Майже еталонне розуміння промпту і сильне аудіо, але сцена пливе, а мультишот розсипається. Платою лишається висока ціна генерації.
Grok 1.5 читає промпт майже еталонно і видає чисту картинку з сильним звуком. Але варто персонажу повернути голову, і сцена починає пливти: обличчя змінюється, з референсів не тягнеться, а два і більше референси модель тримає погано.
Разом це робочий інструмент для одного шота, де все вирішує точність промпту й озвучка. Для серіальності й мультишоту не годиться: послідовності між кадрами немає, тож монтажну фразу збираєте руками.