Grok Imagine: o gerador de imagens e vídeos da xAI — Image 2.0 e Video 1.5

O que é o Grok Imagine

O Grok Imagine é o gerador de imagens e vídeos da xAI, a empresa do chatbot Grok. A xAI lançou seu primeiro modelo de imagem, o Aurora, em dezembro de 2024, e no segundo semestre de 2026 o Imagine já tinha se tornado dois modelos independentes:

• Imagine Image 2.0 — modelo de imagens e edição, lançado em 7 de agosto de 2026 e transformado no modo Quality dos apps do Grok;
• Imagine Video 1.5 — modelo de vídeo com som: em junho de 2026 saíram a versão de imagem para vídeo e a rápida Fast, e em 31 de julho, a versão com referências, texto para vídeo e 1080p.

Os dois modelos funcionam em grok.com/imagine, nos apps para iOS e Android e via API da xAI.

O que o Grok Imagine sabe fazer

Imagens para trabalho. A xAI posiciona o Image 2.0 como um modelo para tarefas reais: ele segue as instruções com precisão, pensa a tipografia e a diagramação como um designer e mantém o texto pequeno nítido. Na Arena, em 24 de setembro de 2026, o Image 2.0 está em 6º entre 80, acima do Nano Banana 2, da família Nano Banana.

Edição localizada. A “varinha mágica” muda a área que você indica e não mexe no resto. A segmentação seleciona áreas exatas, a remoção de fundo exporta o objeto com fundo transparente e o Smart resize expande a imagem para uma nova proporção. Em uma geração dá para usar até 5 imagens de origem.

Vídeo com som. O Imagine Video 1.5 anima uma foto ou cria um clipe a partir de texto: nesse caso, o modelo primeiro desenha o quadro inicial e depois o anima. A versão Fast faz um clipe de 6 segundos em 720p em cerca de 25 segundos.

Física e dinâmica. A xAI chama o Video 1.5 de seu melhor modelo em movimento e física. Manobras esportivas e câmera lenta no momento certo saem bem.

O mesmo personagem em várias cenas. Desde 31 de julho de 2026, o Video 1.5 permite enviar até 7 imagens e uma voz: o rosto e a voz do personagem se mantêm em todas as cenas. Na API, referências de voz estão disponíveis mediante solicitação.

Para que serve o Grok Imagine

• Pôsteres e infográficos com texto pequeno — o ponto forte do Image 2.0.
• Edição localizada de fotos — trocar um objeto, tirar o fundo, recortar um objeto com fundo transparente.
• Banners 21:9 e 5:2 — formatos raros para sites e capas.
• Clipes dinâmicos — esporte, manobras, animais, ação.
• Séries de clipes com o mesmo personagem — referências de rosto e voz.

Grok Imagine e alternativas

Imagens:

	Imagine Image 2.0	GPT Image 2.5	Nano Banana 2	Nano Banana Pro
Posição na Arena (24/09/2026)	6	1	9	14
Edição localizada	varinha mágica, segmentação	por máscara	pelo prompt	pelo prompt
Remoção de fundo	sim	fundo transparente	—	—
Referências	até 5	várias	até 14	até 14
Preço da API	a partir de US$ 0,02	por tokens	a partir de US$ 0,045	a partir de US$ 0,134

Vídeo:

	Imagine Video 1.5	Seedance 2.5	Gemini Omni	Kling 3.0
Posição na Arena (21/09/2026)	4 (modo agente)	7	1–2	29 (2.6 Pro)
Som	sim	sim	sim	sim
Resolução	até 1080p	o desenvolvedor não informa	até 4K	720p, 1080p
Referências	até 7 fotos, voz	até 50	fotos e vídeos	até 7 fotos
Preço da API	US$ 0,08 por segundo	—	—	—

Como escrever prompts para o Grok Imagine

• Para imagens com texto: o texto exato entre aspas e a frase “no other text”, como no pôster NIGHT DRIVE da galeria.
• Para edições: selecione a área e descreva só a mudança: “troque a caneca por uma de vidro, não mexa no resto”.
• Para vídeo a partir de foto: descreva o movimento, a câmera e o clima; a composição o modelo tira da foto.
• Para vídeo a partir de texto: lembre que o modelo desenha primeiro o quadro inicial, então descreva-o em detalhes.
• Som em uma linha separada: “Sound: …”.

Como usar o Grok Imagine no AI2Face

O Grok Imagine está disponível no gerador do AI2Face, sem precisar de assinatura do SuperGrok. Você pode comparar as imagens com o Nano Banana e o GPT Image, e os clipes com o Seedance e o Gemini Omni, usando o mesmo prompt. O custo de cada geração aparece antes de começar, o pagamento pode ser com cartão ou cripto, e os créditos dos pacotes não expiram. Contas novas recebem créditos de boas-vindas após o cadastro.

Limitações

• Novidades chegam primeiro aos assinantes. A xAI lançou as referências de rosto e voz nos planos SuperGrok Heavy e Plus.
• Vídeo com referências vai até 720p. O modo com referências é limitado a 720p; 1080p está disponível para vídeo a partir de texto e de foto.
• Referências de voz na API, mediante solicitação.
• Letreiros de neon e texto de fundo às vezes saem cheios de símbolos sem sentido: no nosso retrato da galeria isso aparece nos letreiros atrás da personagem.

Conclusão

O Grok Imagine é um dos raros geradores em que os dois modelos estão no topo: o Image 2.0 é 6º em imagens e o Video 1.5, 4º em vídeo. Use o Image 2.0 para pôsteres com texto, edição localizada e banners em formatos incomuns, e o Video 1.5 para clipes dinâmicos e séries com o mesmo personagem. Para a máxima precisão de texto, a alternativa mais próxima é o GPT Image; para vídeo, o Gemini Omni e o Seedance. Todos estão disponíveis no AI2Face.