Imagine Video 1.5 (Indicado para geração de imagens em alta resolução, design visual e tipografia precisa, arquiteturas RAG corporativas e integração escalável via API.) entregam excelente desempenho: Veo 3 lidera em inteligência geral e programação, Grok Imagine Video 1.5 oferece geração mais rápida e Grok Imagine Video 1.5 apresenta o melhor custo-benefício em produção.
Perguntas Frequentes (FAQ)
Qual é melhor para programação e raciocínio, Veo 3 ou Grok Imagine Video 1.5?+
Nas avaliações de inteligência e código, Veo 3 leva vantagem. Confira os gráficos SWE-bench e GPQA acima para detalhes.
Qual modelo tem a API mais barata, Veo 3 ou Grok Imagine Video 1.5?+
O Veo 3 custa $6.00 / $400.00 por 1M de tokens (entrada/saída) e o Grok Imagine Video 1.5 custa $5.00 / $20.00. No custo combinado, Grok Imagine Video 1.5 é mais econômico.
Qual modelo possui maior janela de contexto e velocidade?+
O Veo 3 suporta 2K tokens de contexto contra 1K tokens do Grok Imagine Video 1.5, enquanto Grok Imagine Video 1.5 entrega maior velocidade de geração.
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: Comparação de Benchmarks, Preços API e Velocidade (2026)Comparar
- Veo 2 vs. Grok Imagine Video 1.5: Comparação de Benchmarks, Preços API e Velocidade (2026)Comparar
- Veo 3.1 vs. Grok Imagine Video 1.5: Comparação de Benchmarks, Preços API e Velocidade (2026)Comparar
- Veo 3.1 vs. Veo 3: Comparação de Benchmarks, Preços API e Velocidade (2026)Comparar
- Veo 3 vs. Veo 2: Comparação de Benchmarks, Preços API e Velocidade (2026)Comparar
- Aion-3.0 vs. Aion-Mini: Comparação de Benchmarks, Preços API e Velocidade (2026)Comparar
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.
Fontes oficiais: Documentação oficial de API da Google e xAI e benchmarks independentes (2026).