Grok Bild-zu-Video: Lite vs. Grok 1.5 – welche Wahl?

TL;DR

• Wer das Budget für Bild-zu-Video steuern will, schaut zuerst auf Grok Imagine 1.5: Eine 720p-Anfrage mit 6 Sekunden kostet $0.1284; Grok Imagine 1.5 Lite kostet in derselben Stufe $0.273, inklusive $0.015 Eingabebild-Gebühr, also etwa das 2,13-Fache. Die vollständigen Stufen finden sich auf der Lite-Preisseite und der Grok-1.5-Preisseite.
• Beide unterstützen 1080p und ganzzahlige Dauern von 1–15 Sekunden. Bei der Migration sind vor allem Eingabefelder, Bildanzahl und Standardwerte zu beachten.
• Im Folgenden werden zwei Gruppen mit demselben Bild und demselben Prompt gegenübergestellt: Surfen und Latte Art. Auf der Lite-Bild-zu-Video-Modellseite oder der Grok-1.5-Bild-zu-Video-Modellseite lässt sich dasselbe Eingabebild zum Ausprobieren verwenden.

Auf einen Blick

Punkt	Lite: grok-imagine-1.5-lite/image-to-video	Grok 1.5: grok-imagine-1.5/image-to-video
480p pro Sekunde	$0.029	$0.0114
720p pro Sekunde	$0.043	$0.0214
1080p pro Sekunde	$0.20	$0.057142
720p-Anfrage mit 6 Sekunden	$0.273, inkl. $0.015 Eingabebild-Gebühr pro Anfrage	$0.1284, kein separat ausgewiesener Eingabebild-Zuschlag
Eingabebilder	image_url-String, 1 Bild	image_urls-Array, 1–7 Bilder; bei 1080p auf 1 Bild begrenzt
Angefragte Dauer	Ganzzahl 1–15 Sekunden, Standard 6 Sekunden	Ganzzahl 1–15 Sekunden, Standard 8 Sekunden
Prompt	Pflichtfeld, 1–4096 Zeichen	Optional, maximal 4096 Zeichen
Ausgabeformat	Richtet sich nach dem Eingabebild, Abmessungen werden gerundet	Bei einem Einzelbild ebenfalls nach dem Eingabebild; aspect_ratio wirkt nur bei mehreren Bildern

Lite nutzt standardmäßig 720p, Grok 1.5 standardmäßig 480p. Für einen Vergleich derselben Stufe bei beiden explizit resolution und duration angeben. Preise geprüft am 27. Oktober 2026; die Abrechnung erfolgt nach angefragten Sekunden, bei einem finalen Fehlerstatus wird die vorab einbehaltene Gebühr automatisch erstattet.

Dasselbe Eingabebild, derselbe Prompt – echte Ergebnisse beider Seiten

Bei jeder Gruppe sind Bytes und SHA-256 der beiden Eingabedateien identisch, und der englische Prompt ist wortgleich; pro Modell wird ein vorhandenes Ergebnis gezeigt. Die englischen Original-Prompts bleiben unten erhalten, einschließlich der darin enthaltenen Anforderungen an den Ton. Die Eingabeseitenverhältnisse liegen jeweils nahe 16:9 und 9:16; die Bildunterschriften nennen die tatsächlichen Ausgabemaße.

Gruppe A: Surfer (Eingabe 1672×941)

Gemeinsames Eingabebild beider Modelle · 1672×941

The wave curls and breaks behind the surfer as he carves down its face, white spray bursts and sparkles in the golden backlight, water rushes past. Smooth tracking camera following the surfer. Loud ocean surf and rushing water. Keep the photo realistic. No text, no logos.

Deutsche Erläuterung des Prompts: Die Welle rollt sich hinter dem Surfer und bricht, während er die Wellenfläche hinunterfährt; weiße Gischt stiebt im goldenen Gegenlicht und funkelt. Eine ruhige Kamerafahrt folgt dem Surfer. Lauter Meeresbrandung und rauschendes Wasser. Die fotorealistische Anmutung bewahren. Kein Text, keine Logos.

Lite: $0.273, inkl. Bildgebühr	Grok 1.5: $0.1284
Lite-Surfer-Ergebnis abspielen (MP4)	Grok-1.5-Surfer-Ergebnis abspielen (MP4)

Beide wurden mit 720p und 6 Sekunden angefragt; die generierten Ergebnisse sind jeweils 1264×720, 24fps, 145 Frames, Dateidauer 6,042 Sekunden, beide im MP4-Format. Der Preis wird auf Basis der angefragten 6 Sekunden berechnet.

Mit demselben Prompt in Lite generieren → · Mit demselben Prompt in Grok 1.5 generieren →. Das obige Eingabebild hochladen und dann 720p sowie 6 Sekunden wählen.

Gruppe B: Latte Art (Eingabe 941×1672)

Gemeinsames Eingabebild beider Modelle · 941×1672

Steamed milk pours in a thin stream into the espresso and a rosetta pattern slowly blooms on the surface, light steam rises, the barista's hand moves steadily. Slow push-in close-up. Soft cafe ambience, gentle pouring sound, quiet chatter in the background. No text, no logos.

Deutsche Erläuterung des Prompts: Aufgeschäumte Milch fließt in einem dünnen Strahl in den Espresso, und ein Rosettenmuster entfaltet sich langsam auf der Oberfläche; leichter Dampf steigt auf, die Hand des Baristas bewegt sich gleichmäßig. Langsame Nahaufnahme mit Push-in. Sanfte Café-Atmosphäre, leises Eingießgeräusch, gedämpftes Stimmengewirr im Hintergrund. Kein Text, keine Logos.

Lite: $0.273, inkl. Bildgebühr	Grok 1.5: $0.1284
Lite-Latte-Art-Ergebnis abspielen (MP4)	Grok-1.5-Latte-Art-Ergebnis abspielen (MP4)

Beide wurden mit 720p und 6 Sekunden angefragt; die generierten Ergebnisse sind jeweils 720×1264, 24fps, 145 Frames, Dateidauer 6,042 Sekunden, beide im MP4-Format. Der Preis wird auf Basis der angefragten 6 Sekunden berechnet.

Mit demselben Prompt in Lite generieren → · Mit demselben Prompt in Grok 1.5 generieren →. Das obige Eingabebild hochladen und dann 720p sowie 6 Sekunden wählen.

Sichtbare Unterschiede:

• Surfer-Gruppe: Bei beiden sind das Gleiten entlang der Wellenfläche und die Gischt im Gegenlicht zu sehen. Der Surfer bei Lite hebt in der zweiten Hälfte früher die Boardspitze und dreht sich zur Kamera; Grok 1.5 bleibt länger seitlich auf der Wellenfläche.
• Latte-Art-Gruppe: Das Eingabebild zeigt bereits ein Rosettenmuster. Beide Ergebnisse setzen das Eingießen und die Musterveränderung fort; bei Grok 1.5 gibt es in der Mitte einen deutlichen Strömungsstopp, danach wird weiter eingegossen, während der Milchstrahl bei Lite kontinuierlicher ist. Diese Gruppe darf nicht so beschrieben werden, als würde auf einer leeren Kaffeeoberfläche zu zeichnen begonnen.
• Alle vier Ergebnisse enthalten eine nicht stumme Tonspur, wobei die beiden Latte-Art-Videos insgesamt leiser sind. Eine vorhandene Tonspur bedeutet nicht, dass jeder im Prompt genannte Klang bestätigt ist; Meeresrauschen, Eingießgeräusch, Stimmengewirr oder die Qualität der Ton-Bild-Synchronität werden hier nicht bewertet.

Auswahl nach Szenario

• Budgetorientierte 720p-Bild-zu-Video-Stapelverarbeitung: Grok 1.5 kostet pro Anfrage mit 6 Sekunden $0.1284, also $0.1446 weniger als Lite.
• 1080p gewünscht: Beide bieten es. Bei einer Anfrage mit 6 Sekunden kostet Lite inkl. Bildgebühr $1.215, Grok 1.5 $0.342852; auf dieser Seite werden 720p-Ergebnisse gezeigt.
• Bestehender Lite-Einzelbild-Workflow: image_url kann weiterverwendet werden; bei einer Migration zur Kostensenkung zuerst Feldtypen und Standardwerte prüfen und dann mit eigenen Bildern die Ausgabe vergleichen.
• Mehrere Referenzbilder erforderlich: Grok 1.5 akzeptiert bei 480p und 720p 1–7 Bilder; bei 1080p bleibt es bei einem Einzelbild. Beide Gruppen auf dieser Seite verwenden nur ein Eingabebild.

Umstellungskosten: Eingabetyp, Standardwerte und Seitenverhältnis-Regeln

Im Folgenden bleiben der englische Prompt des Surfer-Beispiels sowie die Einstellungen 720p und 6 Sekunden erhalten. Das Lite-Anfragebeispiel ist gemäß den Fallparametern zusammengestellt; die Grok-1.5-Anfrage behält die damals protokollierte Eingabeadresse und aspect_ratio: "16:9". Beide Eingabeadressen verweisen auf dieselbe Bilddatei.

{
  "model": "grok-imagine-1.5-lite/image-to-video",
  "input": {
    "prompt": "The wave curls and breaks behind the surfer as he carves down its face, white spray bursts and sparkles in the golden backlight, water rushes past. Smooth tracking camera following the surfer. Loud ocean surf and rushing water. Keep the photo realistic. No text, no logos.",
    "image_url": "https://static.hiapi.ai/gallery/2026/10/3f75ff28db9e0070.png",
    "resolution": "720p",
    "duration": 6
  }
}

{
  "model": "grok-imagine-1.5/image-to-video",
  "input": {
    "prompt": "The wave curls and breaks behind the surfer as he carves down its face, white spray bursts and sparkles in the golden backlight, water rushes past. Smooth tracking camera following the surfer. Loud ocean surf and rushing water. Keep the photo realistic. No text, no logos.",
    "image_urls": [
      "https://static.hiapi.ai/model-covers/2026/10/19/1792426689343-54aa29a700fa9530-1792144202117-54aa29a700fa9530-surf-in.png"
    ],
    "resolution": "720p",
    "duration": 6,
    "aspect_ratio": "16:9"
  }
}

Bei der Migration den image_url-String in ein image_urls-Array ändern und resolution sowie duration explizit beibehalten. Bei einem Einzelbild ändert aspect_ratio bei Grok 1.5 das Ausgabeverhältnis nicht; auto ist ein zulässiger Standardwert, oben bleibt jedoch das 16:9 der Anfrage für dieses Ergebnis erhalten. Lite bietet kein aspect_ratio-Feld.

Von der Aufgabenübermittlung bis zur Ergebnisabfrage siehe die Lite-Bild-zu-Video-API-Integrationsanleitung; weitere wiederverwendbare Bewegungsbeschreibungen finden sich im Prompt-Leitfaden für Bild-zu-Video.

Häufige Fragen

Fällt bei Lite Bild-zu-Video für jede Anfrage eine Eingabebild-Gebühr an?

Ja, pro Anfrage $0.015. Eine 720p-Anfrage mit 6 Sekunden ergibt insgesamt $0.273; Grok 1.5 kostet in derselben Stufe $0.1284, Lite ist also etwa das 2,13-Fache.

Werden 1080p oder ganzzahlige Dauern von 1–15 Sekunden nur von Lite unterstützt?

Nein, beide unterstützen sie. Bei 1080p kostet Lite pro Sekunde $0.20, Grok 1.5 $0.057142; bei Lite kommt zusätzlich die Eingabebild-Gebühr hinzu.

Reicht es beim Modellwechsel, nur model zu ändern?

Nein. Lite verwendet den Einzelbild-String image_url, Grok 1.5 das image_urls-Array; auch Standardauflösung, Standarddauer und die Pflicht zum Prompt unterscheiden sich. Für den Vergleich derselben Stufe 720p und 6 Sekunden explizit angeben.

Haben die vier Videos auf dieser Seite Ton?

Alle vier enthalten eine nicht stumme Tonspur, wobei die beiden Latte-Art-Videos leiser sind. Das belegt nur, dass diese Dateien ein Tonsignal enthalten; es garantiert nicht, dass jeder im Prompt genannte Klang umgesetzt wurde, und ist keine Audio-Garantie für alle künftigen Ausgaben.

Wird bei einer fehlgeschlagenen Generierung abgerechnet?

Sobald eine Aufgabe den finalen Fehlerstatus erreicht, wird der bei der Erstellung vorab einbehaltene Betrag automatisch vollständig erstattet.

Nächster Schritt: Den obigen englischen Prompt kopieren, das passende Eingabebild hochladen, auf beiden Modellseiten 720p und 6 Sekunden wählen und dann die gewünschte Bewegung und Bildkomposition vergleichen.