Grok Imagine es el generador de video con IA más rápido que la mayoría de las personas puede usar ahora mismo. Toma un texto, un comando de voz o una foto y lo convierte en un video corto con audio sincronizado en aproximadamente 17 segundos. Eso es considerablemente más rápido que Veo 3.1 o Kling 3.0. xAI lo lanzó el 28 de julio de 2025, publicó Grok Imagine 1.0 el 1 de febrero de 2026 y desde entonces ha sustituido las dos mitades del producto: Imagine Video 1.5 with References el 7 de agosto de 2026, que genera hasta 1080p, e Imagine Image 2.0 el 11 de agosto de 2026.
¿Te preguntas cómo se compara el chatbot de Grok con ChatGPT para tareas cotidianas? Consulta nuestra comparativa completa de Grok vs ChatGPT.
Esta guía explica qué es exactamente Grok Imagine, los cinco flujos de trabajo que admite y cómo acceder desde la web y desde tu teléfono. También verás qué desbloquea cada nivel de suscripción, cómo se compara el resultado con Veo 3.1 de Google y Kling 3.0 ahora que OpenAI ha terminado de cerrar Sora 2, qué esperar de la nueva Imagine API, los cuatro modos de generación (incluido el controvertido Spicy Mode) y en qué aspectos Grok Imagine todavía se queda corto.
Lo más importante
- Grok Imagine es el generador de imágenes y videos con IA de xAI, integrado en la app de Grok y disponible en grok.com/imagine.
- Genera un video con audio en aproximadamente 17 segundos, varias veces más rápido que Veo 3.1 o Kling 3.0.
- El vídeo se genera hasta 1080p con Imagine Video 1.5 (7 de agosto de 2026), que sustituyó el techo de 720p que esta guía y casi todas las demás siguen citando.
- Existe un nivel gratuito con límites por hora; las funciones completas requieren SuperGrok ($30/mes) o X Premium+ ($40/mes), y por encima xAI vende SuperGrok Plus a $100.
- Admite cinco flujos de trabajo: texto a imagen, edición de imagen, texto a video, imagen a video y video a video.
¿Qué es Grok Imagine?
Grok Imagine es la herramienta de generación de imágenes y videos de xAI. Vive dentro de la app móvil de Grok y en grok.com/imagine, separada de los chatbots de Grok, aunque se accede con la misma cuenta. Conviene no mezclar las dos líneas: Imagine funciona con una familia de modelos propia, que la API de xAI lista como grok-imagine-video-1.5, grok-imagine-image-2.0 y grok-imagine-image-quality, y nunca ha funcionado con los modelos de chat. La línea de chat es hoy Grok 4.7 en la API y Grok 4.6 en los modos de pago Expert y Heavy de la app; dónde empezó esa línea lo cuenta nuestra reseña de Grok 4.3. El modelo maneja cinco flujos de trabajo en un único lienzo: texto a imagen, edición de imagen, texto a video, imagen a video y video a video, y produce clips con audio sincronizado nativo en lugar de video mudo que necesita un tratamiento de sonido aparte.
xAI lanzó la primera versión el 28 de julio de 2025 como herramienta de texto a video de 6 segundos. La versión Grok Imagine 1.0, publicada el 1 de febrero de 2026, duplicó la duración de los clips a 10 segundos y elevó la resolución a 720p. También renovó el pipeline de audio para que los prompts puedan especificar ambiente sonoro, efectos y diálogos cortos. Una actualización de marzo de 2026 añadió plantillas estilizadas, entre ellas el estilo Chibi. La Imagine API abrió el 2 de febrero de 2026 y el Quality Mode, para mayor realismo y mejor renderizado de texto, llegó el 6 de mayo. Los dos lanzamientos que más pesan llegaron en agosto: Imagine Video 1.5 with References el 7 de agosto de 2026, que xAI describe como "nuestro mejor modelo de vídeo, ahora con referencias de texto, imagen y voz, que genera hasta 1080p", e Imagine Image 2.0 el 11 de agosto, "generación y edición de imágenes precisas para trabajo creativo real". Durante 2026 también se desplegó un Imagine Agent que planifica secuencias de imágenes y vídeos en varios pasos.
Cómo usar Grok Imagine
En menos de un minuto ya estarás generando tu primer video. Esta es la ruta más rápida.
- Abre grok.com/imagine en cualquier navegador, o inicia la app de Grok en iPhone, Android o Mac.
- Inicia sesión con X, Apple, Google o una cuenta de Grok. Los usuarios gratuitos tienen una pequeña cuota diaria; los de pago con SuperGrok o X Premium+ tienen límites más altos y el conjunto completo de funciones de Imagine.
- Selecciona Image o Video en la parte superior del lienzo.
- Escribe un prompt, toca el micrófono para dictarlo por voz o sube una foto para animarla.
- Elige un modo de generación (Normal, Fun, Custom o Spicy) y toca Generate.
El prompt por voz es una de las incorporaciones más útiles. Mantén pulsado el micrófono, describe la escena como se la contarías a un amigo, y Grok Imagine convierte esa descripción hablada en un prompt completo y lo envía al modelo. Para quienes no quieren escribir sintaxis detallada de prompts, esto ya vale la pena probarlo.
Qué puede hacer Grok Imagine
La función principal es la generación de video con audio nativo. Escribe un prompt como «a golden retriever wearing sunglasses surfing a turquoise wave at sunset, ocean spray, distant beach crowd cheering.» Grok Imagine devuelve un clip de 6 a 10 segundos con sonido ambiente, foley y (si se pide) diálogos cortos. El audio se genera en el mismo proceso que el video, así que los pasos coinciden con los movimientos y la lluvia cae cuando debe.
La generación de imágenes es la otra mitad del producto. Grok Imagine produce varias variaciones por prompt en unos 5 segundos y admite varias proporciones de aspecto para uso vertical y horizontal. La edición integrada permite cambiar un fondo, modificar un atuendo o añadir un objeto a una imagen existente sin tener que generar todo de nuevo. xAI usa una arquitectura híbrida basada en los modelos Flux de Black Forest Labs combinados con su propia investigación Aurora. El resultado se sitúa en la media de los rankings públicos de calidad de imagen, por detrás de ChatGPT Images 2.5 de OpenAI, pero por delante de versiones anteriores de Midjourney en flujos de trabajo donde la velocidad importa.
El Imagine Agent es la incorporación más reciente. En lugar de escribir un único prompt, describes un objetivo («hazme un reel de producto de 30 segundos con tres escenas y una voz en off») y el agente planifica los planos, genera cada clip y los une. Para ver cómo el Imagine Agent convierte un solo prompt en un clip terminado, consulta nuestra guía de generación de video con Grok Imagine. Se está desplegando gradualmente para suscriptores de SuperGrok y SuperGrok Heavy que ya tienen acceso a Imagine.
Lo que Grok Imagine todavía no puede hacer
El 4K nativo queda descartado; Imagine Video 1.5 llega hasta 1080p, que la API cobra a $0.25 por segundo frente a $0.14 en 720p y $0.08 en 480p. Sobre la duración del clip, xAI no publica ningún tope para Video 1.5: los 10 segundos que se citan por todas partes son la cifra de Imagine 1.0 de febrero, y la API cobra el vídeo por segundo en lugar de por duraciones fijas, así que trata los 10 segundos como el límite práctico de la app y no como un tope documentado. Extend From Frame encadena nuevas generaciones al final. El realismo es irregular: los rostros y las manos a veces se distorsionan, y mantener personajes consistentes en escenas con varios cortes sigue siendo una debilidad frente a Veo 3.1. Para resultados de calidad de difusión, tendrás que recurrir a otros generadores de video con IA como Kling 3.0 o Veo 3.1 y aceptar tiempos de espera más largos.
Los modos de Grok Imagine explicados
Grok Imagine incluye cuatro modos de generación, y el que elijas define tanto el aspecto como las reglas del contenido.
El Normal mode es el predeterminado y produce resultados equilibrados y de aspecto profesional, dentro de la política de contenido estándar de xAI. Es la opción adecuada para materiales de marketing, publicaciones en redes sociales, imágenes de producto y cualquier cosa que vayas a publicar desde una cuenta de marca.
El Fun mode amplía el margen hacia la variación creativa. El mismo prompt produce interpretaciones estilísticas más amplias y movimientos de cámara más cinematográficos, útil cuando todavía estás explorando una idea y quieres sorprenderte.
El Custom mode es el modo de precisión. Puedes fijar la iluminación, el tono, el ángulo de cámara, el movimiento y el estilo con parámetros explícitos; es el modo más lento pero el que ofrece resultados más consistentes.
Spicy mode es la configuración de contenido adulto de xAI y la parte más controvertida del producto. Genera contenido artístico con reglas más flexibles y está restringido a suscripciones de pago y verificación de edad. También ha estado en el centro de incidentes de seguridad, incluida la controversia sobre deepfakes no consentidos que generó críticas gubernamentales a principios de 2026. xAI ha añadido desde entonces una moderación más agresiva, pero la función sigue siendo polémica. Trátala como un riesgo si creas contenido para una cuenta de marca. Si te preocupa el mal uso, aprende cómo detectar deepfakes de IA.
Precios de Grok Imagine
Los precios siguen el esquema estándar de suscripción de Grok, y el uso de Imagine está incluido en cada nivel en lugar de facturarse por separado. La generación de imágenes tiene las cuotas más generosas; la generación de video alcanza los límites más rápido. Antes de actualizar tu plan, nuestra guía sobre el plan gratuito de Grok muestra cuánto acceso a Imagine tienes sin coste.
| Plan | Price | Imagine access |
|---|---|---|
| Free | $0 | Small daily allowance, 480p, 6-second clips |
| X Premium | $8/mo | Higher caps inside X, image-first |
| SuperGrok Lite | $10/mo | 480p, 6-second clips, daily caps |
| SuperGrok | $30/mo | Full Imagine, ~100 video renders/day |
| X Premium+ | $40/mo | Full Imagine, higher X feature ceiling |
| SuperGrok Plus | $100/mo | Higher-usage tier above SuperGrok, published on xAI's App Store listing |
| SuperGrok Heavy | $300/mo | Top limits across image, video, and Imagine Agent |
La ficha de xAI en la App Store publica la escala independiente como SuperGrok Lite $10, SuperGrok $30, SuperGrok Plus $100 y SuperGrok Heavy $300, junto a paquetes de créditos de $5, $20, $50 y $100. xAI no publica qué resolución desbloquea cada nivel de consumo ahora que existe 1080p, así que las filas de arriba describen acceso y no un tope documentado. Para ver el esquema completo, incluyendo planes de equipo y créditos de API, consulta el desglose de precios de Grok.
Grok Imagine vs Veo 3.1, Kling 3.0 y Sora 2
La pregunta que más se hace la gente es si Grok Imagine es suficientemente bueno para prescindir de Veo 3.1 de Google DeepMind o de Kling 3.0 de Kuaishou, los dos competidores activos más potentes. La respuesta honesta es «depende de lo que priorices».
Nota sobre Sora 2: se acabó. OpenAI cerró la app de Sora para consumidores y su web el 26 de abril de 2026, y sora-2 y sora-2-pro fueron retirados de la API el 24 de septiembre de 2026, sin ningún sustituto nombrado en el documento de retiradas de OpenAI. Hemos mantenido Sora 2 en la tabla de abajo solo como referencia histórica; ya no se puede llamar en absoluto.
| Feature | Grok Imagine | Veo 3.1 | Kling 3.0 | Sora 2 (retired) |
|---|---|---|---|---|
| Max video length | 10 seconds in the app, extendable; no documented API cap | 8s base, up to 148s extended | up to 2 minutes | 20 seconds |
| Max resolution | 1080p (Video 1.5, Aug 2026) | 1080p | 4K native | 1080p |
| Native audio | Yes | Yes (with lip sync) | Yes (since 3.0) | Yes |
| Speed (prompt-to-video) | ~17 seconds | 1–2 minutes | 1–3 minutes | 1–3 minutes |
| Access | Grok app, web, API | Google AI Studio / Vertex | klingai.com, fal API | Removed from the API Sep 24, 2026 |
| Best for | Speed, social, iteration | Cinematic, lip-synced dialogue | 4K output, multi-shot continuity | (nothing; the models no longer exist) |
Si estás probando ideas, publicando en redes sociales o iterando sobre un concepto, Grok Imagine gana en tiempo de ciclo y es difícil de superar. La distancia en 1080p se cerró en agosto, así que la resolución ya no es motivo para marcharse. Si necesitas salida nativa a 4K, continuidad entre cortes en varias escenas o sincronía labial creíble en diálogos, Kling 3.0 y Veo 3.1 producen resultados superiores pese a los tiempos de espera más largos, y con Sora fuera son las dos alternativas vivas.
La Grok Imagine API
Los desarrolladores obtuvieron su primer punto de entrada oficial con la Imagine API el 2 de febrero de 2026, y el Quality Mode llegó el 6 de mayo. Los endpoints cubren generación de imágenes, edición de imágenes, texto a vídeo, imagen a vídeo y la pasada de audio. A diferencia de los modelos de chat, Imagine no se cobra por token. El vídeo se cobra por segundo según la resolución: en grok-imagine-video-1.5, que acepta texto, imagen y audio, son $0.08 a 480p, $0.14 a 720p y $0.25 a 1080p, más $0.01 por imagen de entrada. Las imágenes se cobran por imagen según resolución y calidad: grok-imagine-image-2.0 va de $0.04 a $0.08 entre 1K, 1,5K y 2K en calidad baja y media. El más antiguo grok-imagine-image-quality, con el alias grok-imagine-image-pro, va de $0.05 a $0.07.
La API es la opción que tiene sentido si estás construyendo un producto sobre generación de contenido en lugar de ejecutar prompts manualmente. Para un flujo de trabajo manual, la app de Grok y el lienzo web siguen siendo el camino más sencillo.
Usar Grok Imagine en Mac
xAI todavía no tiene una app nativa de escritorio para Mac de Grok o Grok Imagine. Las opciones de escritorio más cómodas son grok.com/imagine en el navegador o un cliente de escritorio de Grok para macOS que envuelve la app web en una ventana con atajos en la barra de menú, notificaciones en el Dock y control por teclado.
¿Quieres tener todos tus chats con varios modelos en un solo lugar en tu Mac? La app Fello AI en el Mac App Store te da acceso a GPT-6, Claude 5, Gemini 3.8, Grok 4.7, DeepSeek V4.1, Kimi K3 y 20+ modelos más con una sola suscripción a $9.99/mes. Es muy útil cuando quieres redactar un prompt con un modelo y ejecutarlo en Grok u otro modelo en la misma ventana. Grok Imagine sigue funcionando a través del propio lienzo de Grok, pero Fello AI elimina el roce de saltar entre pestañas mientras diseñas el prompt.
¿Deberías usar Grok Imagine?
Elige Grok Imagine cuando la velocidad importe más que la perfección. Iterar sobre contenido para redes sociales, esbozar conceptos visuales, animar una imagen fija o crear un clip corto listo para publicar en los próximos 60 segundos es exactamente el flujo de trabajo para el que está diseñado. La combinación de prompts por voz, audio nativo y un tiempo de respuesta de unos 17 segundos resulta muy atractiva, y el precio es razonable si ya pagas SuperGrok o X Premium+.
Descarta Grok Imagine cuando necesites salida nativa a 4K, continuidad en varias escenas, anatomía humana precisa o sincronía labial creíble en diálogos. Recurre a Kling 3.0 o Veo 3.1, acepta la espera y paga el precio más alto. Para una visión completa de dónde encaja cada herramienta, consulta el hub mejores modelos de IA de FelloAI. Para ver qué viene después de Grok Imagine, lee todo lo que sabemos sobre Grok 5.
Preguntas frecuentes
¿Qué es Grok Imagine?
Grok Imagine es el generador de imágenes y videos con IA de xAI. Produce imágenes, imágenes animadas y videos cortos con audio sincronizado a partir de prompts de texto, comandos de voz o fotos subidas por el usuario.
¿Es Grok Imagine gratuito?
Sí, existe un nivel gratuito con límites por hora y un techo de 480p. Las funciones completas y unos 100 renders de vídeo al día requieren SuperGrok a $30/mes o X Premium+ a $40/mes, con SuperGrok Plus a $100 y SuperGrok Heavy a $300 por encima.
¿Cuánto puede durar un video de Grok Imagine?
La app genera clips cortos, de unos 10 segundos, e Imagine Video 1.5 subió el techo de resolución a 1080p en agosto de 2026. xAI no publica ningún límite de duración para Video 1.5; la cifra de 10 segundos viene del lanzamiento de Imagine 1.0 en febrero, y la API cobra por segundo y no por clip fijo. Puedes encadenar clips con Extend From Frame para crear secuencias más largas.
¿En qué se diferencia Grok Imagine del chatbot Grok?
Son modelos distintos, no modos distintos de un mismo modelo. Los chatbots de Grok funcionan con la línea de chat, hoy Grok 4.7 en la API y Grok 4.6 en los modos de pago de la app. Grok Imagine funciona con sus propias entradas de registro, grok-imagine-video-1.5 e grok-imagine-image-2.0, y siempre ha sido así. Comparten cuenta y suscripción de xAI, pero nada por debajo.
¿Tiene Grok Imagine una API?
Sí, desde el 2 de febrero de 2026, con endpoints de imagen, vídeo y audio y un Quality Mode para mayor realismo añadido el 6 de mayo. No se cobra por token: el vídeo cuesta entre $0.08 y $0.25 por segundo según la resolución, y las imágenes entre $0.04 y $0.08 cada una.
