新智元报道
编辑：KingHZ
【新智元导读】xAI华人高管潮水般离开时，所有人以为它要凉，结果Grok Imagine突然三杀登顶！
华人联创快跑光了的xAI，突然迎来重大利好：Grok Imagine在DesignArena全球AI视频排行榜斩获三项第一——视频生成竞技场（Elo 1337）、图像转视频（Elo 1298）和视频编辑（Elo 1291），大幅领先谷歌Veo 3.1、OpenAI Sora及Kling等主流模型。
排行榜「三连冠」
什么让Grok Imagine这么牛？
DesignArena是全球AI视频模型的公开评测平台，采用真人用户盲选+Elo评分机制（类似国际象棋评级），真实反映模型在实际应用中的表现。
- 视频生成竞技场：Elo 1337，领先第二名33分。支持文生视频，如输入“一只猫在月球上跳舞”，即可生成带音效的流畅短片。
- 图像转视频：Elo 1298，超越Veo 3.1、Kling与Sora。可将静态图智能转化为动态场景，如风景照生成风吹树摇效果。
- 视频编辑：Elo 1291，支持物体替换、风格迁移、片段延长等操作，平均耗时仅1分5秒，效率显著优于竞品。
高效泛化：不拼参数，重在结构
Grok Imagine并非依赖超大规模参数堆砌，而是通过创新架构实现“高效泛化”——在质量、速度与成本间取得最优平衡。
生成带音频的视频成本仅为4.20美元/分钟，远低于Veo（12美元）和Sora（30美元）。
自2025年8月发布以来，其迭代速度极快：从初期简单图像生成，迅速拓展至复杂视频任务；日均生成量已超过所有竞争对手总和。
团队由多模态AI专家领衔，如Omni团队负责人Haotian Liu，聚焦让AI真正理解场景逻辑，而非仅模仿表层内容。
xAI的Omni团队负责人：Haotian Liu
行业地震：从「蛮力时代」到「智慧革命」
在OpenAI Sora、谷歌Veo、Kling等巨头主导的AI视频赛道中，Grok Imagine以小而精的路径实现突围，证明AI进步无需依赖算力军备竞赛。
在Artificial Analysis基准测试中，Grok Imagine同样包揽文本转视频与图像转视频双榜首，推动行业重心从“模型越大越好”转向“结构更精妙、推理更可靠”。
从2025年7月仅支持6秒视频，到2026年1月开放API接口，半年内完成从原型到工业级产品的跨越，进度堪比SpaceX火箭回收节奏。
对普通用户与企业的意义
对个人创作者：小博主制作产品演示视频，几分钟即可完成，无需专业剪辑；
对企业用户：营销视频、培训动画实现自动化生产，成本大幅降低；
在垂直领域：已与特斯拉协同，支持车载AI实时分析仪表盘画面，并为Optimus机器人生成训练数据。
更深层影响在于加速AGI演进——AI正从工具升级为创意伙伴，理解意图、生成个性化内容，推动视频创作门槛降至“发短信”级别。
当前局限包括单次输出限15秒、复杂物理场景仍需优化，但其快速迭代能力与工程务实性，已重新定义AI视频的技术范式。
