Kling 4.0 vs Grok Imagine Video：最も安価なモデルが最多票を獲得

この比較で最も多く測定されているモデルは最新のものではなく、最新のものはまったく測定されていません。Grok Imagine Videoは、Artificial Analysisのimage-to-videoボードに3つのエントリーを持つファミリーです。2026年1月公開のオリジナルはElo 1,072で14,371票、Grok Imagine Video 1.5は1,098で5,267票、Lite版はtext-to-videoボードに掲載されています。Kling 4.0は2026年10月15日にリリースされましたが、どのボードにも行がなく、公開された毎秒料金もなく、仕様表は持続時間、解像度、参照数でGrokの3エントリーすべてを上回っています。証拠と上限の間のギャップが、この対決のすべてです。

その形は、この市場ではリーダーボード形式が認めているよりも一般的だ。長い投票履歴を持つモデルは既知の存在であり、必ずしも最良とは限らない。8日前に登場し、30秒のパスを持つモデルは、デモリール付きの約束だ。問題は、あなたのプロジェクトがどちらの種類の不確実性を吸収できるかだ。

3つのGrokモデル、1つのKling

Grok Imagine Video は単一の製品ではなく、バージョン番号も期待するようには順位付けされません。音声をオンにして、2026年10月10日にキャプチャされた画像から動画へのボードを読み進めてください：

• Grok Imagine Video original — 14,371サンプル中、Elo 1,072 ±7で13位、2026年1月、1分あたり$4.20。

• Grok Imagine Video 1.5 — 2026年5月、5,267サンプルでElo 1,098 ±8の9位、1分あたり$8.40。

• Grok Imagine Video 1.5 Lite — テキストから動画へのボードで16位、5,715サンプルで993 ±10、2026年8月26日リリース、1分あたり8.40ドル。

• Kling 4.0 — 2026年10月23日時点で、どのボードにも行はありません。

オリジナルは最も安く、最も測定データが充実している。1.5リフレッシュはEloスコアが26高く、投票数は3分の1でありながら、1分あたりのコストは2倍だ。Lite版はまったく別のボードに位置するため、他の2つと比較することは、すでに別のタスクを比較していることになる。これはコンシューマープラットフォームの更新ペースで反復されてきたファミリーであり、価格ラダーはそのことを反映している。安価でエビデンスの豊富なベースライン、より高価な改良版、秒あたりのコストがより安いLite階層のいずれかを購入でき、どれもエビデンスとスコアを引き換えにすることを求めてくる。

Kling 4.0にはそうした内部的な選択肢が一切ありません。モデルは1つ、未公開の価格が1つ、そして尺の上限が1つだけです。そのシンプルさは、現時点で最良のテイクを求めるなら利点ですが、数字で正当化できる調達判断を下したいなら不利になります。

票数があなたにもたらすもの

サンプル数は通常、技術的な些細な事柄として扱われる。このボードでは、それは主張と推測の違いになる。1月のGrokチェックポイントの±7の区間は、12,327票を背景に持つGemini Omni Flashの区間と同じ幅だ。14,371件の比較があれば、ボードがある程度の自信を持って立場を示すのに十分である。Grok 1.5の±8がより広いのは、票数が少ないためであり、モデルとして劣るからではない。Kling 4.0の区間はまだ存在しない。

品質で選ぶ人にとって、これは実用的な意味を持つ。Grok Imagine Video originalを選ぶなら、得られるものはおおよそ分かる。この比較の中では料金が最も低く、根拠となる証拠が強い中位モデルだ。Kling 4.0を選ぶなら、独立系の評価者がまだスコアを付けていないモデルについて、ベンダーの主張を受け入れることになる。どちらの選択も不合理ではない。両者は異なる賭けなのだ。

スペックの上限

紙の上では、Kling 4.0 のほうが明らかに高性能なマシンだ。

• 長さ — Kling 4.0 は1回のパスで3～30秒を生成し、2分間の延長は近日公開予定とされています。Grok Imagine Video 1.5 は1～15秒を生成し、最後のフレームからの自己回帰的な延長に対応しています。オリジナルは編集および延長作業では8.7秒に制限されています。

• 解像度 — Kling 4.0は720p、1080p、4Kに対応し、1080pと4Kでの10ビットHDRは近日提供予定とされています。Grok 1.5は480p、720p、1080pをネイティブで出力します。オリジナル版は最大解像度がより低くなります。

• リファレンス — Kling 4.0 は画像、動画、被写体、音声を合わせて最大15個のアセットを扱え、上限は画像10個、動画5個、被写体7個、動画ベースの被写体は最大3個です。Grok 1.5 は最大14枚の参照画像、最大3つの音声参照、さらに最大4つの中間動画キーフレームと先頭・末尾のフレームを扱えます。

・キーフレーム — Kling 4.0 は最大10枚のキーフレーム画像を使用できます。Grok 1.5 は最初のフレーム、最後のフレーム、および動画中間の最大4フレームを使用します。

• 音声 — どちらもリップシンクされた発話を伴うネイティブ音声を生成します。Klingは2チャンネルステレオと9言語＋方言を謳い、Grokは最大3つのプリセット音声参照を用いた音声と映像の同時生成を謳っています。

• プロンプト — Kling 4.0は最大8,000トークンを受け付けます。Grokのドキュメントには、同等のプロンプト制限は公開されていません。

参照素材の点では、両者は見出しの数字ほど差がない。15アセット対14画像＋3ボイスは一方的な大差ではない。本当の差は尺と解像度だ。4Kで30秒対1080pで15秒は成果物のクラスが違うし、欠けている証拠があるにもかかわらずKling 4.0を検討する価値がある理由でもある。

価格：空白を背景にした公開ラダー

Grok Imagine Video の料金は、解像度別に秒単位で公開されています。1.5 モデルは 480p で 1 秒あたり $0.08、720p で $0.14、1080p で $0.25 で、音声込み、画像入力は 1 枚あたり $0.01 です。Lite バリアントは 480p で $0.02、720p で $0.03、1080p で $0.14 です。従来のオリジナルは 480p で $0.05、720p で $0.07 です。Artificial Analysis は 1.5 の行を 1 分あたり $8.40 に、オリジナルを $4.20 に正規化しており、これは 720p の料金と整合しています。

2026年10月23日時点で、Kling 4.0にはベンダーによる秒単位の料金はありません。アプリはKling AIのプランを通じたクレジット制で動作し、APIはアーリーアクセスです。リセラーの掲載情報には秒単位の数字が示されていますが、それはKuaishouの価格ではなく、ばらつきが大きすぎるため、予算項目として使うのは推測になってしまいます。

実際の基準として、前世代の Kling は価格が設定され、本番運用されています。OrcaRouter では、kling/kling-v3 と kling/kling-v3-omni はリクエストあたり $0.084、kling/kling-3-turbo は $0.112、旧 2.x ティアは $0.042～$0.28 です。これらは秒単位の料金ではなくリクエスト単位の価格なので、Grok の料金表と1対1で対応するわけではありませんが、Kling の購入者が今日実際に使える数字です。

アクセスと編集サーフェス

Grok Imagine Videoは、xAIのAPIおよびコンシューマー向けGrok製品から利用できます。1.5モデルは非同期方式です。送信し、リクエストIDをポーリングし、ダウンロードします。このファミリーは十分長く提供されてきたため、リクエストスキーマは文書化されており、障害モードも知られています。オリジナルは編集および拡張の作業を扱い、720pと8.7秒のソース素材が上限です。1.5モデルは生成に焦点を当てており、文書化された機能として動画編集や拡張を明示的にサポートしていません。

Kling 4.0はKling AIアプリおよびウェブサイトで世界向けに公開されており、グローバルローンチの発表日は2026年10月16日です。APIはアーリーアクセスで、MCPおよびCLIのサポートが記載されています。その編集範囲は、合計30秒のウィンドウ内で最大5つの入力クリップにわたり、表情、身体の動き、カメラ位置、スタイル、背景への的を絞った編集として文書化されており、Grok 1.5の文書化された編集サポートより広範ですが、汎用動画エディターよりは狭い範囲です。

現時点ではどちらのモデルも OrcaRouter のルートではないため、ここに書かれていることは当社がどちらかをホストしているという主張ではありません。当社が実際に提供している Kling の世代は Kling 3.0 で、早期アクセス期間中に Kling 4.0 を試している場合の実用的なフォールバックとなります。より広く言えば、動画スタックの手前にゲートウェイを置く理由は、これらのモデルがそれぞれ異なる形で失敗するからです。あるものはレート制限にかかり、別のものは長い生成でタイムアウトし、さらに別のものは成功ではない終端ステータスを返します。単一の OpenAI 互換エンドポイントが 自動フェイルオーバーとプロバイダー定価を 0% のマークアップでそのまま反映することを備えていても、モデルが良くなるわけではありませんが、1 つの不具合のあるエンドポイントがバッチ全体の失敗になるのを防ぎます。

誰がどれを選ぶべきか

• 公開されている料金が最も安く、根拠が最も充実しているものを求めるなら、Grok Imagine Video original を選んでください。1分あたり$4.20、14,371票というのは、この比較の中で最も驚きの少ない選択肢であり、下書き用途に使えるほど安価です。

• ネイティブ1080p、15秒のテイク、最大14枚の参照画像と3つの音声参照、さらに明示された秒単位の料金が必要なら、Grok Imagine Video 1.5 を選んでください。制御されたキャラクターショットに最も適した Grok です。

• 30秒のシングルパス、4K、10キーフレーム、または21:9の成果物が必要で、スコア未設定・価格未設定の早期アクセスAPIを試験運用してもよい場合は、Kling 4.0を選んでください。

• 調達が今週中に数字を必要としているならGrokを、ショットにより長いテイクが必要で料金表を待てるならKlingを選んでください。

正直な結論として、これら2つのモデルはまだ同じ購入をめぐって実際に競合しているわけではない。Grok Imagine Video は、公開料金表で販売されている、成熟し実測済みの安価なファミリーだ。Kling 4.0 は一般提供開始から最初の週にある、より高い上限を持つモデルで、証拠と価格はまだこれからだ。ほとんどのチームにとって正しい動きは、実測済みのモデルを本番環境に残し、実際に30秒を必要とするショットで新しいモデルを試験導入することであり、1か月後にボードと料金表の両方を読み直すことだ。そのとき、空欄の列についに数字が入っているかもしれない。