Vidu Q4 Preview vs Grok Imagine Video: Modellen som ledde Arena i januari ligger nu på nionde plats

Tre siffror beskriver den här duellen, och ingen av dem är ett specifikationsblad. På Artificial Analysis-tavlan för bild-till-video, Vidu Q4 Preview ligger på tredje plats med 1 179 och 5 543 röster bakom sig. Gr​ok Imagine Video 1.5 ligger på nionde plats med 1 098. Versionen från januari 2026 av Gr​ok Imagine Video, som fortfarande listas och fortfarande går att anropa under sitt eget namn, ligger på fjortonde plats med 1 072 — och de två Gr​ok-posterna är prissatta till 8,40 respektive 4,20 dollar per minut, vilket innebär att den nyare kostar exakt dubbelt så mycket för tjugosex Elo mer.

Vidu Q4 Preview är en build, släppt den 7 oktober 2026 av Shengshu Technology som en första offentlig förhandsvisning före den fullständiga Q4-modellen, i två lägen: Image-to-Video och Reference-to-Video. Grok Imagine Video är en familj med minst tre poster på två topplistor. Jämförelsen handlar egentligen om vad som händer med en placering på en topplista under nio månader, och Vidu-släppet är det som dök upp för att bevisa poängen.

Två byggen av samma modell, tjugosex Elo isär

Artificial Analysis, läst 8 oktober 2026, ljudet behållet, resultattavla för bild-till-video (AA-Video-I2V v1.0):

• Vidu Q4 Preview — 3:e, 1 179 ±10, 5 543 prover, okt. 2026, 7,20 USD/min

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

• grok-imagine-video — 14:e, 1 072 ±7, 14 371 prover, jan 2026, $4,20/min

Och för text-till-video (AA-Video-T2V v2.0), en separat resultattavla med sin egen skala:

• Gr​ok Imagine Video 1.5 — 11:e, 1 045 ±9, 4 056 prover, maj 2026, $15,00/min

• Gr​ok Imagine Video 1.5 Lite — 17:e–18:e, 993 ±10, 5 715 prover, aug 2026, $8,40/min

• Vidu Q4 Preview — finns inte

Två saker sticker ut i det första blocket. Januariupplagan av Gr​ok Imagine Video har flest röster av alla modeller i den här jämförelsen – 14 371, nästan tre gånger så många som Vidu Q4 Previews 5 543 och nästan tre gånger så många som 1.5-versionens. När en modell lanserades som arenaetta i januari är det så antalet röster ser ut i oktober: communityt röstade på den i stor utsträckning och slutade sedan. Poängen är stabil och väl mätt och inte längre i närheten av toppen.

Det andra är prisinversionen. Gr​ok Imagine Video 1.5 har dubbelt så högt minutpris som sin januariföregångare och ligger tjugosex Elo före den. Tjugosex Elo ligger precis utanför de två intervallen tillsammans – ±8 och ±7 – så förbättringen är förmodligen verklig, men det är den sorts marginal som kommer från en generationsuppdatering snarare än en ny arkitektur, och den säljs till dubbelt pris. Samtidigt ligger Vidu Q4 Preview åttioett Elo över 1.5-versionen och är billigare än den, 7,20 dollar mot 8,40 dollar. Det är en fräschare modell som slår en äldre på båda axlarna, vilket är vad som borde hända och sällan görs så här snyggt.

Den tredje märkligheten ligger mellan tavlorna. Samma Gr​ok Imagine Video 1.5 som kostar 8,40 dollar per minut för bild-till-video kostar 15,00 dollar per minut för text-till-video, där den också får lägre poäng enligt den andra tavlans skala. Om du planerar en Gr​ok-arbetsbelastning ändrar valet av indatamodalitet priset med ungefär åttio procent.

Vad Grok Imagine Video faktiskt ger dig

Det är inte en dålig modell och den här artikeln tänker inte låtsas något annat. Två saker som den gör som Vidu Q4 Preview inte gör:

Den tar textpromptar. Vidu Q4 Previews produktsida listar exakt två lägen – Image-to-Video och Reference-to-Video – och dess API dokumenterar /ent/v2/img2video och /ent/v2/reference2video och inget annat. Det finns ingen endpoint för text-till-video. Gr​ok Imagine Video 1.5 och dess syskonmodell Lite finns båda med på text-till-video-tavlan, så om din pipeline utgår från en skriven prompt är en av dessa två modeller tillgänglig för dig och den andra helt enkelt inte.

Den har en billig nivå. På resultattavlan för bild-till-video kostar januaribyggversionen $4,20 per minut mot Vidu Q4 Previews $7,20 på samma tavla; Lite-nivåns $8,40 ligger på text-till-video, en separat tavla med sin egen skala. Om du genererar i hög volym och kan acceptera en poäng på femteplatsnivå är den lägre delen av Gr​ok-familjen det billigaste i den här artikeln — januaribyggversionen på $4,20 har 1 072 Elo, vilket är 107 under Vidu Q4 Preview men också $3,00 per minut billigare.

Vad Vidu Q4 Preview ger dig

Vidu-sidan av detta är en starkare generationsmodell i den dimension de delar, och en mycket större referensbudget.

• Upplösning — Vidu Q4 Preview upp till 4K i 10-bitars färg (2K och 4K) jämfört med Grok Imagine Video, som inte är dokumenterad i 4K på dessa forum

• Klipplängd — Vidu Q4 Preview 3–16 s för bild-till-video och 1–16 s för referens-till-video jämfört med Grok Imagine Video, som inte är publicerad med samma detaljnivå

• Referensindata — Vidu Q4 Preview upp till 15 referensbilder och upp till 3 referensljudklipp jämfört med att inte vara publicerat på den nivån för Gr​ok Imagine Video

• Ljudstandard — Vidu Q4 Previews bild-till-video-endpoint har en audio-parameter som standard är true, så ljudet kommer med bilden om du inte inaktiverar det

• Text-till-video — saknas, och det är den enda raden på den här listan som går åt andra hållet

Varje Vidu-siffra ovan är leverantörens egen och bör läsas som en sådan. Det enda talet i den här artikeln som mäts oberoende är Elo, och där ligger Vidu Q4 Preview åttioen poäng före Gr​ok Imagine Video 1.5 med tusen färre röster. Åttioen Elo är ungefär fem gånger den kombinerade intervallbredden. Det är en verklig skillnad i dag och den är daterad till oktober 2026, vilket innebär att det är en skillnad som rör ett annat ögonblick än det Gr​ok-poängen befinner sig i.

Är en förhandsversion en rättvis motståndare?

Shengshus formulering är ovanligt direkt: Vidu Q4 Preview släpptes före den fullständiga Q4-modellen så att kreatörer kunde använda den i verkliga projekt och hjälpa till att forma den slutliga utgåvan. Prissättningen beskrivs som kampanjbaserad. Slutlig prissättning, upplösningar som stöds, funktionstillgänglighet och användarvillkor kan variera beroende på plan och region. API-dokumentationen innehåller ett felstavat alias, viduq4-previerw, som står bredvid den korrekta viduq4-preview, vilket är den typ av detalj som en lanserad produkt vanligtvis rensar upp men en förhandsversion vanligtvis inte gör.

Alltså tjänades de åttioen Elo-poängen in av en build som dess egen leverantör säger inte är slutgiltig, till ett pris som dess egen leverantör säger är kampanjpris. Båda dessa omständigheter talar till Vidus fördel – modellen kommer sannolikt att förbättras och priset kommer sannolikt att stiga – men de innebär också att inget av talen är ett åtagande. Den som budgeterar utifrån den här sidan bör räkna med att priset ändras vid Q4-släppet, och bör då läsa om resultattavlan i stället för placeringen.

Om förhandsversionsbygget som byts ut med några veckors mellanrum är problemet, är det precis vad automatisk redundansväxling finns till för: en OpenAI-kompatibel slutpunkt för 200+ modeller, med leverantörernas listpriser som förs vidare utan påslag, så att ett kampanjpris som tar slut blir en ändring av en radpost i stället för en omförhandling, och en rutt som blir otillgänglig går vidare i stället för att förfrågan misslyckas. För att vara ärlig om täckningen – Vidu Q4 Preview är inte en OrcaRouter-rutt, och inte heller Gr​ok Imagine Video. De videomodeller vi faktiskt tillhandahåller, inklusive MiniMax H3, ligger på samma nyckel och slutpunkt som textmodellerna.

Det snäva svaret

Om du vill ha bästa möjliga bild-till-video-utdata och din indata är en bildruta, ligger Vidu Q4 Preview åttioett Elo före Gr​ok Imagine Videos nuvarande version till en lägre uppmätt kostnad, och det finns inget starkt argument för Gr​ok-sidan bortom prisgolvet. Om du vill ha det billigaste som får ett respektabelt resultat, är Gr​ok Imagine Videos januariversion på $4.20 med 1 072 Elo och 14 371 röster bakom sig ett välmätt, välröstat och medvetet billigt alternativ, och Vidu har inget vid den prisnivån. Om din indata är en mening är Gr​ok-familjen den enda av de två familjerna i rummet.

Vad som skulle ändra på det: den fullständiga lanseringen av Vidu Q4, som skulle kunna lägga till lägen eller minska prisgapet; och AA-Video-I2V v2.0, som aviserats komma med en ny taxonomi och en ny röstpool, vilket skulle nollställa varje siffra på den här sidan snarare än att justera den. Tills någon av dem har landat är den ståndpunkt som är värd att inta den som stickprovsstorlekarna säger dig — Vidus 5 543 röster är en dag gamla, Gr​oks januaribygges 14 är nio månader gamla, en resultattavla är ett fotografi, inte en bestående ställning.