AIREITERO nome pode confundir, mas o ponto central é simples: Grok Imagine 2 é o novo modelo de imagem da xAI. Ele corresponde ao Quality Mode do grok.com/imagine e entrou em disponibilidade geral em 7 de agosto de 2026. Não é uma sequência do modelo de vídeo Grok Imagine 1.5. No ranking de imagens do LM Arena, aparece em 2º lugar tanto em texto para imagem quanto em edição, atrás do GPT-Image-2. Há, porém, uma limitação importante: a API ainda não foi aberta. Para gerar ou editar imagens programaticamente hoje, é preciso usar o app de consumo do Grok ou recorrer a um concorrente com API disponível.
Grok Imagine 2 gera imagens — não é a continuação do modelo de vídeo
O esclarecimento mais importante sobre “Grok Imagine 2” é que ele se refere ao modelo de imagem Imagine Image 2.0 (id do modelo grok-imagine-image-quality), lançado como o Quality Mode do gerador de imagens do Grok. Ele não é o modelo de vídeo grok-imagine-video-1.5, analisado na nossa review do Grok Imagine 1.5.
A sobreposição de nomes realmente gera confusão. Um jeito rápido de separar os dois: se uma página cita resolução 4K nativa, clipes de 30 segundos, o mecanismo de vídeo Aurora ou áudio falado com lip sync, está atribuindo especificações de vídeo a um modelo de imagem. O Image 2.0 cria e edita imagens estáticas; não há duração, áudio nem linha do tempo de vídeo. Os resultados ficam disponíveis em grok.com/imagine e nos apps para iOS e Android.
A página de anúncio da xAI é a fonte mais direta sobre o lançamento:
Na prática, o que o Image 2.0 oferece
O Imagine Image 2.0 combina geração e edição de imagens, com foco em fidelidade de composição e controle de edição. Seu principal destaque é criar imagens com texto legível e composições densas, com vários elementos — como cartazes, páginas de produto e infográficos — sem embaralhar letras, um problema recorrente em modelos mais antigos.
Segundo a página de lançamento da xAI, estes são os recursos disponíveis, verificados em 7 de agosto de 2026:
| Recurso | O que faz |
|---|---|
| Edição regional com varinha mágica | Aponte para uma área e altere apenas aquela região, em um fluxo semelhante a inpainting. |
| Segmentação | Permite fazer seleções precisas antes da edição, sem precisar pintar uma máscara manualmente. |
| Remoção de fundo | Remove fundos e exporta a imagem com transparência. |
| Edição com múltiplas imagens de referência | Use até 5 imagens de referência em uma única edição para manter consistentes um tema ou estilo. |
| Smart Resize | Faz outpainting generativo em 9 proporções (1:2, 9:16, 2:3, 3:4, 1:1, 4:3, 3:2, 16:9, 2:1), expandindo a tela. |
| Fidelidade de texto e layout | Textos pequenos e layouts com vários elementos permanecem legíveis e alinhados. |
| 15 templates | 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. |
| Criar um mundo para vídeo | Gere personagens, cenários e adereços separadamente, preservando um estilo consistente — uma etapa de pré-produção para vídeo. |
O fio condutor é o controle na edição: é esse o aspecto em que os concorrentes são comparados ao Image 2.0 e o que testamos abaixo com rivais que oferecem API.
O desempenho no Arena, sem vender o ranking além da conta
A xAI afirma que o Imagine Image 2.0 é o segundo melhor modelo do mundo em texto para imagem e edição de imagens no LM Arena, onde aparece como SpaceXAI — a identificação da xAI no ranking. O líder nas duas categorias é o GPT-Image-2.
Vale interpretar esse gráfico com a expectativa correta. Os números de Elo foram reportados pela própria xAI a partir de dados públicos do Arena; não são resultado de um teste independente nosso. A diferença para o GPT-Image-2 é pequena em edição (1.439 contra 1.463) e maior em texto para imagem (1.320 contra 1.380). Ficar em “2º lugar” é um resultado forte, mas não coloca o Image 2.0 no mesmo nível do líder. E, como a API não está publicamente aberta, não pudemos fazer um confronto controlado por API. Para conferir o ranking, o placar ao vivo está em lmarena.ai; logo abaixo vêm Reve 2.1, Meta Muse-Image, Qwen-Image-3.0-Pro, Gemini Image e Seedream.
Dá para chamar a API do Grok Imagine 2 hoje? Não.
A API não está aberta. A página de lançamento da xAI diz claramente que o "API access is coming soon,", sem informar uma data, conforme verificado em 10 de agosto de 2026.
Há uma aparente contradição que precisa ser esclarecida. A docs.x.ai já lista o id grok-imagine-image-quality e os endpoints POST /v1/images/generations e POST /v1/images/edits, este último com até 3 imagens de referência. Mas ter um id de modelo na documentação não significa que o acesso esteja ativo e possa ser cobrado. Não existe preço publicado por imagem e, enquanto o acesso continuar marcado como “coming soon”, o grok-imagine-image-quality não pode ser chamado. Neste caso, o “coming soon” prevalece sobre a listagem na documentação.
Isso também resolve a questão do relay: o AIReiter lista o Grok apenas como o modelo de vídeo grok_imagine_1_5, portanto não há uma rota pelo AIReiter para imagens do Grok. Hoje, a única forma de usar o Imagine Image 2.0 é pelo app de consumo do Grok: grok.com, iOS ou Android.
Alternativas com API disponíveis agora — e testadas
Com a API de imagens do Grok fechada, a pergunta prática é quais modelos do mesmo ranking do Arena já podem ser chamados. Três dos principais concorrentes têm API acessível: GPT-Image-2, o líder; Nano Banana Pro, baseado na tecnologia de imagem do Gemini; e Seedream V5 Pro, da ByteDance. Executei neles as duas tarefas que definem o Image 2.0 — geração com texto preciso e edição controlada — para verificar se as capacidades que chamam atenção no modelo da xAI são exclusivas dele.
Geração: duelo com o mesmo prompt
Usei o mesmo prompt nos três modelos: um cartaz retrô de viagem que exigia um título grande (NEON KYOTO), uma linha secundária (2049 EXPRESS) e uma linha de preço (TICKETS FROM 29000 YEN), em uma paleta suave de verde-azulado e magenta. Todos receberam proporção 1:1, configurações padrão e uma geração. A intenção era testar a renderização de texto e o layout, justamente os pontos promovidos pelo Image 2.0.
O resultado: os três modelos renderizaram corretamente as três linhas de texto — título, linha secundária e preço, sem erros de ortografia ou caracteres inventados. Com esta amostra (n=1, um prompt, não é um benchmark), não dá para ordenar os três pela capacidade de lidar com texto; só é possível confirmar que todos renderizaram corretamente o texto pedido nesse cartaz. Isso mostra que, para esse tipo de trabalho, a capacidade de renderizar texto promovida pelo Image 2.0 também é alcançável por rivais com API. Não significa que ela deixou de ser um diferencial em todos os cenários. Os custos diferem: GPT-Image-2 consumiu 1 crédito, Nano Banana Pro 6 e Seedream V5 Pro 7 para a mesma tarefa. Para testá-los diretamente, GPT-Image-2, Nano Banana Pro e Seedream V5 Pro têm páginas de API próprias.
Edição: antes e depois controlado com um rival
A outra metade da proposta do Image 2.0 é editar preservando a estrutura e mudando apenas um elemento. Enviei o cartaz acima ao Nano Banana Pro como imagem de referência e pedi que mantivesse o layout, as três linhas de texto, o Monte Fuji e o trem, mas trocasse a cidade noturna em neon por uma Kyoto nevada ao amanhecer, com cerejeiras em rosa suave e dourado.
O resultado: as três linhas de texto foram preservadas corretamente (NEON KYOTO, 2049 EXPRESS, TICKETS FROM 29000 YEN), e o Monte Fuji e o trem continuam presentes. A cena passou de uma noite escura em neon para um amanhecer claro. Há uma ressalva importante: a edição voltou em outra proporção (1376×768, contra os 1024×1024 do original), então o resultado parece mais uma nova renderização guiada do que um inpaint estrito, que preserva a tela. Foi um único teste de um só modelo. Ele mostra que o tipo de edição “preservar texto e tema, mudar a cena” é possível hoje com um rival acessível via API, não que todos os rivais igualem o inpaint mais cirúrgico de varinha mágica do Grok. A API desse recurso está fechada e não pudemos testá-lo; portanto, qualquer demonstração oficial de edição do Grok deve ser vista como vitrine do fornecedor, não como algo que verificamos.
Preços: quanto custa uma imagem em cada caminho
Preços por geração obtidos nas páginas de cada modelo no AIReiter, com links na tabela, verificados em 10 de agosto de 2026. O Grok Image 2.0 não tem preço de API porque não possui API; ele está disponível apenas no app de consumo do Grok, sem valor publicado por imagem.
| Modelo | No AIReiter | Preço para imagem de ~1K (por geração) | Posição no Arena | Observações |
|---|---|---|---|---|
| GPT-Image-2 | Sim | $0.02 | #1 (T2I & Edit) | O mais barato dos três e o mais bem posicionado. |
| Nano Banana Pro | Sim | $0.05 | Topo do ranking | Baseado no Gemini; forte em texto + edição. |
| Seedream V5 Pro | Sim | $0.07 (7 créditos) | Topo do ranking | ByteDance; sem nível 4K; imagens de referência custam $0.005 cada. |
| Grok Image 2.0 | Não (API pendente) | n/a | #2 (T2I & Edit) | Exclusivo para consumidores; disponível no app do Grok. |
Qual opção faz sentido agora
Há três caminhos, conforme a sua necessidade:
- Você quer especificamente o Grok Image 2.0. Use o app do Grok na web, iOS ou Android. Não existe caminho por API, e não há data para sua abertura.
- Você quer gerar ou editar imagens via API hoje. Use o GPT-Image-2, líder do Arena por $0.02 por geração em 1K, ou compare com Nano Banana Pro e Seedream V5 Pro. Os três passaram no nosso teste de texto com uma geração, e o Nano Banana Pro se sustentou no teste de edição.
- Na verdade, você queria vídeo. Esse é outro modelo:
grok-imagine-video-1.5. Ele é abordado na nossa review do Grok Imagine 1.5 e na página de vídeo do Grok.
Perguntas frequentes
Grok Imagine 2 é um modelo de imagem ou de vídeo?
De imagem. “Grok Imagine 2” se refere ao Imagine Image 2.0 (id do modelo grok-imagine-image-quality), o Quality Mode do grok.com/imagine. O modelo de vídeo é o separado grok-imagine-video-1.5. Se uma descrição menciona 4K, clipes de 30 segundos ou áudio, ela está falando do modelo de vídeo, não deste.
Posso chamar a API do Grok Imagine 2?
Ainda não. A xAI informa que o acesso à API está “coming soon”, conforme verificado em 7 de agosto de 2026. A docs.x.ai lista o id do modelo e os endpoints /v1/images/generations e /v1/images/edits, mas não há acesso ativo e faturável nem preço publicado por imagem em 10 de agosto de 2026.
Quanto custa o Grok Imagine 2?
Não há preço via API, porque não há API. No app de consumo do Grok, a xAI não publicou um valor avulso por imagem.
Qual é a melhor alternativa ao Grok Imagine 2 via API?
GPT-Image-2. Ele ocupa o 1º lugar no LM Arena, à frente do Grok Image 2.0, tanto em texto para imagem quanto em edição. Com cerca de $0.02 por geração em 1K, também é o mais barato entre os principais modelos com API que testamos.