Grok 4.3 умеет смотреть видео? Что реально подтверждают источники

Что именно подтверждает документация xAI

Самое сильное доказательство в предоставленных источниках — официальная страница xAI Docs с разделом Video Generation. В примере используются endpoint /v1/videos/generations, модель grok-imagine-video и текстовый prompt для создания ролика.

Из этого следует:

• Подтверждено: у xAI есть документированный пример API для генерации видео.
• Подтверждено: в примере указана модель grok-imagine-video, предназначенная для создания видео.
• Не подтверждено этой страницей: что пользователь может загрузить видео, передать URL ролика, использовать video input или попросить Grok разобрать видео по кадрам.

Иначе говоря, официальный источник в этой подборке доводит нас до «модель может сгенерировать видео», но не до «модель умеет понимать видео, которое ей дал пользователь».

Почему сторонние сообщения не закрывают вопрос

В сети встречаются более смелые формулировки. Один материал пишет, что Grok может генерировать видео и analyze/watch videos; другая новостная страница утверждает, что Grok 4.3 Beta получил video, slides и speech APIs; Substack-публикация говорит о native video understanding и video input; в результатах поиска X тоже встречается формулировка про Analyze videos.

Это можно воспринимать как сигналы, но не как окончательное подтверждение. Для реальной функции уровня video input нужны официальные детали: какие модели поддерживаются, как передавать видео, какие форматы и лимиты действуют, сколько это стоит и где функция доступна. В предоставленных источниках такие сведения на уровне официальной спецификации xAI не показаны.

Генерация видео и понимание видео — не одно и то же

Генерация видео — это когда модель получает текстовый запрос и создает новый ролик. Именно такой процесс описан в официальном примере xAI с /v1/videos/generations и grok-imagine-video.

Понимание видео — совсем другой сценарий. Модель должна получить видео как входные данные, распознать происходящее в кадре, учесть последовательность событий, объекты, людей, действия и затем ответить на вопросы пользователя. Чтобы уверенно подтвердить такую функцию, обычно нужно увидеть в официальной документации упоминания video input, примеры загрузки файла или передачи URL, поддерживаемые форматы, лимиты по длительности и размеру, доступные модели и правила тарификации.

Именно этого набора подтверждений в доступной официальной странице xAI про генерацию видео нет.

Сравнение доказательств

Как проверять такие заявления на практике

Если вам нужен ИИ для работы с роликами — например, описать сцену, найти ключевые моменты, пересказать содержание или объяснить, что произошло в кадре, — стоит дождаться официальной информации xAI, где прямо указано хотя бы следующее:

1. Поддержка video input, video understanding, анализа видео или аналогичной функции.
2. Конкретные модели, которые принимают видео на вход, а не только модель grok-imagine-video для генерации роликов.
3. Пример API-запроса с загрузкой файла, передачей видео по URL или другим мультимодальным форматом.
4. Поддерживаемые форматы, лимиты по длительности и размеру, ограничения частоты запросов и принципы тарификации.
5. Официальное подтверждение в xAI Docs, продуктовой странице или release notes именно для Grok 4.3.

Итог

Если вопрос звучит так: «Можно ли сейчас считать, что Grok 4.3 умеет смотреть короткие видео и объяснять, что в них происходит?» — по предоставленным источникам ответ: надежно подтвердить нельзя.

Что подтверждено: xAI официально показывает API для генерации видео через /v1/videos/generations и модель grok-imagine-video. Что не подтверждено на таком же уровне: полноценное понимание пользовательских видео, анализ коротких роликов и покадровое объяснение содержимого в Grok 4.3.