Wenn irgendwo steht, Grok habe jetzt Video, lohnt sich ein genauer Blick. Gemeint sein kann zweierlei: Video erzeugen oder ein vorhandenes Video als Eingabe auswerten. Für die erste Variante gibt es in den vorliegenden, überprüfbaren Quellen eine klare offizielle Grundlage. Für die zweite Variante — also Kurzvideo hochladen, Inhalt erkennen lassen und Szene für Szene erklären — liegt hier kein gleichwertiger offizieller Nachweis vor.^[12]

Kurzfazit: Nicht zuverlässig bestätigt

Die vorsichtige Einordnung lautet: Grok 4.3 sollte derzeit nicht als offiziell bestätigtes Werkzeug zum Verstehen von Videos behandelt werden.

Die xAI-Dokumentation zeigt eine Funktion zur Videoerzeugung: Ein POST-Aufruf an https://api.x.ai/v1/videos/generations nutzt das Modell grok-imagine-video und erzeugt aus einem Prompt ein Video.^[12] Das belegt, dass xAI einen offiziellen Ablauf für Video-Generation beschreibt. Es belegt aber nicht, dass Grok 4.3 ein vorhandenes Kurzvideo entgegennehmen, dessen Bildinhalt verstehen und anschließend erklären kann, was darin passiert.^[12]

Was xAI offiziell zeigt

Der stärkste Nachweis in den bereitgestellten Quellen ist die xAI-Seite zur Video Generation. Das dortige Beispiel arbeitet mit dem Endpunkt videos/generations, dem Modell grok-imagine-video und einem Textprompt, aus dem ein Video erzeugt wird.^[12]

Daraus folgt:

• Bestätigt: xAI dokumentiert eine API-Funktion zur Videoerzeugung.^[12]
• Bestätigt: Das Beispielmodell heißt grok-imagine-video und ist auf das Generieren von Videos ausgerichtet.^[12]
• Nicht bestätigt: Die Dokumentation zeigt in den vorliegenden Quellen keine offizielle Spezifikation für Video-Upload, Video-URL, Video-Input oder eine Analyse vorhandener Clips durch Grok 4.3.^[12]

Kurz gesagt: Die offizielle Evidenz reicht derzeit bis zum Erzeugen von Videos, nicht bis zum Verstehen von Nutzer-Videos.

Warum Drittquellen dafür nicht ausreichen

Es gibt durchaus Hinweise aus anderen Ecken des Webs. Ein Artikel behauptet, Grok könne Videos erzeugen und analysieren beziehungsweise ansehen; eine Drittanbieter-Newsseite spricht von Grok 4.3 Beta mit Video-, Slides- und Speech-APIs; ein Substack-Beitrag schreibt von nativem Videoverständnis und Video-Input; auch ein X-Suchtreffer enthält eine Formulierung zu Analyze videos.^{[4][5][6][10]}

Solche Hinweise können ein Anlass sein, weiter zu suchen. Sie sind aber nicht dasselbe wie eine offizielle xAI-API-Dokumentation, eine Produktseite oder Release Notes mit technischen Details. Gerade bei Video-Input wären konkrete Angaben wichtig: Welche Modelle unterstützen ihn? Welche Dateiformate und Längen sind erlaubt? Wie werden Dateien oder URLs übergeben? Wie wird abgerechnet? In den vorliegenden offiziellen xAI-Unterlagen ist das für Grok 4.3 nicht belegt.^[12]

Beleglage im Überblick

Frage	Vorliegende Hinweise	Einordnung
Hat xAI offiziell eine Videofunktion dokumentiert?	Ja, die xAI-Dokumentation zeigt POST /v1/videos/generations mit grok-imagine-video.[12]	Ja: Videoerzeugung
Ist offizieller Video-Input für Grok 4.3 belegt?	Drittquellen behaupten das, eine passende offizielle xAI-Spezifikation liegt in den bereitgestellten Quellen nicht vor.[5][6][12]	Nicht zuverlässig bestätigt
Kann Grok Videos watch/analyze?	Dazu gibt es Drittquellen und X-Suchtreffer.[4][10]	Hinweis, kein offizieller Nachweis
Kann man Grok 4.3 sicher für Szenenanalysen von Kurzvideos einplanen?	Offiziell klar dokumentiert ist hier nur die Erzeugung von Videos.[12]	Belege reichen nicht aus

Videoerzeugung ist nicht Videoverständnis

Videoerzeugung bedeutet: Ein System nimmt einen Prompt und produziert daraus ein neues Video. Genau diesen Ablauf beschreibt die xAI-Dokumentation mit dem videos/generations-Endpunkt.^[12]

Videoverständnis wäre etwas anderes: Das Modell müsste ein vorhandenes Video als Eingabe verarbeiten, Bildfolgen und zeitliche Abläufe erfassen, Personen, Objekte, Handlungen und Ereignisse erkennen und dazu Fragen beantworten. Für eine belastbare Bestätigung würde man normalerweise eine offizielle Beschreibung von Video-Input, Upload- oder URL-Formaten, unterstützten Modellen, Größen- und Längenlimits, Preisen und Rate Limits erwarten. Diese Angaben sind in der vorliegenden xAI-Seite zur Videoerzeugung nicht enthalten.^[12]

Darum ist die Formulierung Grok unterstützt Video zu ungenau. Entscheidend ist: Ist Video die Ausgabe — oder die Eingabe?

So lässt sich die Funktion später sauber prüfen

Wer KI für die Analyse von Clips einsetzen will — etwa zum Beschreiben von Szenen, Zusammenfassen eines Videos oder Erklären eines sichtbaren Ereignisses — sollte Grok 4.3 erst dann als offiziell geeignet einordnen, wenn xAI selbst mindestens Folgendes dokumentiert:

1. Eine klare Formulierung wie

   video input

   ,

   video understanding

   , Videoanalyse oder eine gleichwertige offizielle Beschreibung.
2. Die konkreten unterstützten Modelle, nicht nur ein Modell wie grok-imagine-video, das in der vorliegenden Dokumentation für Videoerzeugung steht.^[12]
3. Ein API-Beispiel, das ein vorhandenes Video übermittelt, etwa per Datei-Upload, Video-URL oder multimodalem Eingabeformat.
4. Angaben zu Dateiformaten, maximaler Länge, Größenlimits, Verarbeitung, Preisen und Rate Limits.
5. Eine Bestätigung über offizielle xAI-Dokumentation, Produktseiten oder Release Notes zum tatsächlichen Funktionsumfang von Grok 4.3.

Schlussurteil

Auf die praktische Frage — Kann Grok 4.3 derzeit Kurzvideos ansehen und erklären, was darin passiert? — lautet die quellenbasierte Antwort: Das lässt sich mit den vorliegenden Belegen nicht zuverlässig bestätigen.

Bestätigt ist: xAI dokumentiert eine Videoerzeugungs-API unter /v1/videos/generations mit dem Modell grok-imagine-video.^[12] Nicht bestätigt ist in den bereitgestellten offiziellen Quellen: Videoverständnis, Kurzvideoanalyse oder szenenweise Erklärung durch Grok 4.3. Die weitergehenden Behauptungen stammen hier vor allem aus Drittquellen, Substack oder Social-Suche und reichen nicht als offizielle Bestätigung aus.^{[4][5][6][10]}