Grok Imagine 1.5 vs Veo 3.1

Setiap baris di atas dibaca dari tabel yang sama dengan halaman Grok Imagine 1.5 dan Veo 3.1. Tabel di bawah menyandingkan apa yang didokumentasikan xAI dan Google untuk setiap model, dibaca pada 1 November 2026, dan apa yang dilakukan DreamBench dengannya.

Video DreamBench menggunakan satu model untuk setiap adegan, jadi untuk membandingkan keduanya dengan idemu, buat dua kali, sekali dengan masing-masing model.

xAI memperkenalkan Grok Imagine 1.5 sebagai model gambar ke video: beri gambar awal dan gambarkan gerakannya. Di halaman Video DreamBench, model ini bekerja dari kata-katamu saja. Di Film Studio, DreamBench menggambar frame pembuka untuk setiap klip dari gambar referensimu, hingga 8 per video, atau dari karakter dan tempat yang dirancangnya, lalu Grok Imagine 1.5 menggerakkan frame itu dengan suara. Gambar referensinya sendiri tidak pernah sampai ke model.

Veo 3.1 bekerja dengan dua cara di Film Studio. Model penuhnya menerima lembar yang dibuat DreamBench dari referensimu, hingga 3 di setiap adegan, yang disebut Google sebagai ingredients; Google hanya menerimanya pada klip 8 detik, jadi adegan-adegan itu berdurasi 8 detik. Veo 3.1 Fast dan Veo 3.1 Lite tidak menerima lembar: DreamBench membuat frame pembuka dari lembar-lembar itu, seperti untuk Grok Imagine 1.5, lalu model menganimasikannya.

Alat milik kedua pembuatnya juga bisa mengunci akhir klip. Dokumentasi xAI menjelaskan frame terakhir, frame pertama dan terakhir, serta hingga 4 keyframe di dalam klip; Google menjelaskan frame pertama dan terakhir di ketiga tingkatan Veo 3.1. Panel pembuatan DreamBench tidak punya slot frame terakhir di kedua model: akhir sebuah adegan ditulis di dalam prompt-nya.

Di halaman Video, klip Grok Imagine 1.5 berdurasi 4 sampai 15 detik dan klip Veo 3.1 4, 6, atau 8 detik. Di Film Studio, film baru dipotong menjadi klip 3 sampai 12 detik, jadi adegan Grok Imagine 1.5 bisa berdurasi hingga 12 detik, sedangkan setiap adegan Veo 3.1 berdurasi 4, 6, atau 8 detik. Bagaimanapun, video yang lebih panjang berarti lebih banyak adegan yang disambung: hingga 30 detik di Starter, 2 menit di Plus, dan 5 menit di Ultra dan Studio.

Grok Imagine 1.5 merender 720p dan 1080p dengan model yang sama. Veo 3.1 merender 720p di Veo 3.1 Fast dan 1080p atau 4K di model penuh, sedangkan Fast dan Lite membuat 720p dan 1080p dengan sendirinya. API xAI juga mencantumkan 480p dan rasio yang lebih tinggi dan lebih lebar seperti 21:9; di DreamBench, Grok Imagine 1.5 membingkai 1:1, 16:9, 9:16, dan 4:3, sedangkan Veo 3.1 membingkai 16:9 dan 9:16.

Hanya Grok Imagine 1.5

• Berdurasi hingga 15 detik dalam satu klip di halaman Video.
• Membingkai 1:1 dan 4:3.
• Menjalankan adegan hingga 12 detik di Film Studio, sedangkan setiap adegan Veo 3.1 berdurasi 4, 6, atau 8 detik.

Hanya Veo 3.1

• Merender 4K, di model penuh.
• Menerima lembar referensimu di setiap adegan, di model penuh.
• Hadir dalam tiga tingkatan: Veo 3.1 untuk karya final, Fast untuk iklan dan uji cepat, Lite untuk draf dan video dalam jumlah banyak.
• Membawa SynthID, tanda tak terlihat dari Google yang mengidentifikasi video sebagai buatan AI.

Sebagian fitur setiap model adalah milik pembuatnya, bukan DreamBench. API xAI bisa membuat klip Grok Imagine 1.5 tanpa suara dan memberi hingga 3 pembicara suara preset, dan Video 1.5 Fast dari xAI berjalan di grok.com/imagine dan di aplikasinya. Alat Google memperpanjang klip Veo 3.1 dan mengembalikan beberapa take dari satu prompt. Di DreamBench, kedua model selalu menghasilkan suara, satu klip adalah satu shot, dan kamu mengubah adegan dengan memberi arahan baru.

Google mengatakan ucapan yang konsisten di Veo 3.1, terutama pada kalimat pendek, masih dalam pengembangan aktif. xAI mengatakan ucapan Grok Imagine 1.5 lebih jelas dan lebih sinkron daripada model sebelumnya, dan tidak menerbitkan daftar bahasa yang diucapkannya.

Untuk Grok Imagine 1.5, tulis brief shot singkat yang dibangun di sekitar gerakan: gerakan kamera, subjek dan apa yang dilakukannya, kapan dalam klip hal itu terjadi, latar dan cahayanya, lalu suaranya. Di Film Studio, klip dimulai dari frame yang sudah digambar DreamBench, jadi gambarkan apa yang bergerak dari frame itu, bukan apa yang ada di dalamnya. Buat kalimat yang diucapkan tetap pendek dan dalam tanda kutip.

Untuk Veo 3.1, ikuti urutan dari Google Cloud: sinematografi, subjek, aksi, konteks, lalu gaya dan ambience, dengan shot disebut seperti shot film, lengkap dengan lensa dan gerakan kamera. Lalu beri suara kalimat tersendiri: kalimat yang diucapkan dalam tanda kutip, dengan pembicara yang disebut namanya, “SFX:” untuk efek, dan “Ambient noise:” untuk tempatnya. Google Cloud mencantumkan bahasa Inggris sebagai bahasa prompt Veo 3.1.

• Durasi: rencanakan kalimat Veo 3.1 sekitar 2 kata per detik, tidak lebih dari 12 sampai 14 kata dalam 8 detik; klip Grok Imagine 1.5 berdurasi 15 detik bisa memuat lebih banyak.
• Pilihan kata: gambarkan apa yang kamu inginkan, jalan yang kosong alih-alih “tanpa orang”, di kedua model.
• Musik: ide prompt Veo 3.1 dari DreamBench hanya memuat dialog, efek, dan ambience; di Grok Imagine 1.5, sebutkan musik apa pun yang kamu inginkan.

Di halaman Video, keduanya menerima prompt-mu persis seperti yang ditulis; di Film Studio, DreamBench menulis prompt setiap adegan dari brief-mu. Panduan prompt Veo 3.1 punya contoh siap salin.

Dibaca pada 1 November 2026: Halaman Veo 3.1 di Google Cloud, pada Gemini Enterprise Agent Platform, mencantumkan tanggal pensiun “17 November 2026 atau setelahnya” untuk Veo 3.1 dan Veo 3.1 Fast, dan tidak ada untuk Veo 3.1 Lite, yang berstatus Preview di sana. Halaman Veo 3.1 di fal, layanan tempat DreamBench menjalankan Veo 3.1, menyebutkan bahwa endpoint-nya “akan dihentikan pada 17 November 2026”. Halaman xAI yang dibaca pada hari yang sama tidak menunjukkan tanggal akhir untuk Grok Imagine Video 1.5.