Grok Imagine: der Bild- und Videogenerator von xAI — Image 2.0 und Video 1.5

Was ist Grok Imagine

Grok Imagine ist der Bild- und Videogenerator von xAI, dem Unternehmen hinter dem Chatbot Grok. Sein erstes Bildmodell, Aurora, veröffentlichte xAI im Dezember 2024, bis Herbst 2026 ist Imagine zu zwei eigenständigen Modellen gewachsen:

• Imagine Image 2.0 – ein Modell für Bilder und Bildbearbeitung, erschienen am 7. August 2026 und seitdem der Quality-Modus in den Grok-Apps;
• Imagine Video 1.5 – ein Videomodell mit Ton: Im Juni 2026 erschienen die Bild-zu-Video-Version und die schnellere Fast-Version, am 31. Juli die Version mit Referenzen, Text-zu-Video und 1080p.

Beide Modelle laufen auf grok.com/imagine, in den Apps für iOS und Android und über die xAI-API.

Was Grok Imagine kann

Bilder für die Arbeit. xAI positioniert Image 2.0 als Modell für echte Aufgaben: Es befolgt Anweisungen präzise, plant Typografie und Layout wie ein Designer, und kleiner Text bleibt scharf. Im Arena-Ranking vom 24. September 2026 liegt Image 2.0 auf Platz 6 von 80 – vor Nano Banana 2 aus der Nano-Banana-Familie.

Bearbeitung vor Ort. Der „Zauberstab“ ändert den Bereich, auf den du zeigst, und lässt den Rest unangetastet. Die Segmentierung markiert exakte Zonen, die Hintergrundentfernung exportiert das Objekt mit transparentem Hintergrund, und Smart resize erweitert das Bild auf ein neues Seitenverhältnis. Pro Generierung lassen sich bis zu 5 Ausgangsbilder nutzen.

Video mit Ton. Imagine Video 1.5 animiert ein Foto oder baut einen Clip aus Text: In dem Fall zeichnet das Modell zuerst das erste Bild und animiert es dann. Die Fast-Version erstellt einen 6-Sekunden-Clip in 720p in etwa 25 Sekunden.

Physik und Dynamik. xAI nennt Video 1.5 sein bislang bestes Modell für Bewegung und Physik. Sporttricks und Zeitlupe im richtigen Moment gelingen ihm gut.

Eine Figur in verschiedenen Szenen. Seit dem 31. Juli 2026 kannst du in Video 1.5 bis zu 7 Bilder und eine Stimme hochladen: Gesicht und Stimme der Figur bleiben in allen Szenen erhalten. In der API sind Stimmreferenzen auf Anfrage verfügbar.

Wofür sich Grok Imagine eignet

• Poster und Infografiken mit kleinem Text – die Stärke von Image 2.0.
• Lokale Fotobearbeitung – ein Objekt ersetzen, den Hintergrund entfernen, ein Objekt freistellen.
• Banner in 21:9 und 5:2 – seltene Formate für Websites und Cover.
• Dynamische Clips – Sport, Tricks, Tiere, Action.
• Clip-Serien mit einer Figur – Gesichts- und Stimmreferenzen.

Grok Imagine und Alternativen

Bilder:

	Imagine Image 2.0	GPT Image 2.5	Nano Banana 2	Nano Banana Pro
Platz bei Arena (24.09.2026)	6	1	9	14
Lokale Bearbeitung	Zauberstab, Segmentierung	per Maske	per Prompt	per Prompt
Hintergrundentfernung	ja	transparenter Hintergrund	–	–
Referenzen	bis 5	mehrere	bis 14	bis 14
API-Preis	ab 0,02 $	nach Tokens	ab 0,045 $	ab 0,134 $

Video:

	Imagine Video 1.5	Seedance 2.5	Gemini Omni	Kling 3.0
Platz bei Arena (21.09.2026)	4 (Agentenmodus)	7	1–2	29 (2.6 Pro)
Ton	ja	ja	ja	ja
Auflösung	bis 1080p	vom Entwickler nicht angegeben	bis 4K	720p, 1080p
Referenzen	bis 7 Fotos, Stimme	bis 50	Fotos und Videos	bis 7 Fotos
API-Preis	0,08 $ pro Sekunde	–	–	–

Wie man Prompts für Grok Imagine schreibt

• Für Bilder mit Text – den exakten Wortlaut in Anführungszeichen plus „no other text“, wie beim NIGHT-DRIVE-Poster in der Galerie.
• Für Bearbeitungen – Bereich markieren und nur die Änderung beschreiben: „ersetz die Tasse durch eine aus Glas, den Rest nicht anfassen“.
• Für Bild-zu-Video – Bewegung, Kamera und Stimmung beschreiben; die Komposition übernimmt das Modell aus dem Foto.
• Für Text-zu-Video – denk daran, dass das Modell zuerst das erste Bild zeichnet: beschreib es ausführlich.
• Ton in eine eigene Zeile: „Sound: …“.

So nutzt du Grok Imagine in AI2Face

Grok Imagine ist im AI2Face-Generator verfügbar, ein SuperGrok-Abo brauchst du nicht. Du kannst die Bilder mit Nano Banana und GPT Image und die Clips mit Seedance und Gemini Omni am selben Prompt vergleichen. Die Kosten jeder Generierung siehst du vor dem Start, bezahlt wird per Karte oder Krypto, und Credits aus Paketen verfallen nicht. Neue Konten bekommen nach der Registrierung Startguthaben.

Einschränkungen

• Neue Funktionen zuerst für Abonnenten. Gesichts- und Stimmreferenzen hat xAI in den Tarifen SuperGrok Heavy und Plus gestartet.
• Video mit Referenzen nur bis 720p. Der Referenzmodus ist auf 720p begrenzt, 1080p gibt es für Text-zu-Video und Bild-zu-Video.
• Stimmreferenzen in der API nur auf Anfrage.
• Neonschilder und Hintergrundtext füllt das Modell manchmal mit sinnlosen Zeichen – in unserem Galerie-Porträt sieht man das an den Schildern hinter der Frau.

Fazit

Grok Imagine ist einer der seltenen Generatoren, bei denen beide Modelle weit oben stehen: Image 2.0 auf Platz 6 bei Bildern, Video 1.5 auf Platz 4 bei Video. Nimm Image 2.0 für Poster mit Text, lokale Bearbeitung und Banner in seltenen Formaten, Video 1.5 für dynamische Clips und Serien mit einer Figur. Für maximale Textgenauigkeit ist GPT Image die nächste Alternative, für Video Gemini Omni und Seedance. Alle sind in AI2Face verfügbar.