Vidu Q4 Preview vs Grok Imagine Video : le modèle qui dominait l’Arena en janvier est désormais neuvième

Trois chiffres décrivent cette confrontation, et aucun d'entre eux n'est une fiche technique. Sur le classement image-to-video d'Artificial Analysis, Vidu Q4 Preview occupe la troisième place avec 1 179, et 5 543 votes derrière lui. Gr​ok Imagine Video 1.5 occupe la neuvième place avec 1 098. La version de janvier 2026 de Gr​ok Imagine Video, toujours listée et toujours invocable sous son propre nom, occupe la quatorzième place avec 1 072 — et les deux entrées Gr​ok sont facturées respectivement à 8,40 $ et 4,20 $ par minute, ce qui signifie que la plus récente coûte exactement deux fois plus pour vingt-six points d'Elo de plus.

Vidu Q4 Preview est une version, publiée le 7 octobre 2026 par Shengshu Technology comme première préversion publique avant le modèle Q4 complet, en deux modes : Image-to-Video et Reference-to-Video. Gr​ok Imagine Video est une famille comptant au moins trois entrées réparties sur deux classements. La comparaison porte en réalité sur ce qui arrive à une position dans un classement sur neuf mois, et la sortie de Vidu est l'élément qui est arrivé pour le démontrer.

Deux versions du même modèle, à vingt-six points Elo d’écart

Artificial Analysis, consulté le 8 octobre 2026, audio conservé, classement image-vers-vidéo (AA-Video-I2V v1.0) :

• Vidu Q4 Preview — 3e, 1 179 ±10, 5 543 échantillons, oct. 2026, 7,20 $/min

• Gr​ok Imagine Video 1.5 — 9e, 1 098 ±8, 5 267 échantillons, mai 2026, 8,40 $/min

• grok-imagine-video — 14e, 1 072 ±7, 14 371 échantillons, janv. 2026, 4,20 $/min

Et pour le text-to-video (AA-Video-T2V v2.0), un tableau séparé avec sa propre échelle :

• Grok Imagine Video 1.5 — 11e, 1 045 ±9, 4 056 échantillons, mai 2026, 15,00 $/min

• Grok Imagine Video 1.5 Lite — 17-18, 993 ±10, 5 715 échantillons, août 2026, 8,40 $/min

• Vidu Q4 Preview — non présent

Deux choses ressortent du premier bloc. La version de janvier de Gr​ok Imagine Video détient le plus grand nombre de votes parmi tous les modèles de cette comparaison — 14 371, près de trois fois les 5 543 de Vidu Q4 Preview et près de trois fois ceux de la version 1.5. Quand un modèle est lancé en tant que leader de l'arène en janvier, voilà à quoi ressemble le nombre d'échantillons en octobre : la communauté a voté massivement pour lui, puis s'est arrêtée. Le score est stable et bien mesuré, et il n'est plus proche du sommet.

La deuxième chose est l’inversion des prix. Grok Imagine Video 1.5 a un tarif à la minute deux fois plus élevé que celui de son prédécesseur de janvier et vingt-six points Elo d’avance sur lui. Vingt-six points Elo se situent juste en dehors des deux intervalles combinés — ±8 et ±7 —, donc l’amélioration est probablement réelle, mais c’est le genre d’écart qui provient d’un rafraîchissement générationnel plutôt que d’une nouvelle architecture, et il est vendu au double. Pendant ce temps, Vidu Q4 Preview est quatre-vingt-un points Elo au-dessus de la version 1.5 et affiché à un prix inférieur, à 7,20 $ contre 8,40 $. C’est un modèle plus récent qui bat un modèle plus ancien sur les deux axes, ce qui est censé se produire et se produit rarement aussi proprement.

La troisième anomalie se situe entre les tableaux. Le même Gr​ok Imagine Video 1.5, facturé 8,40 $ par minute en image-vers-vidéo, est à 15,00 $ par minute en texte-vers-vidéo, où il obtient aussi un score inférieur selon l'échelle de l'autre tableau. Si vous prévoyez une charge de travail Gr​ok, la modalité d'entrée que vous choisissez modifie le tarif d'environ quatre-vingts pour cent.

Ce que Grok Imagine Video vous offre réellement

Ce n'est pas un mauvais modèle et cet article ne va pas prétendre le contraire. Deux choses qu'il fait que Vidu Q4 Preview ne fait pas :

Il prend en entrée des invites textuelles. La page produit de Vidu Q4 Preview ne répertorie que deux modes — Image-to-Video et Reference-to-Video — et sa documentation API ne mentionne /ent/v2/img2video et /ent/v2/reference2video et rien d'autre. Il n'existe aucun point d'accès text-to-video. Grok Imagine Video 1.5 et son petit frère Lite figurent tous les deux dans le classement text-to-video, donc si votre pipeline part d'une invite écrite, l'un de ces deux modèles est à votre disposition et l'autre, tout simplement, ne l'est pas.

Il dispose d'un palier bon marché. Sur le classement image-vers-vidéo, la version de janvier est à 4,20 $ par minute contre 7,20 $ pour Vidu Q4 Preview sur ce même classement ; le palier Lite à 8,40 $ se situe sur le texte-vers-vidéo, un classement distinct avec sa propre échelle. Si vous générez en grande quantité et pouvez accepter un score de cinquième palier, le bas de la famille Grok est l'option la moins chère de cet article — la version de janvier à 4,20 $ affiche 1 072 Elo, soit 107 de moins que Vidu Q4 Preview, mais aussi 3,00 $ par minute moins chère.

Ce que Vidu Q4 Preview vous offre

Le côté Vidu de cela est un modèle de génération plus puissant sur l’axe qu’ils partagent, et un budget de référence bien plus important.

• Résolution — Vidu Q4 Preview jusqu’à la 4K en couleur 10 bits (2K et 4K) contre Gr​ok Imagine Video non documenté en 4K sur ces tableaux

• Durée du clip — Vidu Q4 Preview : 3-16 s pour Image-to-Video et 1-16 s pour Reference-to-Video, contre Gr​ok Imagine Video dont les détails ne sont pas publiés avec le même niveau de précision

• Entrées de référence — Vidu Q4 Preview jusqu'à 15 images de référence et jusqu'à 3 clips audio de référence, contre non publié à ce niveau pour Gr​ok Imagine Video

• Audio par défaut — le point de terminaison image-vers-vidéo de Vidu Q4 Preview comporte un audio paramètre défini par défaut sur true, donc le son accompagne l'image sauf si vous le désactivez

• Texte-vers-vidéo — absent, et c’est la seule ligne de cette liste qui va dans l’autre sens

Tous les chiffres Vidu ci-dessus proviennent du fournisseur lui-même et doivent être interprétés comme tels. Le seul chiffre de cet article qui soit mesuré indépendamment est l'Elo, et sur ce point, Vidu Q4 Preview devance Gr​ok Imagine Video 1.5 de quatre-vingt-un points avec mille votes de moins. Quatre-vingt-un Elo, c'est environ cinq fois la largeur combinée de l'intervalle. C'est un écart bien réel aujourd'hui, et il est daté d'octobre 2026, ce qui signifie qu'il s'agit d'un écart portant sur un moment différent de celui où se situent les scores de Gr​ok.

Un build de prévisualisation est-il un adversaire équitable ?

Le positionnement de Shengshu est inhabituellement direct : Vidu Q4 Preview a été publié avant le modèle Q4 complet afin que les créateurs puissent l'utiliser dans de vrais projets et contribuer à façonner la version finale. La tarification est présentée comme promotionnelle. La tarification finale, les résolutions prises en charge, la disponibilité des fonctionnalités et les conditions d'utilisation peuvent varier selon le forfait et la région. La documentation de l'API comporte un alias mal orthographié, viduq4-previerw, à côté du bon viduq4-preview, le genre de détail qu'un produit commercialisé nettoie généralement et qu'un aperçu ne nettoie généralement pas.

Ainsi, les quatre-vingt-un Elo ont été obtenus par une version que son propre fournisseur dit ne pas être définitive, à un prix que son propre fournisseur dit être promotionnel. Ces deux nuances jouent en faveur de Vidu — le modèle devrait probablement s’améliorer et le prix devrait probablement augmenter — mais elles signifient aussi qu’aucun des deux chiffres ne constitue un engagement. Quiconque établit un budget à partir de cette page devrait prévoir que le tarif évoluera lors de la version Q4, et devrait relire le tableau des scores plutôt que le rang lorsqu’il le fera.

Si la version d'aperçu qui change toutes les quelques semaines est le problème, c'est exactement le cas pour lequel le basculement automatique existe : un seul point de terminaison compatible OpenAI pour plus de 200 modèles, avec les prix catalogue des fournisseurs répercutés et sans marge ajoutée, de sorte qu'une fin de tarif promotionnel soit un simple changement de ligne plutôt qu'une renégociation, et qu'une route devenue indisponible soit contournée au lieu de faire échouer la requête. Soyons clairs sur la couverture — Vidu Q4 Preview n'est pas une route OrcaRouter, et Gr​ok Imagine Video non plus. Les modèles vidéo que nous servons, y compris MiniMax H3, utilisent la même clé et le même point de terminaison que les modèles texte.

La réponse étroite

Si vous voulez la meilleure sortie image-vers-vidéo et que votre entrée est une image fixe, Vidu Q4 Preview a quatre-vingt-un Elo d'avance sur la version actuelle de Gr​ok Imagine Video, à un tarif mesuré inférieur, et il n'y a pas d'argument solide en faveur du camp Gr​ok au-delà du prix plancher. Si vous voulez l'option la moins chère qui obtient un score respectable, la version de janvier de Gr​ok Imagine Video à 4,20 $, avec 1 072 Elo derrière 14 371 votes, est une option bien mesurée, bien votée, délibérément bon marché, et Vidu n'a rien à ce niveau de prix. Si votre entrée est une phrase, la famille Gr​ok est la seule des deux familles présente.

Ce qui pourrait changer la donne : la sortie complète de Vidu Q4, qui pourrait ajouter des modes ou réduire l’écart de prix ; et AA-Video-I2V v2.0, annoncé comme devant arriver avec une nouvelle taxonomie et un nouveau vivier de votes, ce qui réinitialiserait tous les chiffres de cette page plutôt que de les ajuster. Tant qu’aucune des deux n’est arrivée, la position à retenir est celle que vous indiquent les nombres d’échantillons — les 5 543 votes de Vidu datent d’un jour, les 14 371 de la version de janvier de Grok datent de neuf mois, et un classement est une photographie, pas une position acquise.