Cuatro cosas se llaman Grok Imagine. ¿Cuál quieres en realidad?

"Grok Imagine" es un nombre, no un modelo. En LUVI cubre tres modelos de imagen distintos y una línea de video, doce modelos en total, y las diferencias son de las que te cuestan un render si adivinas mal. El 22 de septiembre de 2026, una imagen cotizó 40 créditos en el modelo base, 100 en el nivel de calidad y 120 en Image 2.0, mientras que un video de ocho segundos salió 1120 créditos a 720p. Esto es para qué sirve cada uno.

Grok Imagine Image: el borrador barato

El modelo de imagen base es al que recurres cuando necesitas ver una idea rápido. A 40 créditos por imagen está entre los más baratos del catálogo, genera hasta cuatro imágenes en una sola solicitud y ofrece trece relaciones de aspecto, incluidas formas de celular como 9:19.5 y 20:9.

Su dialecto es el dialecto viejo de imagen de Grok, y lo definen dos reglas: los prompts van de unas 30 a 80 palabras, y a los archivos que subes se los nombra con tokens entre ángulos y no en prosa. El modelo de edición de la misma línea cuesta 44 créditos.

Grok Imagine Image Quality: el mismo dialecto, con más cuidado

El nivel de calidad habla el mismo dialecto y toma los mismos parámetros —las mismas trece relaciones, las mismas una a cuatro imágenes— a 100 créditos en vez de 40, con la edición en 120.

Hay algo que no hace y que sorprende: igual que el modelo base, renderiza solo en 1k. Si necesitas más píxeles de esta familia, el nivel de calidad no es donde los vas a encontrar.

Grok Imagine Image 2.0: el tipógrafo

Image 2.0 es una familia distinta, no una versión nueva de las dos anteriores, y es el único de los tres que llega a 2k. Está hecho para piezas con texto —pósteres, empaques, pantallas de app— y planifica la jerarquía tipográfica a partir del brief.

Dos de sus reglas se invierten frente a las anteriores, y por eso "versión nueva" es el modelo mental equivocado:

• Las referencias van por posición, en prosa —"the product from image 1 onto the surface in image 2"— y no con tokens entre ángulos.
• No hay un objetivo de extensión. El rango de 30 a 80 palabras pertenece a los modelos anteriores; acá la extensión la marca la especificación.

También tiene un control quality que los otros no tienen: low a 80 créditos contra medium a 120, con el nivel bajo unas ocho veces más rápido. Sumar 2k cuesta 40 créditos más.

Grok Imagine Video: el que no puede quedarse callado

La línea de video funciona como texto a video, imagen a video, referencia a video, edición y extensión, más un modelo v1.5 de imagen a video. Su rasgo definitorio es que imagen y sonido se generan juntos sin ningún parámetro de audio en el contrato: un prompt que no nombra su sonido recibe el que el modelo invente.

Los clips van de 1 a 15 segundos a 480p o 720p —800 y 1120 créditos a ocho segundos— y referencia a video acepta hasta siete imágenes, con duraciones topadas en diez segundos y no quince.

Elegir, en una línea cada uno

• Probar una idea, o generar cuatro variantes: el modelo de imagen base, a 40 créditos.
• La misma idea, con más cuidado, todavía en 1k: el nivel de calidad, a 100.
• Cualquier cosa con texto, o cualquier cosa que necesite 2k: Image 2.0.
• Cualquier cosa que se mueva: la línea de video, y escribe la cláusula de audio, porque no hay interruptor.

La costumbre que más desperdicio provoca es arrastrar el prompt de un modelo a otro. El botón de la pluma junto al cuadro del prompt aplica la guía del modelo que tengas seleccionado, y es lo que convierte un token entre ángulos en prosa cuando pasas de los modelos de imagen viejos a 2.0.

Cómo lo verificamos

• Modelos: Grok Imagine Texto a Imagen, Grok Imagine Quality Texto a Imagen, Grok Imagine Image 2.0 Texto a Imagen y Grok Imagine Texto a Video; los modelos de edición, referencia, extensión y v1.5 se leyeron del catálogo.
• Configuración: una imagen en 16:9 en cada modelo de imagen; un video de ocho segundos a 480p y 720p.
• Fecha y qué se leyó: 22 de septiembre de 2026. Cotizaciones de créditos en vivo y contratos de parámetros de los modelos dentro de LUVI, las guías de prompts que LUVI escribió para las tres familias y la documentación de la API Imagine de xAI.
• Resultados: 40, 100 y 120 créditos por una imagen en el modelo base, el de calidad y 2.0; 80 créditos en el nivel bajo de 2.0 y 160 en 2k; 800 y 1120 créditos por ocho segundos de video a 480p y 720p. Solo Image 2.0 ofreció una resolución por encima de 1k, y ningún modelo de video ofreció una por encima de 720p. No se generó ninguna salida para este artículo, así que no afirma nada sobre la calidad de los resultados.
• Limitaciones: las diferencias de dialecto vienen de las guías de prompts de LUVI y no de pruebas publicadas por el proveedor, y no comparamos el modelo base con el de calidad usando el mismo prompt para ver qué compran esos 60 créditos extra.

En LUVI

Abre la página de la familia Grok Imagine y fíjate cuál de los doce modelos tienes seleccionado antes de escribir: los nombres se parecen lo suficiente como para dejar el equivocado puesto. Después deja que el botón de la pluma reescriba el prompt para ese modelo, y define la relación de aspecto en los controles y no en la prosa.

Las cuentas nuevas arrancan con 200 créditos y pueden sumar hasta 1,500 más verificando un teléfono y una tarjeta. Puedes crear una cuenta de LUVI y averiguar qué modelo le va a tu tipo de imagen.

Fuentes

• Panorama de la API Imagine (en inglés). xAI, documentación oficial para desarrolladores. Consultado el 22 de septiembre de 2026.