Was kostet die Grok Imagine API? Text-zu-Bild ab $0.03, Video $0.015 pro Sekunde

Grok Imagine ist eine von xAI entwickelte Modellfamilie für Bild- und Videogenerierung. Auf HiAPI ist sie über die einheitliche /v1/tasks-Schnittstelle verfügbar, Bilder werden pro Stück abgerechnet, Videos pro Sekunde, alles nach Verbrauch. Kein Abo, keine Sitzplatzlizenzierung und keine Abrechnung nach Tokens. Dieser Artikel schlüsselt die tatsächlichen Preise für 2026 nach Endpunkten auf (die Preise wurden am 2026-10-17 gegen die Live-Preise von HiAPI erneut geprüft), erklärt genau, was ein einzelner Aufruf kostet, und liefert eine Methode, um Kosten vor dem Skalieren zu schätzen und zu deckeln.

Grok Imagine ist auf HiAPI eine Familie, kein einzelnes Modell. Auf der Bildseite gibt es drei Stufen (Basis, Quality, Image 2.0), auf der Videoseite drei Endpunkte (Text-zu-Video, Bild-zu-Video sowie Bild-zu-Video von 1.5). Die Stufen sind unterschiedlich bepreist, daher zunächst die gesamte Preistabelle im Überblick.

Grok Imagine API-Preise auf einen Blick (2026)

Alle Preise unten sind in US-Dollar. Bilder werden pro erfolgreich generiertem Bild abgerechnet, Videos pro Sekunde.

Bilder (pro Stück)

Endpunkt	Preis	Hinweis
Text-zu-Bild · Basisstufe	$0.03	Die günstigste Stufe der Familie, auf Geschwindigkeit und Ultrabreitformat ausgelegt
Bild-zu-Bild · Basisstufe	$0.03 + $0.003 pro Referenzbild	1 bis 3 Referenzbilder
Text-zu-Bild · Quality-Stufe	$0.07	Laut Plattform mit detailreicherem Ergebnis
Bild-zu-Bild · Quality-Stufe	$0.08 + $0.015 pro Referenzbild	1 bis 3 Referenzbilder
Text-zu-Bild · Image 2.0	$0.052	Neuere Generation, deckt 1K bis 2K ab
Bild-zu-Bild · Image 2.0	$0.065	Bildbearbeitung mit einem Referenzbild

Videos (pro Sekunde)

Endpunkt	Preis	Dauer pro Clip
Text-zu-Video	$0.015/Sekunde	6 bis 30 Sekunden
Bild-zu-Video	$0.015/Sekunde	6 bis 30 Sekunden
1.5 Bild-zu-Video	$0.015/Sekunde	1 bis 15 Sekunden

Das ist die gesamte Preisliste. Beim Bildpreis zählt nur, welche Stufe man wählt, die Bepreisung erfolgt nach Stufe, nicht nach Ausgaberesolution; beim Videopreis zählt nur die Sekundenzahl, unabhängig von Resolution, Kameraführung und Audio. Fehlgeschlagene Aufgaben werden nicht berechnet, Wiederholungsversuche bei Timeouts oder blockierten Prompts kosten nichts.

Wie man die drei Bildstufen wählt

Die drei Stufen unterscheiden sich in Positionierung und Stückpreis; wo sich der Preis verdoppelt, sollte man das Geld gezielt einsetzen.

• Basisstufe, $0.03 pro Stück. Die günstigste Stufe der Familie, laut Plattform schnell und mit Unterstützung für Ultrabreitformat. Geeignet für Skizzen, Social-Media-Grafiken, Massenproduktion und alles, was noch mehrfach angepasst wird. Text-zu-Bild und Bild-zu-Bild kosten gleich viel, bei Bild-zu-Bild kommen $0.003 pro Referenzbild hinzu.
• Image-2.0-Stufe, Text-zu-Bild $0.052, Bild-zu-Bild $0.065. Neuere Generation, deckt Ausgaben von 1K bis 2K ab. Verwenden, wenn man stabilere Endergebnisse und höhere Auflösung möchte. Zu dieser Stufe gibt es eine eigene Preisanalyse – für Details einfach hineinschauen.
• Quality-Stufe, Text-zu-Bild $0.07, Bild-zu-Bild $0.08. Die teuerste Stufe der Familie, laut Plattform mit detailreicherem Ergebnis. Für Cover, Key Visuals und Bilder, die vergrößert betrachtet werden. Bei Bild-zu-Bild kommen $0.015 pro Referenzbild hinzu.

Welche Stufe die passendere Bildqualität liefert, hat keine allgemeingültige Antwort; am besten erzeugt man mit den eigenen Prompts je ein Bild pro Stufe und vergleicht, bevor man sich entscheidet.

Was man für $0.03 pro Stück bekommt

Die Abrechnung pro Stück klingt abstrakt – konkreter wird es mit einem tatsächlich erzeugten Bild der Basisstufe für $0.03. Das folgende Bild wurde mit der Basisstufe Text-zu-Bild tatsächlich generiert, ein Bild für drei Cent:

Verwendeter Prompt (direkt kopierbar):

A cozy specialty coffee shop storefront on a rainy evening, warm golden light spilling from the windows onto glistening wet cobblestones, a handwritten chalkboard menu by the door, hanging plants and a vintage bicycle leaning against weathered brick, soft reflections in the puddles, cinematic color grade, rich atmospheric detail, 35mm look, photorealistic

Ein Bild für drei Cent bedeutet: Mit $1 lassen sich 33 Bilder erzeugen, mit $10 sind es 333 Bilder. Die Basisstufe liefert stabil 1K; wer ein 2K-Endergebnis möchte, kann die Image-2.0-Stufe nutzen. Für die Massenproduktion solcher Stimmungsbilder sind die Kosten so niedrig, dass man Dutzende auf einmal erzeugen und dann auswählen kann.

Wie Videos berechnet werden: $0.015 pro Sekunde

Alle drei Video-Endpunkte haben denselben Preis, $0.015 pro Sekunde, unabhängig von Resolution, Kameraführung und Audio. Die Rechnung ist einfach Sekundenzahl mal Stückpreis.

Dauer pro Clip	Kosten ($0.015/Sekunde)
6 Sekunden	$0.09
10 Sekunden	$0.15
15 Sekunden	$0.225
30 Sekunden	$0.45

Bei Text-zu-Video und Bild-zu-Video beträgt die Dauer pro Clip 6 bis 30 Sekunden, bei Bild-zu-Video von Grok Imagine 1.5 sind es 1 bis 15 Sekunden; der Preis ist gleich, der Unterschied liegt darin, welche Eingabe man liefert und wie lang das Ergebnis sein soll. Zu dieser 1.5-Stufe gibt es eine eigene Preiserklärung, die speziell darauf eingeht, wie man die sekundenbasierte Videoabrechnung schätzt.

Anderthalb Cent pro Sekunde, ein 10-sekündiger Clip kostet fünfzehn Cent – so günstig, dass man mehrere Versionen erzeugen und dann auswählen kann.

Wie viel man mit $1 und mit $10 machen kann

Die Kaufkraft der drei Bildstufen und der Videos im Vergleich:

Budget	Bilder Basisstufe	Bilder Image 2.0	Bilder Quality	Video
$1	33 Stück	ca. 19 Stück	ca. 14 Stück	ca. 66 Sekunden
$10	333 Stück	ca. 192 Stück	ca. 142 Stück	ca. 666 Sekunden

Neue Konten erhalten bei der Registrierung ein kostenloses Kontingent; die ersten Testbilder und Testvideos kosten dann nichts.

Pay-as-you-go vs. direkter Zugang

Wichtiger als eine einzelne Zahl ist die Struktur. Grok Imagine ist auf HiAPI reines Pay-as-you-go: Man zahlt nur für erfolgreiche Aufrufe, Bilder pro Stück, Videos pro Sekunde, ohne Monatsgebühr, ohne Abo-Stufen, die man erst langsam ausschöpfen muss, und ein einziger API-Key deckt alle Endpunkte der Familie sowie weitere Modelle auf HiAPI ab.

Direkter oder First-Party-Zugang hat eine andere Kostenform. Der originäre Zugang zu Grok Imagine ist eher auf Consumer-Abos ausgerichtet; der call-basierte Einbau in das eigene Produkt ist nicht seine Stärke. Andere Drittanbieter rechnen jeweils nach eigenen Bedingungen ab, die je nach Region unterschiedlich sind und sich häufig ändern. Wir machen keinen zeilenweisen Preisvergleich; die ehrliche Antwort ist: Es hängt von Ihrer Menge und davon ab, wo Sie es betreiben. Sicher und nachprüfbar ist hier die Abrechnungsstruktur: Bei HiAPI wird pro Stück oder pro Sekunde gemessen, Fehlschläge werden nicht berechnet, keine Bindung an Verpflichtungen.

Wie man Kosten bei Skalierung schätzt und kontrolliert

Wenige Hebel bestimmen im Wesentlichen den Großteil:

• Für die Massenproduktion die Basisstufe, für das Endergebnis die höhere Stufe. In der Explorationsphase kostet jedes Bild nur $0.03; was behalten wird, erzeugt man mit Image 2.0 ($0.052) oder Quality ($0.07) neu, und die verworfenen Entwürfe spart man sich.
• Referenzbilder bei Bild-zu-Bild erhöhen den Preis. Basisstufe +$0.003 pro Referenzbild, Quality-Stufe +$0.015, maximal 3 Stück. Wer sparen will, hängt nicht unnötig viele Referenzbilder an und rechnet diesen Posten ins Budget ein.
• Bei Videos nur die benötigten Sekunden anfordern. Jede Sekunde wird mit $0.015 berechnet; kürzt man die geplanten 30 Sekunden auf die tatsächlich benötigten 10 Sekunden, sinken die Kosten dieses Clips direkt von $0.45 auf $0.15.
• Wiederholungsversuche kostenlos machen. Fehlgeschlagene Aufgaben werden nicht berechnet, Timeouts oder Blockierungen ziehen kein Geld ab, man kann also bedenkenlos Retry-Logik schreiben.
• Erst rechnen, dann loslegen. Bildkosten sind Stückzahl mal Stückpreis der Stufe, Videokosten sind Sekundenzahl mal $0.015; setzt man seine Menge ein, erhält man eine harte Zahl. Für die allgemeine Version dieses Vorgehens über verschiedene Modelle hinweg lesen Sie Kosten von KI-Bild- und Video-APIs kontrollieren.

Wie man Grok Imagine auf HiAPI aufruft

Ein API-Key deckt alle Endpunkte der Familie ab. Bilder und Videos laufen beide über die asynchrone Task-Schnittstelle: POST /v1/tasks liefert eine taskId, man pollt GET /v1/tasks/{taskId}, bis status zu success wird (oder übergibt auf oberster Ebene callback.url, damit man per Callback benachrichtigt wird), und lädt dann das Ergebnis herunter. Pay-as-you-go, kein Mindestumsatz, Fehlschläge werden nicht berechnet.

Dieser Artikel behandelt nur die Kosten, bis zur Abrechnungsstruktur. Vollständige Request-Bodies (bei Bildern aspect_ratio / resolution, bei Bild-zu-Bild image_urls, bei Videos das Dauerfeld) sowie direkt kopierbare curl- und Python-Beispiele finden sich in der HiAPI-Dokumentation.

Häufige Fragen

Was kostet die Grok Imagine API? Auf HiAPI kosten Bilder pro Stück: Basisstufe Text-zu-Bild $0.03, Image-2.0-Stufe $0.052, Quality-Stufe $0.07; Videos kosten pro Sekunde, alle drei Endpunkte $0.015 pro Sekunde. Kein Abo, keine Abrechnung nach Tokens.

Ist Bild-zu-Bild teurer als Text-zu-Bild? Basisstufe und Text-zu-Bild kosten gleich viel ($0.03), nur kommen bei Bild-zu-Bild $0.003 pro Referenzbild hinzu; Quality-Stufe Bild-zu-Bild $0.08, plus $0.015 pro Referenzbild; Image 2.0 Bild-zu-Bild $0.065. Maximal 3 Referenzbilder.

Beeinflusst die Resolution den Preis? Nein. Bilder werden nach Stufe bepreist, innerhalb derselben Stufe kostet jede Ausgaberesolution gleich viel. Die Basisstufe liefert stabil 1K; für ein 2K-Endergebnis die Image-2.0-Stufe nutzen.

Werden Videos pro Clip oder pro Sekunde abgerechnet? Pro Sekunde. Die Berechnung ist Sekundenzahl mal $0.015, ein 10-sekündiger Clip kostet also $0.15, 30 Sekunden $0.45. Text-zu-Video und Bild-zu-Video 6 bis 30 Sekunden pro Clip, 1.5 Bild-zu-Video 1 bis 15 Sekunden.

Muss man für fehlgeschlagene Generierungen zahlen? Nein. Nur erfolgreiche Aufgaben werden berechnet; Timeouts, blockierte Prompts und Wiederholungsversuche kosten nichts.

Wichtige Erkenntnisse

Das Budget für Grok Imagine lässt sich einfach berechnen, wenn man Bilder und Videos getrennt betrachtet. Bei Bildern ist es Stückzahl mal Stückpreis der Stufe: Basisstufe $0.03, Image 2.0 $0.052, Quality $0.07, die Resolution schlägt nicht auf, bei Bild-zu-Bild kommt pro Referenzbild etwas hinzu. Bei Videos ist es Sekundenzahl mal $0.015, alle drei Endpunkte gleich, pro Clip maximal $0.45 bei 30 Sekunden. Für die Massenproduktion mit der Basisstufe explorieren, für das Endergebnis oder mehr Details die höhere Stufe wählen, bei Videos nur die tatsächlich benötigten Sekunden anfordern, Fehlschläge und Wiederholungen kosten nichts.

Möchten Sie für Ihren Workload eine echte Zahl berechnen? Neue Keys bringen ein kostenloses Kontingent mit, das erste Bild kostet nichts – öffnen Sie die Modellseite von Grok Imagine Text-zu-Bild und erzeugen Sie jetzt Ihr erstes Bild.

Weiterführende Lektüre

• Grok Image 2.0 vs GPT Image 2: derselbe Prompt im Vergleich – welches passt besser zu Ihnen?
• Wie verwendet man die Grok Image 2.0 Text-zu-Bild-API? In 5 Minuten zum ersten Bild