AIREITERGrok Imagine 2 es el nuevo modelo de imagen de xAI: el modo Quality de grok.com/imagine, disponible de forma general desde el 7 de agosto de 2026. No es una continuación del modelo de vídeo Grok Imagine 1.5. Ocupa el puesto #2 de la clasificación de imágenes de LM Arena, tanto en texto a imagen como en edición, por detrás de GPT-Image-2. Hay una limitación importante desde el principio: su API todavía no está abierta. Si hoy necesitas generar o editar imágenes mediante programación, tendrás que usar la app de consumo de Grok o recurrir a un rival con API disponible.
Grok Imagine 2 genera imágenes, no es la nueva versión de vídeo
La clave para entender «Grok Imagine 2» es que se trata del modelo de imagen Imagine Image 2.0 (id de modelo grok-imagine-image-quality), lanzado como el modo Quality del generador de imágenes de Grok. No es el modelo de vídeo grok-imagine-video-1.5, que analizamos en nuestra review de Grok Imagine 1.5.
La confusión de nombres existe y es fácil caer en ella. Una comprobación rápida: si una página habla de resolución 4K nativa, clips de 30 segundos, el motor de vídeo Aurora o audio hablado con sincronización labial, está atribuyendo especificaciones de vídeo a un modelo de imagen. Image 2.0 crea y edita imágenes fijas; no tiene duración, audio ni línea de tiempo de vídeo. Los resultados se entregan en grok.com/imagine y en las aplicaciones para iOS y Android.
La página de anuncio de xAI es la fuente más clara sobre el lanzamiento:
Qué permite hacer realmente Image 2.0
Imagine Image 2.0 combina generación y edición de imágenes, con especial atención a respetar la composición y ofrecer control durante la edición. Su gran baza es crear imágenes con texto legible y composiciones densas con muchos elementos —como pósteres, páginas de producto o infografías— sin los errores de letras que caracterizaban a modelos de imagen anteriores.
Estas son sus capacidades, según la página de lanzamiento de xAI, verificadas el 7 de agosto de 2026:
| Capacidad | Qué hace |
|---|---|
| Edición regional con varita mágica | Señala una zona y modifica únicamente esa región, al estilo de un inpainting. |
| Segmentación | Permite realizar selecciones precisas antes de editar, sin tener que pintar una máscara a mano. |
| Eliminación de fondo | Quita fondos y exporta con transparencia. |
| Edición con varias imágenes de referencia | Admite hasta 5 imágenes de referencia en una sola edición para mantener consistente un sujeto o estilo. |
| Smart Resize | Hace outpainting generativo en 9 relaciones de aspecto (1:2, 9:16, 2:3, 3:4, 1:1, 4:3, 3:2, 16:9, 2:1); el modelo amplía el lienzo. |
| Fidelidad de texto y composición | El texto pequeño y las composiciones con múltiples elementos conservan legibilidad y alineación. |
| 15 plantillas | 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. |
| Crear un mundo para vídeo | Genera personajes, escenarios y accesorios por separado con un estilo coherente, como paso de preproducción para vídeo. |
El hilo conductor es el control de edición: la característica con la que los competidores comparan Image 2.0 y la que ponemos a prueba más abajo frente a sus rivales con API disponible.
Qué tal rinde: cómo interpretar de verdad su puesto en Arena
xAI afirma que Imagine Image 2.0 es el modelo #2 del mundo tanto en texto a imagen como en edición de imágenes en LM Arena, donde aparece bajo el nombre SpaceXAI —la denominación de xAI en la tabla—. El #1 en ambas categorías es GPT-Image-2.
Conviene leer esta tabla con la expectativa adecuada. Las cifras Elo proceden del informe de xAI sobre datos públicos de Arena, no de una prueba independiente realizada por nosotros. La diferencia frente a GPT-Image-2 es pequeña en edición (1,439 frente a 1,463) y mayor en texto a imagen (1,320 frente a 1,380). Ser «#2» es un resultado sólido, pero no sitúa a Image 2.0 al nivel del modelo líder. Además, como su API no está abierta al público, no pudimos realizar una comparativa controlada por API. Puedes consultar la clasificación en directo en lmarena.ai; el siguiente grupo incluye Reve 2.1, Meta Muse-Image, Qwen-Image-3.0-Pro, Gemini Image y Seedream.
¿Puedes llamar hoy a la API de Grok Imagine 2? No
La API no está abierta. La página de lanzamiento de xAI lo dice claramente: «El acceso a la API llegará pronto», sin indicar una fecha, comprobado el 10 de agosto de 2026.
Hay una aparente contradicción que merece aclararse. docs.x.ai ya incluye el id de modelo grok-imagine-image-quality y los endpoints POST /v1/images/generations y POST /v1/images/edits —con hasta 3 imágenes de referencia—. Que un modelo figure en la documentación no significa que exista acceso activo y facturable. No hay un precio publicado por imagen y, mientras el acceso siga marcado como «próximamente», grok-imagine-image-quality todavía no se puede llamar. En este caso, el «próximamente» prevalece sobre la documentación.
Esto también resuelve la cuestión del relay: AIReiter solo incluye Grok como el modelo de vídeo grok_imagine_1_5, así que tampoco existe una vía a las imágenes de Grok mediante AIReiter. Hoy, la única forma de usar Imagine Image 2.0 es la app de consumo de Grok: grok.com, iOS o Android.
Alternativas con API que puedes usar ahora mismo, puestas a prueba
Con la API de imágenes de Grok cerrada, la pregunta práctica es qué modelos de la misma clasificación de Arena puedes llamar hoy. Tres de sus principales rivales tienen API: GPT-Image-2, el #1; Nano Banana Pro, basado en tecnología de imagen de Gemini; y Seedream V5 Pro, de ByteDance. Probé con ellos las dos tareas estrella de Image 2.0 —generación fiel de texto y edición controlada— para comprobar si las capacidades que hacen destacar a Image 2.0 son exclusivas suyas.
Generación: duelo con el mismo prompt
Usé el mismo prompt en los tres modelos: un póster retro de viajes que exigía un título grande (NEON KYOTO), una línea secundaria (2049 EXPRESS) y una línea de precio (TICKETS FROM 29000 YEN), con una paleta apagada en tonos turquesa y magenta. Misma relación 1:1, ajustes predeterminados y una generación por modelo. El objetivo era evaluar el renderizado de texto y la composición, dos de los puntos fuertes que anuncia Image 2.0.
El resultado: los tres modelos reprodujeron correctamente las tres cadenas de texto —título, línea secundaria y línea de precio, sin errores ortográficos ni caracteres inventados—. Con esta muestra (n=1, un prompt, no es un benchmark), no se puede ordenar a los tres por su capacidad con el texto; solo confirmar que todos lo generaron correctamente en este prompt de póster. Esto significa que la capacidad de renderizado de texto con la que se promociona Image 2.0 está disponible mediante rivales con API para este tipo de trabajo, no que haya dejado de ser distintiva en todos los casos. Sí hay diferencias de coste: GPT-Image-2 consumió 1 crédito, Nano Banana Pro 6 y Seedream V5 Pro 7 para la misma tarea. Si quieres probarlos directamente, GPT-Image-2, Nano Banana Pro y Seedream V5 Pro tienen cada uno su propia página de API.
Edición: antes y después controlado con un rival
La edición es la otra mitad de la propuesta de Image 2.0: conservar la estructura y cambiar un elemento. Usé el póster anterior como imagen de referencia en Nano Banana Pro y le pedí que mantuviera la composición, las tres cadenas de texto, el monte Fuji y el tren, sustituyendo la ciudad nocturna de neón por un amanecer nevado en Kioto, con cerezos en rosa suave y dorado.
El resultado: las tres cadenas de texto se conservaron correctamente —NEON KYOTO, 2049 EXPRESS, TICKETS FROM 29000 YEN—, y el monte Fuji y el tren siguen presentes. La escena pasó de una noche oscura de neón a un amanecer luminoso. Hay una salvedad importante: la edición llegó con una relación de aspecto distinta (1376×768 frente a los 1024×1024 del original), por lo que se percibe más como un rerenderizado guiado que como un inpainting estricto que preserve el lienzo. Fue una única prueba de un único modelo. Demuestra que hoy es posible, mediante un rival con API, hacer una edición del tipo «conserva el texto y el sujeto, cambia la escena»; no demuestra que todos los rivales igualen el inpainting más quirúrgico con varita mágica de Grok. Su API está cerrada y no pudimos probarlo nosotros mismos, así que cualquier demo oficial de edición de Grok debe considerarse una muestra del proveedor, no algo que hayamos verificado.
Precios: cuánto cuesta una imagen según la vía
Precios por generación de las páginas de AIReiter de cada modelo, enlazadas en la tabla y verificadas el 10 de agosto de 2026. Grok Image 2.0 no tiene precio de API porque no tiene API: solo está disponible en la app de consumo de Grok y no cuenta con una tarifa publicada por imagen.
| Modelo | En AIReiter | Precio de imagen de ~1K (por generación) | Puesto en Arena | Notas |
|---|---|---|---|---|
| GPT-Image-2 | Sí | $0.02 | #1 (T2I & Edit) | El más barato de los tres y el mejor clasificado. |
| Nano Banana Pro | Sí | $0.05 | Grupo líder | Basado en Gemini; sólido en texto y edición. |
| Seedream V5 Pro | Sí | $0.07 (7 créditos) | Grupo líder | ByteDance; sin nivel 4K; imágenes de referencia a $0.005 cada una. |
| Grok Image 2.0 | No (API pendiente) | n/a | #2 (T2I & Edit) | Solo para consumo; disponible en la app de Grok. |
Qué opción elegir ahora
Hay tres caminos, según lo que necesites:
- Quieres específicamente Grok Image 2.0. Usa la app de Grok en web, iOS o Android. No hay vía de API y no se ha anunciado una fecha de apertura.
- Necesitas generar o editar imágenes mediante API hoy. Usa GPT-Image-2, #1 de Arena por $0.02 por generación a 1K, o compara con Nano Banana Pro y Seedream V5 Pro. Los tres superaron nuestra muestra de texto de una generación, y Nano Banana Pro respondió bien en la prueba de edición.
- En realidad buscabas vídeo. Es un modelo distinto:
grok-imagine-video-1.5. Lo cubrimos en nuestra review de Grok Imagine 1.5 y en la página de vídeo de Grok.
Preguntas frecuentes
¿Grok Imagine 2 es un modelo de imagen o de vídeo?
Es un modelo de imagen. «Grok Imagine 2» se refiere a Imagine Image 2.0 (id de modelo grok-imagine-image-quality), el modo Quality de grok.com/imagine. El modelo de vídeo es el independiente grok-imagine-video-1.5; si una descripción menciona 4K, clips de 30 segundos o audio, habla del modelo de vídeo, no de este.
¿Puedo llamar a la API de Grok Imagine 2?
Todavía no. xAI indica que el acceso a la API «llegará pronto», verificado el 7 de agosto de 2026. docs.x.ai enumera el id de modelo y los endpoints /v1/images/generations y /v1/images/edits, pero a fecha del 10 de agosto de 2026 no hay acceso activo y facturable ni un precio publicado por imagen.
¿Cuánto cuesta Grok Imagine 2?
No tiene precio mediante API porque no hay API. En la app de consumo de Grok, xAI no ha publicado una tarifa independiente por imagen.
¿Cuál es la mejor alternativa a Grok Imagine 2 con API?
GPT-Image-2. Ocupa el #1 de LM Arena, por delante de Grok Image 2.0, tanto en texto a imagen como en edición y, con aproximadamente $0.02 por generación a 1K, también es el más barato de los modelos líderes con API que probamos.