Grok Imagine 1.5 vs. Veo 3.1

Cada linha acima vem das mesmas tabelas das páginas do Grok Imagine 1.5 e do Veo 3.1. A tabela abaixo coloca ao lado delas o que a xAI e o Google documentam sobre cada modelo, consultado em 1º de novembro de 2026, e o que o DreamBench faz com ele.

Um vídeo do DreamBench usa um só modelo em todas as cenas, então, para comparar os dois com a sua ideia, crie o vídeo duas vezes, uma em cada modelo.

A xAI apresenta o Grok Imagine 1.5 como um modelo de imagem para vídeo: dê uma imagem inicial e descreva o movimento. Na página Vídeo do DreamBench, ele trabalha só com as suas palavras. No Film Studio, o DreamBench desenha um quadro inicial para cada clipe a partir das suas imagens de referência, até 8 por vídeo, ou dos personagens e lugares que ele cria, e o Grok Imagine 1.5 coloca esse quadro em movimento com som. As imagens de referência em si nunca chegam ao modelo.

O Veo 3.1 funciona de dois jeitos no Film Studio. O modelo completo recebe as fichas que o DreamBench monta a partir das suas referências, até 3 em cada cena, que o Google chama de ingredients; o Google só as aceita em clipes de 8 segundos, então essas cenas têm 8 segundos. O Veo 3.1 Fast e o Veo 3.1 Lite não recebem fichas: o DreamBench faz um quadro inicial a partir delas, como faz para o Grok Imagine 1.5, e o modelo o anima.

As ferramentas dos dois fabricantes também fixam o fim de um clipe. A documentação da xAI descreve um último quadro, um primeiro e último quadro, e até 4 keyframes dentro do clipe; o Google descreve primeiro e último quadro nas três versões do Veo 3.1. O painel de criação do DreamBench não tem espaço para um último quadro em nenhum dos dois modelos: onde uma cena termina é escrito no prompt dela.

Na página Vídeo, um clipe do Grok Imagine 1.5 tem de 4 a 15 segundos e um clipe do Veo 3.1 tem 4, 6 ou 8. No Film Studio, um filme novo é dividido em clipes de 3 a 12 segundos, então uma cena do Grok Imagine 1.5 pode ter até 12, enquanto toda cena do Veo 3.1 tem 4, 6 ou 8. De qualquer forma, um vídeo mais longo é feito de mais cenas, unidas: até 30 segundos no Starter, 2 minutos no Plus e 5 minutos no Ultra e no Studio.

O Grok Imagine 1.5 renderiza 720p e 1080p no mesmo modelo. O Veo 3.1 renderiza 720p no Veo 3.1 Fast e 1080p ou 4K no modelo completo, e o Fast e o Lite fazem 720p e 1080p por conta própria. A API da xAI também lista 480p e proporções mais altas e mais largas, como 21:9; no DreamBench, o Grok Imagine 1.5 enquadra em 1:1, 16:9, 9:16 e 4:3, e o Veo 3.1 em 16:9 e 9:16.

Só o Grok Imagine 1.5

• Vai até 15 segundos num clipe na página Vídeo.
• Enquadra em 1:1 e 4:3.
• Faz cenas de até 12 segundos no Film Studio, onde toda cena do Veo 3.1 tem 4, 6 ou 8.

Só o Veo 3.1

• Renderiza 4K, no modelo completo.
• Recebe as suas fichas de referência em cada cena, no modelo completo.
• Vem em três versões: Veo 3.1 para trabalhos finalizados, Fast para anúncios e testes rápidos, Lite para rascunhos e volume.
• Leva o SynthID, a marca invisível do Google que identifica um vídeo como gerado por IA.

Alguns recursos de cada modelo são do fabricante, não do DreamBench. A API da xAI pode fazer um clipe mudo do Grok Imagine 1.5 e dar uma voz predefinida a até 3 pessoas que falam, e o Video 1.5 Fast da xAI roda no grok.com/imagine e nos apps dela. As ferramentas do Google estendem um clipe do Veo 3.1 e devolvem várias tomadas de um prompt. No DreamBench, os dois modelos sempre geram som, um clipe é um plano, e você muda uma cena dando uma nova direção a ela.

O Google diz que a fala consistente no Veo 3.1, sobretudo em falas curtas, ainda é uma área em desenvolvimento ativo. A xAI diz que a fala do Grok Imagine 1.5 é mais clara e mais bem sincronizada que a do modelo anterior, e não publica lista dos idiomas que ele fala.

Para o Grok Imagine 1.5, escreva um briefing curto de plano construído em torno do movimento: o movimento de câmera, o elemento principal e o que ele faz, em que momento do clipe isso acontece, o cenário e a luz, e depois o som. No Film Studio, o clipe começa num quadro que o DreamBench desenhou, então descreva o que se move a partir desse quadro, e não o que está nele. Mantenha as falas curtas e entre aspas.

Para o Veo 3.1, siga a ordem do Google Cloud: cinematografia, elemento principal, ação, contexto e depois estilo e ambiência, com o plano nomeado como um plano de cinema, com uma lente e um movimento de câmera. Depois dê ao som frases próprias: falas entre aspas, com quem fala nomeado, “SFX:” para efeitos e “Ambient noise:” para o lugar. O Google Cloud lista o inglês como idioma de prompt do Veo 3.1.

• Duração: planeje uma fala do Veo 3.1 a cerca de 2 palavras por segundo, no máximo 12 a 14 palavras em 8 segundos; um clipe de 15 segundos do Grok Imagine 1.5 comporta mais.
• Redação: descreva o que você quer, uma rua vazia em vez de “sem pessoas”, nos dois modelos.
• Música: as ideias de prompt do DreamBench para o Veo 3.1 ficam em diálogo, efeitos e som ambiente; no Grok Imagine 1.5, nomeie a música que você quiser.

Na página Vídeo, os dois recebem o seu prompt do jeito que você escreveu; no Film Studio, o DreamBench escreve o prompt de cada cena a partir do seu briefing. O guia de prompts do Veo 3.1 tem exemplos para copiar.

Consultado em 1º de novembro de 2026: a página do Veo 3.1 no Google Cloud, na Gemini Enterprise Agent Platform, lista uma data de aposentadoria de “November 17, 2026 or later” (17 de novembro de 2026 ou depois) para o Veo 3.1 e o Veo 3.1 Fast, e nenhuma para o Veo 3.1 Lite, em Preview lá. A página do Veo 3.1 na fal, o serviço em que o DreamBench roda o Veo 3.1, diz que o endpoint “will be deprecated on November 17, 2026” (será descontinuado em 17 de novembro de 2026). As páginas da xAI consultadas no mesmo dia não mostram data de fim para o Grok Imagine Video 1.5.