Grok Imagine: el generador de imágenes y vídeo de xAI — Image 2.0 y Video 1.5

Qué es Grok Imagine

Grok Imagine es el generador de imágenes y vídeo de xAI, la empresa del chatbot Grok. xAI lanzó su primer modelo de imagen, Aurora, en diciembre de 2024, y en otoño de 2026 Imagine ya se había convertido en dos modelos independientes:

• Imagine Image 2.0 — un modelo de imágenes y edición, lanzado el 7 de agosto de 2026 y convertido en el modo Quality de las apps de Grok;
• Imagine Video 1.5 — un modelo de vídeo con sonido: en junio de 2026 salieron la versión de imagen a vídeo y la rápida Fast, y el 31 de julio, la versión con referencias, texto a vídeo y 1080p.

Los dos modelos funcionan en grok.com/imagine, en las apps de iOS y Android y por la API de xAI.

Qué sabe hacer Grok Imagine

Imágenes para trabajar. xAI presenta Image 2.0 como un modelo para tareas reales: sigue las instrucciones con precisión, piensa la tipografía y la maquetación como un diseñador y el texto pequeño sale nítido. En Arena, a 24 de septiembre de 2026, Image 2.0 es 6.º de 80, por encima de Nano Banana 2, de la familia Nano Banana.

Edición localizada. La «varita mágica» cambia la zona que señalas y deja intacto el resto. La segmentación selecciona zonas exactas, la eliminación del fondo exporta el objeto con fondo transparente y Smart resize amplía la imagen a una nueva relación de aspecto. En una generación se pueden usar hasta 5 imágenes de partida.

Vídeo con sonido. Imagine Video 1.5 anima una foto o crea un clip a partir de texto: en ese caso, el modelo dibuja primero el fotograma inicial y luego lo anima. La versión Fast crea un clip de 6 segundos en 720p en unos 25 segundos.

Física y dinamismo. xAI llama a Video 1.5 su mejor modelo en movimiento y física. Los trucos deportivos y la cámara lenta en el momento justo se le dan bien.

Un mismo personaje en varias escenas. Desde el 31 de julio de 2026, Video 1.5 permite subir hasta 7 imágenes y una voz: la cara y la voz del personaje se mantienen en todas las escenas. En la API, las referencias de voz están disponibles bajo solicitud.

Para qué sirve Grok Imagine

• Pósters e infografías con texto pequeño — el punto fuerte de Image 2.0.
• Edición localizada de fotos — cambiar un objeto, quitar el fondo, recortar un objeto sobre fondo transparente.
• Banners 21:9 y 5:2 — formatos poco habituales para webs y portadas.
• Clips dinámicos — deporte, trucos, animales, acción.
• Series de clips con un mismo personaje — referencias de cara y voz.

Grok Imagine frente a sus alternativas

Imágenes:

	Imagine Image 2.0	GPT Image 2.5	Nano Banana 2	Nano Banana Pro
Puesto en Arena (24/09/2026)	6	1	9	14
Edición localizada	varita mágica, segmentación	por máscara	con el prompt	con el prompt
Eliminación del fondo	sí	fondo transparente	—	—
Referencias	hasta 5	varias	hasta 14	hasta 14
Precio de la API	desde 0,02 $	por tokens	desde 0,045 $	desde 0,134 $

Vídeo:

	Imagine Video 1.5	Seedance 2.5	Gemini Omni	Kling 3.0
Puesto en Arena (21/09/2026)	4 (modo agente)	7	1–2	29 (2.6 Pro)
Sonido	sí	sí	sí	sí
Resolución	hasta 1080p	el desarrollador no lo indica	hasta 4K	720p, 1080p
Referencias	hasta 7 fotos, voz	hasta 50	fotos y vídeos	hasta 7 fotos
Precio de la API	0,08 $ por segundo	—	—	—

Cómo escribir prompts para Grok Imagine

• Para imágenes con texto: el texto exacto entre comillas y la frase «no other text», como en el póster NIGHT DRIVE de la galería.
• Para ediciones: selecciona la zona y describe solo el cambio: «cambia la taza por una de cristal, no toques lo demás».
• Para vídeo a partir de foto: describe el movimiento, la cámara y el ambiente; la composición la toma el modelo de la foto.
• Para vídeo a partir de texto: recuerda que el modelo dibuja primero el fotograma inicial, así que descríbelo con detalle.
• El sonido, en una línea aparte: «Sound: …».

Cómo usar Grok Imagine en AI2Face

Grok Imagine está disponible en el generador de AI2Face, sin necesidad de una suscripción a SuperGrok. Puedes comparar sus imágenes con Nano Banana y GPT Image, y sus clips con Seedance y Gemini Omni, con el mismo prompt. El coste de cada generación se ve antes de lanzarla, puedes pagar con tarjeta o cripto y los créditos de los paquetes no caducan. Las cuentas nuevas reciben créditos de bienvenida al registrarse.

Limitaciones

• Las novedades llegan primero a los suscriptores. xAI lanzó las referencias de cara y voz en los planes SuperGrok Heavy y Plus.
• El vídeo con referencias llega hasta 720p. El modo con referencias está limitado a 720p; el 1080p está disponible para vídeo a partir de texto y de foto.
• Las referencias de voz en la API, bajo solicitud.
• Los neones y el texto de fondo a veces se llenan de símbolos sin sentido: en nuestro retrato de la galería se ve en los letreros detrás de la protagonista.

En resumen

Grok Imagine es uno de los pocos generadores en los que los dos modelos están arriba: Image 2.0 es 6.º en imágenes y Video 1.5, 4.º en vídeo. Usa Image 2.0 para pósters con texto, edición localizada y banners de formatos poco habituales, y Video 1.5 para clips dinámicos y series con un mismo personaje. Para la máxima precisión en el texto, la alternativa más cercana es GPT Image; para vídeo, Gemini Omni y Seedance. Todos están disponibles en AI2Face.