Grok Imagineはどの版を選ぶ：1.0、1.5、Image 2.0

4ヶ月で3つのGrok Imagineモデルがリリースされており、選択は「新しい＝良い」では決まりません。モデルごとに役割が異なり、APIから呼び出せないものがあり、命名規則がその判断を難しくしています。

結論から言うと、Grok Imagine 1.0 VideoとVideo 1.5はビデオ生成です。Imagine Image 2.0は画像生成です。バージョン番号が2つのモダリティにまたがっているので、「2.0は1.5の後継」という判断は根本的に間違っています。

各Grok Imagineモデルの実態

リリース	日付	モダリティ	reAPI対応
Grok Imagine 1.0 Video	2026年5月7日	ビデオ	稼働中
Grok Imagine Video 1.5	2026年6月4日	ビデオ	稼働中
Imagine Image 2.0	2026年8月7日	画像	近日中

罠は真ん中のバージョン欄にあります。Grok Imagineモデルを探す人が2.0を見ると、旗艦だと思い1.5を置き換えると勘違いします。違います。ビデオが必要なら1.5が現行世代で、2.0は役に立ちません。画像が必要なら2.0を選びたいのですが、まだ呼び出せません。

Video 1.5が実用的なビデオモデル

Video 1.5はテキスト→ビデオ、画像→ビデオ、参照→ビデオ（最大7つの参照画像）に対応しています。ネイティブ1080pで生成され、最大15秒、音声は映像と同時生成されます。つまり環境音、効果音、台詞がすでに同期した状態で届き、事後処理で重ねる必要がありません。

処理速度も改善されています。6秒の720p Fast生成は以前は40秒以上かかっていましたが、現在は約25秒^[1]です。Image-to-Video Arenaボード上では2026年8月2日時点で3位でしたが、これはトップグループに属し、エラーバーが重なっているため、グループ内の順位は測定誤差と考えてください。

実用的には、静止画に数秒のモーションを付けたいときに使うモデルです。ドラマティックな動きではなく、視線が動く、髪がなびく、ゆっくりズームイン程度です。

1.0 Videoが今も使われる理由

Grok Imagine 1.0 Videoは1.5より1ヶ月古く、reAPIではまだ稼働中です。廃止予定ではなく、廉価オプションです。大量かつ短いクリップで、1080pが不要、参照画像7枚が不要、高速ターンアラウンドも不要という用途なら、旧モデルで十分です。

率直に言うと、1.5はほぼ全ての点で優れており、1.0を選ぶ理由はクリップあたりのコスト、能力ではなく価格です。

それでも2つの場面では実用的な選択肢です。1つは大量生成で、クリップが短く、さらに短く切られ、縦動画フィードから出ない場合、1080pは不要です。もう1つはA/Bテストで、プロンプトやコンセプト段階でテストし、高コストモデルより安いモデルで50パターン試す方が、高いモデルで15パターン試すより効率的です。コンセプトが決まったら、本番クリップを1.5で再レンダリングしましょう。

Image 2.0は別の製品にバージョン番号を付けただけ

Imagine Image 2.0は2026年8月7日、GrokのQuality Modeとしてリリースされました^[2]。ArenaボードではxAIが、テキスト→画像と画像編集の両方で世界2位だと主張しています。OpenAIのGPT Image 2がその両方で1位です。これらのスコアはまだPreliminary（予備的）ラベルが付いており、投票数が少ないためです。

通常のテキスト→画像モデルと異なるのは、編集が組み込まれているのではなく、統合されていることです。魔法の棒は指を向けた領域だけ変更します。セグメンテーションで正確な領域を選択できます。背景除去は被写体を透過の上に出力できます。複数参照編集は1回の生成に最大5つの入力を受け取り、キャラクター、場所、小道具を別々に指定でき、1つの参照画像に詰め込む必要がありません。

ただし1つの落とし穴があり、ほとんどの人がこれを誤解しています。Image 2.0には公開APIがありません。xAIの発表は「API accessは近日中」で終わり、エンドポイントも日程も示されていません。

名前が衝突して午前が潰れる罠

APIにはすでにGrok画像モデルがあり、2.0ではありません。grok-imagine-image-qualityは2026年5月から呼び出し可能です^[3]。これは旧世代で、Arenaで1228と1390を記録し、Image 2.0が1320と1439を記録したボードです。

つまり今週Grok Imagineで画像統合を始めると、2.0ではなくQualityが届きます。地域限定編集と5参照合成がImage 2.0の魅力ですが、このエンドポイントにはありません。旧い動作に対応するか、待つかのどちらかです。

用途に応じてGrok Imagineモデルを選ぶ

出力から逆算してください。バージョン番号からではなく。

ビデオ、今すぐ本番化。 Video 1.5。ネイティブ1080p、最大15秒、同時音声、7参照画像対応。

ビデオ、コスト重視の大量生成。 1.0 Video。旧い、安い、稼働中。

画像、今すぐ本番化。 Grok Imagineモデルではありません。APIのあるモデルを使い、後で変更。

画像、先を見越した選択。 Image 2.0、API公開時。

最後の行は今から設計する価値があります。reAPI上のすべての画像モデルは同じ非同期リクエスト形式を話すので、今日稼働しているモデルで構築し、Image 2.0が公開されたときにmodel IDを変更するのは1行の編集です。同じAPIキーはすでにプラットフォーム全体で動作します。

バージョン番号が隠すコスト構造

バージョン順は「新＝高い」を示唆しますが、このラインアップでは確実ではありません。ビデオ側では1.0 VideoとVideo 1.5は秒単位で課金され、解像度でスケールするため、クリップ長に応じて差が広がります。15秒1080p出力と4秒480p出力は、同じGrok Imagineモデルが生成しても商業的には別製品です。

ワークロードを見積もるときに重要です。チームはよく短い480p テストクリップでベンチマークし、品質で新しいモデルを選んで、実際の請求が実際に使う解像度と長さにあることに気付きます。本番設定で推定を実行してからコミットしましょう。

Image 2.0の場合、公開レートがないため、まだコスト計算はできません。リリース時にモデルページの価格表が自動入力され、クレジットシステムは変わりません。完成生成ごとに支払い、失敗は払い戻し、クレジット失効なし。

もう1つの実用的なポイント。プラットフォーム上のすべてのモデルが1つのキーと非同期リクエスト形式を共有しているため、本番環境で2つのGrok Imagineモデル選択肢を比較するのは安いです。同じ統合を各IDに向け、同じプロンプトを実行し、リーダーボードスコアではなく、実際の出力と実際の費用を比較します。これは通常、他人のプロンプトで測定したEloデルタより良い指標です。

公開されていないこと

推測が事実として流通しているため、明示的にしておきます。

Image 2.0のアーキテクチャ、パラメータ数、学習方法は開示されていません。xAIは旧Aurora モデルを自動回帰として説明しましたが、2.0が同じ設計を共有しているという主張は推測であり、ドキュメントではありません。Image 2.0の価格もモデルでも来るAPIでも公開されていません。今日引用されているImage 2.0の単価は作られたものです。

このモデルラインの現況

バージョン番号は階段状を示唆しますが、実態は1つの名前を共有する2つのプロダクトライン：ビデオは1.0と1.5、画像は2.0、さらに4番目のモデルgrok-imagine-image-qualityが静かにAPI上のビデオトラフィックを処理しながら2.0が注目を集めています。

選択ルールは「最高番号を取る」ではありません。必要な出力から始めて、そのGrok Imagineモデルに今呼び出せるエンドポイントがあるか確認してから品質比較してください。4つのうち2つが画像では今エンドポイント要件を満たさず、1つはエンドポイント要件を静かに満たさず、予期した古い世代で返答します。

ビデオ作業では、現行Grok ImagineモデルはVideo 1.5で稼働中です。画像作業では、計画する価値のあるGrok ImagineモデルはImage 2.0で、まだ呼び出せません。本番稼働しているモデルで構築し、model IDをハードコードせず設定に入れてください。Image 2.0が公開される日、1行変更するだけで統合の書き直しは不要です。

References

xAI. Grok Imagine Video 1.5. Retrieved August 2026 from x.ai/news/grok-imagine-video-1-5
xAI. Imagine Image 2.0. Retrieved August 2026 from x.ai/news/grok-imagine-image-2
xAI. Grok Imagine Quality Mode API. Retrieved August 2026 from x.ai/news/grok-imagine-quality-mode