AIREITERGrok Imagine 2 ist xAIs neues Bildmodell: der Quality Mode von grok.com/imagine, allgemein verfügbar seit dem 7. August 2026. Mit dem Grok Imagine 1.5-Videomodell hat es trotz des Namens nichts zu tun. In der Bildrangliste von LM Arena liegt es sowohl bei Text-zu-Bild als auch bei Bildbearbeitung auf Platz 2 – jeweils hinter GPT-Image-2. Der entscheidende Haken für Entwickler: Die API ist noch nicht freigeschaltet. Wer Bilder heute programmatisch erzeugen oder bearbeiten möchte, muss daher die Grok-Consumer-App nutzen oder auf einen API-verfügbaren Konkurrenten ausweichen.
Grok Imagine 2: Bildmodell statt Video-Nachfolger
Das Wichtigste zuerst: Mit „Grok Imagine 2“ ist das Bildmodell Imagine Image 2.0 gemeint, intern grok-imagine-image-quality. Es wurde als Quality Mode in Groks Bildgenerator veröffentlicht. Gemeint ist ausdrücklich nicht das Videomodell grok-imagine-video-1.5, das wir in unserem bestehenden Test zu Grok Imagine 1.5 behandeln.
Die Namensüberschneidung sorgt tatsächlich für Verwirrung. Eine schnelle Einordnung: Tauchen auf einer Seite native 4K-Auflösung, 30-Sekunden-Clips, die Aurora-Video-Engine oder lippensynchroner gesprochener Ton auf, werden Spezifikationen des Videomodells einem Bildmodell zugeschrieben. Image 2.0 erstellt und bearbeitet Standbilder – ohne Laufzeit, Audio oder Video-Timeline. Die Ergebnisse erscheinen auf grok.com/imagine sowie in den iOS- und Android-Apps.
Die Ankündigungsseite von xAI ist die eindeutigste Quelle zum Launch:
Das kann Image 2.0 in der Praxis
Imagine Image 2.0 kombiniert Bildgenerierung und -bearbeitung mit einem Fokus auf präzise Layouts und kontrollierbare Änderungen. Besonders hervor hebt xAI lesbaren Text und komplexe Kompositionen mit vielen Elementen – etwa Poster, Produktseiten oder Infografiken –, bei denen ältere Bildmodelle Buchstaben häufig verfälschten.
Der Funktionsumfang laut xAIs Launch-Seite, überprüft am 7. August 2026:
| Funktion | Wofür sie gedacht ist |
|---|---|
| Regionale Bearbeitung per Zauberstab | Auf einen Bereich zeigen und ausschließlich diese Region verändern, ähnlich wie beim Inpainting. |
| Segmentierung | Vor der Bearbeitung präzise Auswahlen erstellen, statt eine Maske von Hand zu malen. |
| Hintergrund entfernen | Hintergründe entfernen und mit Transparenz exportieren. |
| Bearbeitung mit mehreren Bildreferenzen | Bis zu 5 Referenzbilder in einer Bearbeitung verwenden, damit Motiv oder Stil konsistent bleiben. |
| Smart Resize | Generatives Outpainting für 9 Seitenverhältnisse (1:2, 9:16, 2:3, 3:4, 1:1, 4:3, 3:2, 16:9, 2:1); das Modell erweitert die Bildfläche. |
| Text- und Layouttreue | Kleiner Text und Layouts mit vielen Elementen bleiben lesbar und sauber ausgerichtet. |
| 15 Vorlagen | Photo Edit, Product Color Change, Editorial Product Poster, Reimagine, Photo Collage, Mascot Maker, BG Removal & Change, E-Commerce Photos, UGC Photos, Professional Headshot, Icon Maker, Character Sprite, Props & UI Kit, Emoji Creator, Merch Maker. |
| Welt für Videos vorbereiten | Charaktere, Szenen und Requisiten separat in einem konsistenten Stil erzeugen – als Vorproduktionsschritt für Videos. |
Der rote Faden ist die präzise Bearbeitungskontrolle. Genau daran messen Konkurrenten Image 2.0 – und genau diesen Punkt vergleichen wir unten mit API-verfügbaren Alternativen.
Wie gut ist es? Die Arena-Platzierung richtig eingeordnet
Laut xAI steht Imagine Image 2.0 in LM Arena sowohl bei Text-zu-Bild als auch bei Bildbearbeitung weltweit auf Platz 2. In der Rangliste erscheint das Modell unter SpaceXAI, der xAI-Bezeichnung auf dem Board. Platz 1 belegt in beiden Kategorien GPT-Image-2.
Die Grafik sollte man mit der passenden Einschränkung lesen. Die Elo-Werte stammen aus xAIs eigener Auswertung öffentlicher Arena-Daten, nicht aus einem unabhängigen Test von uns. Der Abstand zu GPT-Image-2 ist bei der Bearbeitung klein (1.439 gegenüber 1.463), bei Text-zu-Bild dagegen größer (1.320 gegenüber 1.380). Platz 2 ist ein starkes Ergebnis, setzt Image 2.0 aber nicht mit dem Spitzenmodell gleich. Da die API nicht öffentlich geöffnet ist, konnten wir auch keinen kontrollierten API-Vergleich durchführen. Die aktuelle Rangliste steht auf lmarena.ai; zur nächsten Gruppe gehören Reve 2.1, Meta Muse-Image, Qwen-Image-3.0-Pro, Gemini Image und Seedream.
Ist die Grok Imagine 2 API schon nutzbar? Nein.
Die API ist noch nicht offen. Auf der Launch-Seite von xAI steht ausdrücklich: „API access is coming soon,“ – ohne Terminangabe, geprüft am 10. August 2026.
Auf den ersten Blick wirkt das widersprüchlich: docs.x.ai führt bereits die Modell-ID grok-imagine-image-quality sowie die Endpunkte POST /v1/images/generations und POST /v1/images/edits auf, bei Letzterem mit bis zu 3 Referenzbildern. Eine Modell-ID in der Dokumentation bedeutet jedoch nicht, dass der Zugang bereits aktiv und abrechenbar ist. Einen veröffentlichten Preis pro Bild gibt es nicht; solange der Zugang noch als „coming soon“ gilt, ist grok-imagine-image-quality nicht aufrufbar. Die Ankündigung auf der Launch-Seite hat Vorrang vor dem Docs-Eintrag.
Damit ist auch die Relay-Frage geklärt: AIReiter führt von Grok lediglich das Videomodell grok_imagine_1_5. Einen Weg zu Grok-Bildern über AIReiter gibt es daher ebenfalls nicht. Imagine Image 2.0 lässt sich derzeit nur über die Grok-Consumer-App nutzen: grok.com, iOS oder Android.
Diese API-Alternativen haben wir bereits getestet
Solange Groks Bild-API geschlossen bleibt, ist die praktische Frage: Welche Modelle aus derselben Arena-Rangliste lassen sich heute aufrufen? Drei der führenden Konkurrenten sind per API verfügbar: GPT-Image-2 als Spitzenreiter, Nano Banana Pro auf Basis von Gemini-Bildtechnologie und Seedream V5 Pro von ByteDance. Wir haben mit ihnen die beiden Kernaufgaben von Image 2.0 getestet – textgenaue Bildgenerierung und kontrollierte Bearbeitung –, um zu prüfen, ob die auffälligen Fähigkeiten von Image 2.0 exklusiv sind.
Bildgenerierung: drei Modelle, ein Prompt
Alle drei Modelle bekamen denselben Prompt: ein Retro-Reiseposter mit einem großen Titel (NEON KYOTO), einer Unterzeile (2049 EXPRESS) und einer Preiszeile (TICKETS FROM 29000 YEN) in einer gedämpften Petrol-Magenta-Palette. Bei allen: Seitenverhältnis 1:1, Standardeinstellungen und jeweils eine Generierung. Getestet wurden damit Textrendering und Layout – die beworbenen Stärken von Image 2.0.
Das Ergebnis: Alle drei Modelle haben alle drei Textzeilen korrekt dargestellt – Titel, Unterzeile und Preiszeile, ohne Schreibfehler oder halluzinierte Zeichen. Bei dieser Stichprobengröße (n=1, ein Prompt, kein Benchmark) lässt sich daraus keine Rangfolge bei Textfähigkeiten ableiten. Festhalten lässt sich nur, dass alle drei den geforderten Text für dieses Poster korrekt gerendert haben. Die Textrendering-Funktion, mit der Image 2.0 wirbt, ist für solche Aufgaben also auch über API-verfügbare Konkurrenten erreichbar. Das heißt nicht, dass sie damit grundsätzlich keine Besonderheit mehr wäre. Bei den Kosten unterscheiden sich die Modelle: GPT-Image-2 berechnete für denselben Auftrag 1 Credit, Nano Banana Pro 6 und Seedream V5 Pro 7. Zum direkten Ausprobieren bieten GPT-Image-2, Nano Banana Pro und Seedream V5 Pro jeweils eine API-Seite.
Bildbearbeitung: kontrollierter Vorher-nachher-Vergleich
Die Bearbeitung ist die zweite Säule von Image 2.0: Struktur bewahren, gezielt eine Sache ändern. Wir haben Nano Banana Pro das obige Poster als Referenzbild gegeben und verlangt, Layout, alle drei Textzeilen, den Fuji und den Zug beizubehalten. Die Neon-Nachtstadt sollte dabei einer verschneiten Morgendämmerung in Kyoto mit Kirschblüten in sanftem Rosa und Gold weichen.
Das Ergebnis: Alle drei Textzeilen blieben korrekt erhalten (NEON KYOTO, 2049 EXPRESS, TICKETS FROM 29000 YEN), ebenso der Fuji und der Zug. Die Szene wechselte von einer dunklen Neon-Nacht zu einer hellen Morgendämmerung. Eine wichtige Einschränkung: Das bearbeitete Bild kam in einem anderen Seitenverhältnis zurück (1376×768 statt ursprünglich 1024×1024). Es wirkt deshalb eher wie ein gesteuertes Neu-Rendering als wie ein striktes Inpainting mit unveränderter Arbeitsfläche. Das war ein einzelner Test mit einem Modell. Er zeigt, dass sich die Bearbeitungsart „Text und Motiv erhalten, Szene ändern“ heute mit einem API-verfügbaren Konkurrenten umsetzen lässt. Er belegt nicht, dass jeder Konkurrent Groks gezieltes Zauberstab-Inpainting erreicht. Dessen API ist geschlossen, weshalb wir es nicht selbst testen konnten; offizielle Grok-Demos zur Bildbearbeitung sind als Herstellervorführung zu verstehen, nicht als von uns überprüftes Ergebnis.
Preise: Was ein Bild je nach Zugang kostet
Preise pro Generierung laut den jeweiligen, in der Tabelle verlinkten AIReiter-Seiten; geprüft am 10. August 2026. Für Grok Image 2.0 gibt es keinen API-Preis, weil es keine API gibt. Das Modell ist nur in der Grok-Consumer-App verfügbar; einen Preis pro Bild hat xAI nicht veröffentlicht.
| Modell | Bei AIReiter | Preis für ein Bild mit ~1K (pro Generierung) | Arena-Platzierung | Hinweise |
|---|---|---|---|---|
| GPT-Image-2 | Ja | $0.02 | #1 (T2I & Edit) | Das günstigste der drei und das bestplatzierte Modell. |
| Nano Banana Pro | Ja | $0.05 | Spitzengruppe | Gemini-basiert; stark bei Text + Bearbeitung. |
| Seedream V5 Pro | Ja | $0.07 (7 Credits) | Spitzengruppe | ByteDance; keine 4K-Stufe; Referenzbilder je $0.005. |
| Grok Image 2.0 | Nein (API ausstehend) | n/a | #2 (T2I & Edit) | Nur Consumer-Zugang; in der Grok-App verfügbar. |
Welche Option sich jetzt empfiehlt
Je nach Anforderung gibt es drei Wege:
- Sie möchten gezielt Grok Image 2.0 nutzen. Verwenden Sie die Grok-App im Web, unter iOS oder Android. Einen API-Zugang gibt es nicht, ebenso wenig wie ein Datum für dessen Freischaltung.
- Sie möchten Bilder heute per API generieren oder bearbeiten. Nutzen Sie GPT-Image-2, die Arena-Nummer 1 für $0.02 pro Generierung bei 1K, oder vergleichen Sie Nano Banana Pro und Seedream V5 Pro. Alle drei bestanden unsere Textstichprobe mit einer Generierung; Nano Banana Pro hielt auch im Bearbeitungstest stand.
- Sie suchen eigentlich ein Videomodell. Dann geht es um ein anderes Modell:
grok-imagine-video-1.5. Details finden Sie in unserem Test zu Grok Imagine 1.5 und auf der Grok-Videoseite.
FAQ
Ist Grok Imagine 2 ein Bild- oder Videomodell?
Ein Bildmodell. „Grok Imagine 2“ bezeichnet Imagine Image 2.0 mit der Modell-ID grok-imagine-image-quality, den Quality Mode von grok.com/imagine. Das Videomodell ist separat und heißt grok-imagine-video-1.5. Nennen Beschreibungen 4K, 30-Sekunden-Clips oder Audio, beziehen sie sich auf das Videomodell, nicht auf dieses.
Kann ich die Grok Imagine 2 API aufrufen?
Noch nicht. Laut xAI kommt der API-Zugang „coming soon“, geprüft am 7. August 2026. docs.x.ai führt zwar die Modell-ID sowie die Endpunkte /v1/images/generations und /v1/images/edits, aber es gibt mit Stand vom 10. August 2026 weder einen aktiven, abrechenbaren Zugang noch einen veröffentlichten Preis pro Bild.
Was kostet Grok Imagine 2?
Über die API gibt es keinen Preis, weil keine API verfügbar ist. Auch für die Grok-Consumer-App hat xAI keinen eigenständigen Preis pro Bild veröffentlicht.
Was ist die beste Grok Imagine 2 Alternative per API?
GPT-Image-2. Das Modell liegt bei LM Arena sowohl für Text-zu-Bild als auch für Bildbearbeitung auf Platz 1, vor Grok Image 2.0. Mit rund $0.02 pro Generierung bei 1K ist es zudem das günstigste der von uns getesteten, API-verfügbaren Spitzenmodelle.